YÖNETİM KARARLARINDA GEÇERLİ MALİYET ANALİZLERİNE ALTERNATİF BİR YÖNTEM: BULANIK TOPSIS YÖNTEMİ

Year 2017, Volume: 3 Issue: 2, 72 - 101, 13.06.2017

Mihriban Coşkun Arslan

Abstract

ÖZ

Bu çalışmanın amacı; üretim işletmelerinin yönetim
kararlarının geçerli maliyet analizlerine alternatif bir araç olarak bulanık
TOPSIS (Technique for
Order Preference by Similarity to Ideal Solution) yöntemi ile analiz
edilmesidir.  Yönetim muhasebesi
alanında, karar vericiye yardımcı bir yöntem olarak Bulanık TOPSIS yönteminin
nasıl kullanılacağının örneklendirilmesi çalışmanın önemini ifade etmektedir.  

Bu amaç doğrultusunda işletmelerin karşılaştıkları teknoloji
yenileme ve kapasite arttırma problemi iki farklı yöntem kullanılarak
çözümlenmiştir. İşletmedeki temel karar problemi mevcut makine ve almayı
planladığı iki CNC makinesine ait seçim kararı olarak tanımlanmıştır. Problemin
çözümünde; geçerli maliyet analizi ile bulanık TOPSIS yöntemi kullanılmıştır.
Sonuçta; her iki yönteme göre belirlenen makine seçim kararı
karşılaştırılmıştır. Problemin çözümünde geçerli maliyet analizi kullanılarak
elde edilen sıralamaya benzer bir sıralama bulanık TOPSIS yöntemi ile de elde
edilmiştir. İşletmelerin yönetim kararlarında geçerli maliyet analizlerine
alternatif olarak bulanık TOPSIS yönteminin de kullanılabileceği sonucuna
ulaşılmıştır. 

Keywords

Geçerli Maliyet, Bulanık Karar Verme, Bulanık TOPSIS

AN ALTERNATIVE METHOD FOR CURRENT COST ANALYSIS APPLICABLE IN MANAGEMENT DECISIONS: FUZZY TOPSIS METHOD

Abstract

ABSTRACT

The aim of this study is to analyze the management decisions
of the intended production enterprises with the fuzzy TOPSIS (Technique for Order
Preference by Similarity to Ideal Solution) method as an alternative to
the valid cost analyzes. In the area of ​​management accounting, it is
important for the decision maker to model how to use the Fuzzy TOPSIS method as
an auxiliary method.

In this study, technology upgrading and capacity building
problem of businesses face was analyzed using two different methods. Basic
decision problem in business has been described existing machines and is
planning to take decisions as the choice of two CNC machines. Fuzzy TOPSIS
method and current cost analysis are used in solving the problem. As a result;
both methods were compared by determining the machine selection decision. A
similar ranking obtained using the current cost analysis in order solve the
problem were obtained by fuzzy TOPSIS 
method. As an alternative to the current cost analysis in business
management decision has been reached as a result of fuzzy TOPSIS method can be
used.

Keywords

Current Cost, Fuzzy Decision Making, Fuzzy TOPSIS

References

• Akdoğan, N., (2000). Tekdüzen Muhasebe Sisteminde Maliyet Muhasebesi Uygulamaları. 5. Baskı, Ankara, Gazi Kitapevi.
• Başkaya, Z., & Öztürk, B. (2011). Bulanık TOPSIS ile Satış Elemanı Adaylarının Değerlemesi. Business and Economics Research Journal, (2)2, 77-100.
• Başkaya, Z. (2011). Bulanık Doğrusal Programlama, Bursa. Ekin Kitabevi.
• Baykal N., Beyan T. (2004). Bulanık Mantık Uzman Sistemler ve Denetleyiciler. Ankara, Bıçaklar Kitabevi.
• Baysal, G., & Tecim, V. (2006). Katı Atık Depolama Sahası Uygunluk Analizinin Coğrafi Bilgi Sistemleri (CBS) Tabanlı Çok Kriterli Karar Yöntemleri ile Uygulaması, 4. Coğrafi Bilgi Sistemleri Bilişim Günleri, Fatih Üniversitesi, İstanbul, 1-8.
• Bellman, R., & Zadeh, L. A. (1970). Decision-Making in A Fuzzy Environment. Management Science, (17) 4, 141-164.
• Benitez, J.M., Martin J.C., & Roman, C. (2007). Using Fuzzy Number for Measuring Quality of Service in The Hotel Industry. Tourism Management, 28(2),544-555.
• Bozbura, T. F., Beskese, A., & Kahraman, C. (2007). Prioritization of Human Capital Measurement Indicators Using Fuzzy AHP. Expert Systems with Applications, 32, 1100-1112.
• Cha, Y., & Yung M. (2003). Satisfaction assessment of multi-objective schedules using neural fuzzy methodology. International Journal of Production Research, 41(8), 1831-1849.
• Chamodrakas, I., & Martakos D. (2012). A utility-based fuzzy TOPSIS method for energy efficient network selection in heterogeneous wireless networks. Applied Soft Computing, 12, 1929–1938.
• Chen, C.T. (2000). Extensions of the TOPSIS for Gro¬up Decision Making Under Fuzzy Environment. Fuzzy Sets and Systems, 114, 1-9.
• Chen, S. J., & Hwang, C. L. (1992). Fuzzy Multiple Attribute Decision Making. Springer-Verlag, Berlin, 28-36.
• Chen, T.Y.T., & Chueh Y. (2008). The interval-valued fuzzy TOPSIS method and experimental analysis. Fuzzy Sets And Systems, 159, 1410-1428.
• Cheng, S., Chan. C.W., & Hwang, G.H. (2002). Using Multiple Criteria Decision Analysis for Supporting Decisions of Solid Waste Management. Journal of Environ. Sci. Health, 37(6), 975–990.
• Chu, T.C. (2002). Facility Location Selection Using Fuzzy TOPSIS Under Group Decisions. International Journal Of Uuncertainty Fuzziness and Knowledge-Based Systems, 10 (6), 687-701.
• Chu, T.C., & Lin Y.C. (2003). A Fuzzy TOPSIS Method for Robot Selection. The International Journal of Advanced Manufacturing Technology, (21) 4, 284–290.
• Coşkun, A. (2007). Yapay Zeka Optimizasyon Teknikleri: Literatür Değerlendirmesi. Doğu Anadolu Araştırmaları, 5(2), 142-146.
• Damghani, K. K., Nezhad, S.S., & Tavana, M. (2013). Solving multi-period project selection problems with fuzzy goal programming based on TOPSIS and a fuzzy preference relation. Information Sciences, 252, 42–61.
• Ecer, F. (2007). Fuzzy TOPSIS Yöntemiyle İnsan Kaynağı Seçiminde Adayların Değerlemesi ve Bir Uygulama, Yayınlanmamış Doktora Tezi, Afyon Kocatepe Üniversitesi Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı.
• Hongren, C., & Foster, G. (1991). Cost Accounting A Managerial Emphasis, Prentice Hall New Jersey, International Editions. http://ebooks.narotama.ac.id/files/Management%20Accounting%20(2nd%20Edition)/Chapter%2010%20%20Relevant%20Costs,%20Pricing%20And%20Decisions%20Under%20Uncertainty.pdf, 1-26. (19.06.2016). http://www.cga-pdnet.org/non_verifiableproducts/coursenotes/2010/ma1/module09.pdf, s:1-24. (19.06.2016).
• Hwang, C.L., & Yoon, K. (1981). Multiple Attribute Decisions Making-metods and Aplications, a state-of-the–art surcey, New York: Springer-Verlag.
• İç, Y. T., & Yurdakul M. (2008). İşleme Merkezi Seçimine Yönelik Bir Karar Destek Sisteminin Geliştirilmesi. Gazi Üniversitesi Müh. Mim. Fakültesi Dergisi, (23)1, 85–95.
• Jahanshohloo, G.R., Hosseinzadeh L., & Izadikhah M. (2006). Extension of the TOPSİS Method for Decision Making Problems with Fuzzy Data. Applied Mathematics and Computation, 181, 1544–1551.
• Kartal, A., Sevim A., & Gündüz E. H. (2008). Maliyet Muhasebesi. Eskişehir, 4. Baskı, Anadolu Üniversitesi Yayını No. 1524.
• Kaufmann, A., & Gupta, M. M. (1991). Introduction to Fuzzy Arithmetic: Theory and Applications. Van Nostrand Reinhold, 74-84.
• Kecman, V. (2001). Learning and Soft Computing. London, MIT Press.
• Kıranlı, S., & İlğan, A. (2007). Eğitim Örgütlerinde Karar Verme Sürecinde Etik. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 8 (14), 150-162.
• Koçel, T. (2003). İşletme Yöneticiliği. 9. Baskı, İstanbul, Beta Yayınları.
• Lai, Y., Hwang J., & Ching, L. (1994). Fuzzy Multiple Objective Decision Making Methods and Applications, Lecture Notes in Economics and Mathematical Systems, 404.
• Mendel, J.M. (1995). Fuzzy Logic Systems For Engineering: A Tutorial. Proceedings of the IEEE, 83(3), 345-377.
• Milani, A.S., Shanian, A., & El-Lahham C. (2008). A decision-based Approach for measuring human behavioral resistance to organizational change in Strategic planning. Mathematical and Computer Modelling, (12)5, 1765–1774.
• Nabiyev, V. V. (2003). Yapay Zeka - Problemler - Yöntemler – Algoritmalar. Ankara, Seçkin Yayıncılık.
• Öztemel, E. (2003). Yapay Sinir Ağları. İstanbul, Papatya Yayıncılık.
• Öztürk, A. (2011). Yöneylem Araştırması. 13. Baskı, Bursa, Ekin Basım Yayın Dağıtım.
• Pedrycz, W. (1993). Fuzzy Control And Fuzzy System. 2. Extended Edition. John Wiley & Sons Inc.
• Peker, A. (1988). Yönetim Muhasebesi. 4.Baskı, İstanbul, İstanbul Üniversitesi Yayınları.
• Rudnik, K., & Kacprzak, D. (2016). Fuzzy TOPSIS method with ordered fuzzy numbers for flow control in a manufacturing system. Applied Soft Computing, PII: S1568-4946(16)30486-0, DOI: http://dx.doi.org/doi:10.1016/j.asoc.2016.09.027, Reference: ASOC 3826
• Sanga, X., Liub X., & Qin J. (2015). An analytical solution to fuzzy TOPSIS and its application in personnelselection for knowledge-intensive enterprise. College Applied Soft Computing, 30, 190–204.
• Singh, R.K., & LyesBenyoucef, N. (2011). A fuzzy TOPSIS based approach for e-sourcing. Engineering Applications of Artificial Intelligence, 24, 437–448.
• Tiryaki, F., & Ahlatcioglu, M. (2005). Fuzzy stock selection using a new fuzzy ranking and weighting algorithm. Applied Mathematics and Computation,170 (1), 144 – 157.
• Tsaura, S. H., & Changb, T. Y. (2002). The evaluation of airline service quality by fuzzy MCDM. Chang-Hua Yena Tourism Management, 23,107–115. Erişim:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.457.2158&rep=rep1&type=pdf
• Ustasüleyman, T. (2009). Bankacılık Sektöründe Hizmet Kalitesinin Değerlendirilmesi: AHS-TOPSIS Yöntemi. Bankacılar Dergisi, 69, 33-43.
• Wang, J.W., Cheng, C.H., & Cheng, H.K. (2009). Fuzzy Hierarchical TOPSIS for Supplier Selection. App¬lied Soft Computing, 9, 377-386.
• Zadeh, L.A. (1965). Fuzzy sets information and control. 8(3).
• Zadeh, L.A. (1978). Fuzzy Sets As A Basis For A Theory Of Possibility. Fuzzy Sets and Systems, 1, 3-28.
• Zhao, J., & Bose, B. K. (2002). Evaluation of Membership Functions for Fuzzy Logic Controlled Induction Motor Drive. 28th Annual Conference of the IEEE Industrial Electronics Society, İspanya.