Optimization of Aircraft Type Selection by Integrated AHP and TOPSIS Methods on Pythagorean Fuzzy Sets: Model Suggestion for Airline Processing

Abstract

It is aimed to optimize the wide-body passenger aircraft type selection decision for airline companies in this study. The decision to choose which aircraft types with similar capacities and technical specifications are selected in airlines is a time-consuming and complex problem that requires to be examined from a different perspective. One type of aircraft may prevail in one direction, while the other may prevail in another. In such cases, it is useful to take into account the models that allow ranking among alternatives by considering more than one criterion simultaneously in order of importance. When this type of aircraft selection or prioritization of aircraft selection criteria is examined, it is seen that multi-criteria decision-making (MCDM) models are frequently recommended in the literature. In this study, aircraft type selection, considered an MCDM problem from the same point of view, is combined with fuzzy logic, which allows better modeling of uncertainties and verbal evaluations that are pondered as a fuzzy MCDM problem. In this context, Pythagorean Fuzzy Sets, which are a relatively new approach to fuzzy sets, and the Analytic Hierarchy Process (AHP) and Technique for Order Preference Similarity to Ideal Solution (TOPSIS) hybrid model have been studied, and a choice has been made between 6 criteria and 8 alternative planes. The application consists of two stages. In the first stage, the criteria weights were calculated using the interval-valued Pythagorean fuzzy AHP method by filling out the AHP questionnaire by 3 expert decision-makers included in the study. In the second stage, the evaluations and interval values of the same decision-makers were listed with the interval-valued Pythagorean fuzzy TOPSIS methodology. As a result, the Airbus A350-1000 type aircraft was determined as the closest alternative to the ideal solution.

Keywords

• Aircraft selection
• Airline
• Pythagorean Fuzzy Sets
• AHP
• TOPSIS

Pisagor Bulanık Kümelere Entegre AHP ve TOPSIS Yöntemleri ile Uçak Tipi Seçiminin Optimizasyonu: Havayolu İşlemeleri İçin Model Önerisi

Abstract

Bu çalışma ile havayolu işletmeleri için geniş gövde yolcu uçak tipi seçim kararının optimize edilmesi amaçlanmaktadır. Havayollarında birbirine yakın kapasite ve teknik özelliklerdeki uçak tipleri arasından hangisi veya hangilerinin seçilerek satın alma kararı oldukça farklı açılardan incelenmesi gereken, zaman alıcı ve karmaşık bir problemdir. Bir uçak tipi bir yönden üstün gelirken diğeri farklı bir yönden üstün gelebilmektedir. Bu gibi durumlarda birden fazla kriteri, verilen önem sırasına göre aynı anda dikkate alarak alternatifler arasında sıralama yapmaya olanak sağlayan modellere yönelmek faydalı olmaktadır. Bu tip uçak seçimi ya da uçak seçim kriterlerini önceliklendirme problemleri incelendiğinde literatürde sıklıkla çok kriterli karar verme (ÇKKV) modellerinin tercih edildiği görülmektedir. Bu çalışmada da aynı bakış açısıyla ÇKKV problemi olarak düşünülen uçak tipi seçimi, belirsizliklerin ve sözel değerlendirmelerin daha iyi modellenebilmesine imkan tanıyan bulanık mantık ile birleştirilmiş ve bir bulanık ÇKKV problemi olarak ele alınmıştır. Bu kapsamda bulanık kümelere görece yeni bir yaklaşım olan Pisagor Bulanık Kümeler ile Analitik Hiyerarşi Prosesi (AHP) ve İdeal Çözüme Benzerlik Yoluyla Tercih Sıralaması (TOPSIS) hibrit modeli üzerinde çalışılmış ve 6 kriter ile 8 alternatif uçak arasında seçim yapılmıştır. Uygulama iki aşamadan oluşmaktadır. İlk aşamada çalışmaya dahil edilen 3 uzman karar verici tarafından AHP anketi doldurularak aralık değerli Pisagor bulanık AHP yöntemiyle kriterlerin ağırlıkları hesaplanmıştır. İkinci aşamada ise aynı karar vericilerin değerlendirmeleri ve aralık değerli Pisagor bulanık TOPSIS metodolojisi ile alternatifler sıralanmıştır. Sonuç olarak Airbus A350-1000 tipi uçak ideal çözüme en yakın alternatif olarak belirlenmiştir.

Keywords

• Uçak seçimi
• Havayolu
• Pisagor bulanık kümeler
• AHP
• TOPSIS

References

1. Akyurt, İ. Z., & Kabadayı, N. (2020). Bulanık AHP ve bulanık gri ilişkisel analiz yöntemleri ile kargo uçak tipi seçimi: Bir Türk havayolu firmasında uygulama. Journal of Yasar University, 15(57), 38-55.
2. Akyurt, İ. Z., & Yaşlıoğlu, D. (2018). Havacılık sektöründe ekip planlama yönetimi: Bir Türk havayolu örneği. Journal of Business Research Turk, 10(1), 424-446.
3. Altaş, İ. H. (1999). Bulanık mantık: Bulanıklılık kavramı. Enerji, Elektrik, Elektromekanik-3e, 62, 80-85.
4. Belobaba, P., Odoni, A., & Barnhart, C. (2009). The global airline industry. West Sussex: Wiley Publication.
5. Bruno, G., Esposito, E., & Genovese, A. (2015). A model for aircraft evaluation to support strategic decisions. Expert Systems with Applications, 42(13), 5580-5590.
6. Chen, C. T. (2000). Extensions of the TOPSIS for Group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114, 1-9.
7. Dozic, S., & Kalic, M. (2014). An AHP approach to aircraft selection process. Transportation Research Procedia, 3, 165-174.
8. Durmaz, K. İ., & Gencer, C. (2020). JSMAA tabanlı yeni bir eklenti: SWARA-JSMAA ve akrobasi uçağı seçimi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(3), 1487-1498.

9. Garg, H. (2016). A novel accuracy function under interval-valued Pythagorean fuzzy environment for solving multicriteria decision making problem. Journal of Intelligent & Fuzzy Systems, 31, 529-540.
10. Gerede, E. (2015). Havayolu Taşımacılığı ve ekonomik düzenlemeler teori ve Türkiye uygulaması. Ankara: Sivil Havacılık Genel Müdürlüğü Yayınları.
11. Güntut, C. (2019). Bulanık Topsis yöntemiyle düşük maliyetli bir havayolu için filo planlama optimizasyonu (Yayınlanmamış Yüksek Lisans Tezi). Türk Hava Kurumu Üniversitesi, Ankara.
12. Hwang, C. L., & Yoon, K. (1981). Multiple attribute decision making: Methods and applications. Berlin/Heidelberg/New York: Springer-Verlag.
13. Ilbahar, E., Cebi, S., & Kahraman, C. (2019). A state-of-the-art review on multi- attribute renewable energy decision making. Energy Strategy Rev, 25, 18-33.
14. Ilbahar, E., Cebi, S., & Kahraman, C. (2020). Assessment of renewable energy alternatives with pythagorean Fuzzy WASPAS method: A case study of Turkey. In Advances in Intelligent Systems and Computing, 888-895.
15. Kabak, M., & Erdebilli, B. (2021). Bulanık çok kriterli karar verme yöntemleri - MS Excel ve software çözümlü uygulamalar. Ankara: Nobel Yayın.
16. Kahraman, C., Öztaysi, B., & Onar, S. C. (2016). A comprehensive literature review of 50 years of fuzzy set theory. International Journal of Computational Intelligence Systems, 9(Supplement 1), 3.
17. Kartal, M. (2022). Havayolu İşletmeleri için uçak seçim stratejisinde SWARA tabanlı EDAS ve COPRAS yöntemlerinin kullanımı (Yayınlanmamış Yüksek Lisans Tezi). Hitit Üniversitesi, Çorum.
18. Kiracı, K., & Akan, E. (2020). Aircraft selection by applying AHP and TOPSIS in interval type-2 fuzzy sets. Journal of Air Transport Management, 89, 1-16.
19. Kiracı, K., & Bakır, M. (2018a). Hava aracı seçim problemlerinde çok kriterli karar verme yöntemlerinin kullanılması ve bir uygulama. Journal of Transportation and Logistics, 3(1), 13-24.
20. Kiracı, K., & Bakır, M. (2018b). Application of commercial aircraft selection in aviation Industry through multi-criteria decision making methods. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 16(4), 307-332.
21. Kocakaya, K., Engin, T., Tektaş, M., & Aydın, U. (2021). Türkiye’de bölgesel havayolları için uçak tipi seçimi: Küresel bulanık AHP-TOPSIS yöntemlerinin entegrasyonu. Akıllı Ulaşım Sistemleri ve Uygulama Dergisi, 4(1), 27-58.
22. Kocaoğlu, B., Odabaşoğlu, Ş., & Özaslan, İ. H. (2021). Türkiye’de pistonlu tek motorlu uçak seçiminde çok kriterli karar verme AHP ve TOPSIS yöntemlerinin kullanılması. Journal of Aviation Research, 3(2), 243-263.
23. Lozano, J. M. S., & Rodriquez, O. N. (2020). Application of fuzzy reference ideal method (FRIM) to the military advanced training aircraft selection. Applied Soft Computing Journal, 88, 1-12.
24. Oliver, W. (2018). Global Fleet & MRO market forecast commentary 2018-2028, https://www.oliverwyman.com/our-expertise/insights/2018/jan/2018-2028-fleetand-mro-forecast-commentary.html. Erişim Tarihi: 23.08.2022.
25. Özdemir, Y., Basligil, H., & Karaca, M. (2011). Aircraft selection using analytic network process: A case for Turkish airlines. Proceedings of the World Congress on Engineering (WCE) Vol II, London, 9-13.
26. Paksoy, T., Yapıcı Pehlivan, N., & Özceylan, E. (2013). Bulanık küme teorisi (1st ed.). Ankara: Nobel Yayın.
27. Peng, X., & Selvachandran, G. (2019). Pythagorean fuzzy set: State of the art and future directions. Artificial Intelligence Review, 52(3), 1873-1927.
28. Peng, X., & Yang, Y. (2016). Fundamental properties of interval-valued Pythagorean fuzzy aggregation operators. International Journal of Intelligent Systems, 31, 444-487.
29. Saaty, T.L. (1980). The analytic Hierarchy process: Planning, priority setting, resources allocation. New York: McGraw-Hill.
30. Sancar, S. (2022). Pisagor bulanık AHP ve pisagor bulanık WASPAS yöntemleri ile bakım stratejisi seçimi: Gazete matbaası örneği (Yayınlanmış Yüksek Lisans Tezi). İbn Haldun Üniversitesi, İstanbul.
31. Schmitt, D., & Gollnick, V. (2016). Air transport system. New York: Springer.
32. Seker, S., & Kahraman, C. (2020). Socio-economic evaluation model for sustainable solar PV panels using a novel integrated MCDM methodology: A case in Turkey. Socio-Economic Planning Sciences. (http://www.sciencedirect.com/science/article/pii /S003801212030835 1). Erişim tarihi 27.08.2023.
33. Şimşek, H., Özaslan, İ. H., & Eryılmaz, İ. (2022). Pilot Selection in Airline Organizations with the Analytical Hierarchy Process. Journal of Aviation, 6(2), 218-227. https://doi.org/10.30518/jav.1111580.
34. Tezcan, M. C. (2022). Uçak Teknisyenlerinde negatif vijilans faktörlerin analitik belirlenmesi ve vijilans düzeylerinin ölçümü. Journal of Aviation Research, 4(1), 76-104.
35. Tezcan, M. C., & Aktaş, B. B. (2022). İş sağlığı ve güvenliği performans değerlendirmesi: Uçak bakım organizasyonu üzerine bir araştırma. OHS ACADEMY, 5(1), 1-12.
36. Wang, T., & Chang, T. (2007). Application of TOPSIS in evaluating initial training aircraft under a fuzzy environment. Expert Systems with Applications, 33(4), 870-880.