An Integrated BWM–MARCOS Approach for Locomotive Selection in Railway Freight Transportation: Case of Turkey

Öz

Due to increasing competition and transportation costs, logistics companies are currently turning toward rail freight transport as an alternative to road transport. Although rail freight transport takes longer than road transport, it proves to be more advantageous in terms of cost, tonnage capacity, and sustainability. In this study, the BWM and MARCOS methods were employed to determine the optimal freight locomotive for rail transport. The criteria used in the problem were established following interviews with 17 managers and specialists working in the railway department of a logistics company. Seven criteria were identified based on these interviews: hauling capacity (tonnage), maintenance costs, fuel/electricity expenses, locomotive power, safety systems, axle loads, and acceleration. The weights of these criteria were calculated using the BWM method. The analysis revealed that hauling capacity was the most important criterion, followed by safety systems and energy/fuel expenses, while acceleration was identified as the least significant criterion. After determining the criterion weights, the selection among six alternatives was carried out using the MARCOS method. The A2 (SIEMENS VECTRON) alternative—a freight locomotive manufactured in Germany—was identified as the best option. To verify the accuracy of the results and facilitate comparison, the problem was also solved using the WASPAS, EDAS, ARAS, and COPRAS methods, yielding consistent results. This study aims to support companies engaged in rail logistics in Turkey.

Anahtar Kelimeler

• Rail Transport
• Multi criteria decision making
• Locomotive selection
• BWM
• MARCOS

Demiryolu Yük Taşımacılığında Lokomotif Seçimi için Bütünleşik BWM–MARCOS Yaklaşımı: Türkiye Örneği

Öz

Günümüzde lojistik firmaları artan rekabet ve ulaşım maliyetlerinden dolayı karayolu taşımacılığına alternatif olarak demiryolu yük taşımacılığına doğru yönelmektedir. Demiryolu ile yük taşımacılığı karayolundan daha uzun sürse de maliyet, tonaj ve sürdürülebilirlik açısından karayolu taşımacılığına göre daha avantajlı olduğu görülmektedir. Bu çalışmada demiryolu yük taşımacılığında en iyi yük lokomotifinin belirlenmesi için BWM-MARCOS yöntemleri kullanılmıştır. Problemde kullanılacak olan kriterler bir lojistik firmasının demiryolu departmanında yönetici ve uzman olarak görev alan 17 kişi ile yapılan görüşmeler sonrasında belirlenmiştir. Yapılan görüşmeler sonrasında çekebileceği tonaj, bakım maliyetleri, yakıt/elektrik giderleri, lokomotif gücü, emniyet sistemleri, dingil basınçları ve hızlanma olmak üzere yedi kriter belirlenmiştir. Belirlenen kriterlerin ağırlıkları BWM yöntemiyle hesaplanmıştır. Analiz sonucunda en önemli kriterin çekebileceği tonaj olduğu, bu kriteri emniyet sistemleri ve enerji yakıt giderlerinin izlediği görülmüştür. En kötü kriterin ise hızlanma kriteri olduğu görülmektedir. Kriter ağırlıkları belirlendikten sonra belirlenen altı alternatifin seçimi MARCOS yöntemi ile gerçekleştirilmiştir. En iyi alternatifin Almanya’da üretilen yük lokomotifi olan A2 (SIEMENS VECTRON) alternatifi olduğu görülmüştür. Sonuçların doğruluğunu tespit etmek ve karşılaştırma yapabilmek adına problem WASPAS,EDAS,ARAS ve COPRAS yöntemleriyle tekrar çözülmüş ve tutarlı sonuçlar elde edilmiştir. Çalışma Türkiye’de demiryolu lojistiği yapan firmalara destek amacı sunmaktadır.

Anahtar Kelimeler

• Demiryolu taşımacılığı
• ÇKKV
• Lokomotif seçimi
• BWM
• MARCOS

Kaynakça

1. [1] N. Öztürkçü, "Seçilmiş Avrupa Birliği ülkeleri ve Türkiye’nin demiryolu yük taşımacılığı performans değerlendirmesi: CRITIC ve ENTROPİ tabanlı CODAS yöntemi ile bütünleşik bir yaklaşım," Demiryolu Mühendisliği, sy. 23, no. 1801132, 2026, doi: 10.47072/demiryolu.1801132.
2. [2] R. Vickerman, "Can high-speed rail have a transformative effect on the economy?," Transp. Policy, vol. 62, pp. 31–37, Mar. 2017, doi: 10.1016/j.tranpol.2017.03.008.
3. [3] M. Frost, S. G. Ison, and R. Watson, "UK rail transport: a review of demand and supply," Proc. ICE: Transport, vol. 165, no. 3, pp. 225–234, 2012.
4. [4] S. Lebedevas, S. Dailydka, V. Jastremskas, and P. Rapalis, "Research of energy efficiency and reduction of environmental pollution in freight rail transportation," Transport, vol. 32, no. 3, pp. 291–301, 2017, doi: 10.3846/16484142.2016.1230888.
5. [5] IEA, "The future of rail: Opportunities for energy and the environment," Paris, France, 2019.
6. [6] BBC, "Next stop, hydrogen-powered trains," 2020. [Online]. Available: https://www.bbc.com/future/article/20200227-how-hydrogen-powered-trains. [Accessed: Feb. 27, 2020].
7. [7] World Meteorological Organization, "State of the Global Climate 2020," Provisional Report, 2021. [Online]. Available: https://library.wmo.int/idurl/4/56247 [Accessed: 24 Şubat 2026].
8. [8] T.C. Strateji ve Bütçe Başkanlığı, On İkinci Kalkınma Planı 2024–2028, Özel İhtisas Komisyonu Raporu, 2025. [Online]. Available: https://www.sbb.gov.tr/wp-content/uploads/2025/08/Demiryolu-Ulastirmasi-Ozel-Ihtisas-Komisyon-Raporu_01082025.pdf [Erişim Tarihi: 01.08.2025].

9. [9] Ž. Stević, D. Pamučar, E. Kazimieras Zavadskas, G. Ćirović, and O. Prentkovskis, "The selection of wagons for the internal transport of a logistics company: A novel approach based on rough BWM and rough SAW methods," Symmetry, vol. 9, no. 11, p. 264, 2017, doi: 10.3390/sym9110264.
10. [10] V. Sharma, F. Zivic, D. Adamovic, P. Ljusic, N. Kotorcevic, V. Slavkovic, and N. Grujovic, "Multi-criteria decision making methods for selection of lightweight material for railway vehicles," Materials, vol. 16, no. 1, p. 368, 2022, doi: 10.3390/ma16010368.
11. [11] A. Kalem, S. Tadić, M. Krstić, N. Čabrić, and N. Branković, "Performance evaluation of railway infrastructure managers: A novel hybrid fuzzy MCDM model," Mathematics, vol. 12, no. 10, p. 1590, 2024, doi: 10.3390/math12101590.
12. [12] Y. Fu, R. Liu, J. Dai, W. Zhu, X. Liu, and Y. Qin, "A novel multi-state bogie system reliability evaluation approach by extended d-MC model for high-speed trains," Transp. Saf. Environ., vol. 6, no. 3, 2024, doi: 10.1093/tse/tdad036.
13. [13] N. Koohathongsumrit and W. Chankham, "Route selection in multimodal supply chains: A fuzzy risk assessment model-BWM-MARCOS framework," Appl. Soft Comput., vol. 137, 2023, doi: 10.1016/j.asoc.2023.110167.
14. [14] M. Andrejić and V. Pajić, "Integrated BWM–QFD–MARCOS framework for strategic decision-making in cold chain logistics," J. Oper. Strateg. Anal., vol. 3, no. 1, pp. 23–33, 2025, doi: 10.56578/josa030103.
15. [15] D. Tešić et al., "Development of the MCDM fuzzy LMAW-grey MARCOS model for selection of a dump truck," Rep. Mech. Eng., vol. 4, no. 1, pp. 1–17, 2023, doi: 10.31181/rme20008012023t.
16. [16] S. Özdemir and E. Özcan, "AHP, COPRAS ve tamsayılı programlama entegrasyonu ile demiryolu araçlarında bakım planlaması," Demiryolu Mühendisliği Dergisi, sy. 12, ss. 1–12, 2020, doi: 10.47072/demiryolu.678580.
17. [17] Y. Ye, J. Shen, and R. Bergqvist, "High-capacity transport associated with pre- and post-haulage in intermodal road-rail transport," J. Transp. Technol., no. 4, pp. 289–301, 2014, doi: 10.4236/jtts.2014.43026.
18. [18] W. Ma, S. Luo, and R. Song, "Coupler dynamic performance analysis of heavy haul locomotives," Veh. Syst. Dyn., vol. 50, no. 9, pp. 1435–1452, 2012, doi: 10.1080/00423114.2012.667134.
19. [19] M. Spiryagin, Q. Wu, P. Wolfs, Y. Sun, and C. Cole, "Comparison of locomotive energy storage systems for heavy-haul operation," Int. J. Rail Transp., vol. 6, no. 1, pp. 1–15, 2017, doi: 10.1080/23248378.2017.1325719.
20. [20] M. Spiryagin, P. Wolfs, C. Cole, V. Spiryagin, Y. Sun, and T. McSweeney, Design and Simulation of Heavy Haul Locomotives and Trains. Boca Raton, FL, USA: CRC Press/Taylor & Francis, 2017.
21. [21] H. E. Beni, "Lokomotif çekerleri hesaplama yöntemi," Demiryolu Mühendisliği, sy. 13, ss. 122–133, 2020, doi: 10.47072/demiryolu.826780.
22. [22] Ö. Albayrak, "Türkiye’nin demiryolu yük taşımacılığı talebinin zaman serisi analizi ile tahmini," Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, sy. 58, ss. 137–154, 2021, doi: 10.18070/erciyesiibd.753557.
23. [23] H. Geyik and Y. Eyigün, "Demiryolu araçlarının bakım masraflarının RAMS analiziyle değerlendirilmesi," İstanbul Ticaret Üniversitesi Bilim Dergisi, c. 21, sy. 42, ss. 317–343, 2022, doi: 10.55071/ticaretfbd.1150121.
24. [24] G. Candan, "Bütünleşik bulanık AHP-VIKOR yaklaşımıyla demiryolu yük taşımacılığı etkinliklerinin değerlendirilmesi," Anadolu Üniversitesi Sosyal Bilimler Dergisi, c. 19, sy. 2, ss. 331–346, 2019, doi: 10.18037/ausbd.566840.
25. [25] H. Sivilevičius, L. Maskeliūnaitė, and L. Meilus, "Selection of the best alternative of railway traction for passenger transportation using the analytic hierarchy process method distributive and ideal modes," Sage J., vol. 239, no. 7, pp. 574–589, 2025, doi: 10.1177/09544097251335061.
26. [26] N. Petrovic, J. Mihajlovic, V. Jovanovic, D. Ciric, and T. Zivojinovic, "Evaluating annual operation performance of Serbian railway system by using multiple criteria decision-making technique," Acta Polytech. Hung., vol. 20, no. 1, pp. 157–168, 2023, doi: 10.12700/APH.20.1.2023.20.11.
27. [27] J. Rezaei, "Best-worst multi-criteria decision-making method," Omega, vol. 53, pp. 49–57, 2015, doi: 10.1016/j.omega.2014.11.009.
28. [28] J. Rezaei, "Best-worst multi-criteria decision-making method: Some properties and a linear model," Omega, vol. 64, pp. 126–130, 2016, doi: 10.1016/j.omega.2015.12.001.