FUZZY AHP AND FUZZY EDAS APPLICATION IN THE SELECTION OF PRINTING MACHINE

Öz

Investing in a machinery park is a crucial decision process for businesses, as it requires significant resources and subsequently affects all production activities. Proper utilization of machinery improves production processes, increases efficiency and reliability, and enables flexibility and effectiveness in manufacturing. This process, which requires experience and knowledge, encompasses multiple criteria and involves various departments. This research aims to solve the printing machine selection problem using fuzzy multi-criteria decision-making methods, for an investment in a newspaper printing facility. Fuzzy AHP is employed to determine the importance weights of criteria, while fuzzy EDAS is used to evaluate alternatives based on criteria. The criteria considered in the study, based on expert opinions and literature review, are as follows: cost, efficiency, and flexibility. Four different printing machines that are deemed suitable for the process and feasible for purchase are selected as machine alternatives. The decision-making group consists of the printing manager, business development manager, technical manager, and electrical and mechanical maintenance engineers. Sensitivity analysis results conducted to assess the impact of linguistic expression variations on the analysis outcomes demonstrate a high level of validity in the research.

Anahtar Kelimeler

• Printing Machine
• Fuzzy AHP
• Fuzzy EDAS
• Triangular Fuzzy Numbers

BASKI MAKİNESİ SEÇİMİNDE BULANIK AHP VE BULANIK EDAS UYGULAMASI

Öz

İşletmeler için makine parkı yatırımı, önemli kaynak gerektiren ve sonrasında tüm üretim faaliyetlerini de etkileyen önemli bir karar sürecidir. Uygun makine kullanımı üretim süreçlerini iyileştirir, verimliliği ve güvenilirliği arttırır, üretimde esneklik ve etkinlik sağlar. Tecrübe ve bilgi gerektiren bu süreç birçok kriter içermekte ve birden fazla birim bu süreç içerisinde yer almaktadır. Baskı makinesi seçim problemini, bulanık çok kriterli karar verme yöntemleri ile çözmeyi amaçlayan bu araştırmada; bir gazete baskı tesisinde yapılacak makine parkı yatırımı için en uygun baskı makinesi belirlenmeye çalışılmıştır. Kriterlerin önem ağırlıklarının belirlenmesinde Bulanık AHP, alternatiflerin kriterler bakımından değerlendirilmesinde ise Bulanık EDAS yöntemleri kullanılmıştır. Çalışmada, uzman görüşleri ve literatür taraması sonucu değerlendirmeye alınan kriterler şöyledir: maliyet, verimlilik, esneklik. Makine alternatifleri olarak ise, süreç için uygun olduğu ve satın alımının yapılabileceği düşünülen dört farklı baskı makinesi seçilmiştir. Karar verici grup; matbaa müdürü, iş geliştirme müdürü, teknik müdür ile elektrik ve mekanik bakım mühendislerinden oluşmaktadır. Dilsel ifadelerdeki değişikliklerin analiz sonucuna etkisini test etmek amacıyla yapılan duyarlılık analiz sonuçları araştırmanın geçerlilik düzeyinin iyi olduğunu göstermektedir.

Anahtar Kelimeler

• Baskı Makinesi
• Bulanık AHP
• Bulanık EDAS
• Üçgen Bulanık Sayılar.

Kaynakça

1. Altaş, İ. H. (1999). Bulanık mantık: Bulanıklılık kavramı. Enerji, Elektrik, Elektromekanik-3e, 62, 80–85.
2. Arslan, M. Ç., Çatay, B., & Budak, E. (2004). A decision support system for machine tool selection. Journal of Manufacturing Technology Management, 15(1), 101–109. https://doi.org/10.1108/09576060410512374
3. Atan, M., & Şenol, A. (2020). Örnek uygulamalarla çok kriterli karar verme yöntemleri. Ankara: Gazi Kitapevi.
4. Camci, A., Çimen, Ö., & Gül, S. (2021). Selection of contract type in construction projects using spherical AHP method. Içinde T. Allahviranloo, S. Salahshour, & N. Arica (Ed.), Progress in intelligent decision science (ss. 531–547). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-66501-2_42
5. Camci, A., Ertürk, M. E., & Gül, S. (2022). A novel fermatean fuzzy analytic hierarchy process proposition and its usage for supplier selection problem in industry 4.0 transition. Içinde H. Garg (Ed.), q-Rung orthopair fuzzy sets (ss. 405–437). Singapore: Springer Nature Singapore. https://doi.org/10.1007/978-981-19-1449-2_16
6. Çebi, S., & İlbahar, E. (2021). Bulanık analitik hiyerarşi prosesi: Buckley AHP ve proje risk yönetimine uygulanması. Içinde Mehmet Kabak & B. Erdebilli (Ed.), Bulanık çok kriterli karar verme yöntemleri: MS Excel ve software çözümlü uygulamaları (ss. 27–46). Ankara: Nobel Yayın.
7. Chang, D. Y. (1996). Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95(3), 649–655. https://doi.org/10.1016/0377-2217(95)00300-2
8. Chen, C.-T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114(1), 1–9. https://doi.org/10.1016/S0165-0114(97)00377-1

9. Chen, S.-J., & Hwang, C.-L. (1992). Fuzzy multiple attribute decision making. Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-46768-4
10. Çimren, E., Çatay, B., & Budak, E. (2007). Development of a machine tool selection system using AHP. The International Journal of Advanced Manufacturing Technology, 35(3–4), 363–376. https://doi.org/10.1007/s00170-006-0714-0
11. Faydalı, R., & Erkan, E. F. (2020). Makine seçim probleminin bulanık VIKOR yöntemiyle incelenmesi. Journal of Intelligent Systems: Theory and Applications, 3(1), 7–12. https://doi.org/10.38016/jista.677785
12. Gao, M., Chen, M., Liu, A., Ip, W. H., & Yung, K. L. (2020). Optimization of microservice composition based on artificial immune algorithm considering fuzziness and user preference. IEEE Access, 8, 26385–26404. https://doi.org/10.1109/ACCESS.2020.2971379
13. Gerami Seresht, N., & Fayek, A. R. (2019). Computational method for fuzzy arithmetic operations on triangular fuzzy numbers by extension principle. International Journal of Approximate Reasoning, 106, 172–193. https://doi.org/10.1016/j.ijar.2019.01.005
14. Ghorabaee, M. K., Zavadskas, E. K., Amiri, M., & Turskis, Z. (2016). Extended EDAS method for fuzzy multi-criteria decision-making: An application to supplier selection. International Journal of Computers Communications & Control, 11(3), 358–371. https://doi.org/10.15837/ijccc.2016.3.2557
15. Hashemkhani Zolfani, S., Görener, A., & Toker, K. (2023). A hybrid fuzzy MCDM approach for prioritizing the solutions of resource recovery business model adoption to overcome its barriers in emerging economies. Journal of Cleaner Production, 413, 137362. https://doi.org/10.1016/j.jclepro.2023.137362
16. Kabak, Mehmet, & Erdebilli, B. (2021). Bulanık çok kriterli karar verme yöntemleri - MS Excel ve software çözümlü uygulamalar. Ankara: Nobel Yayın.
17. Kahraman, C., Cebeci, U., & Ruan, D. (2004). Multi-attribute comparison of catering service companies using fuzzy AHP: The case of Turkey. International Journal of Production Economics, 87(2), 171–184. https://doi.org/10.1016/S0925-5273(03)00099-9
18. Kahraman, C., Keshavarz Ghorabaee, M., Zavadskas, E. K., Cevik Onar, S., Yazdani, M., & Oztaysi, B. (2017). Intuitionistic fuzzy EDAS method: An application to solid waste disposal site selection. Journal of Environmental Engineering and Landscape Management, 25(1), 1–12. https://doi.org/10.3846/16486897.2017.1281139
19. 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. https://doi.org/10.1080/18756891.2016.1180817
20. Karim, R., & Karmaker, C. L. (2016). Machine selection by AHP and TOPSIS methods. American Journal of Industrial Engineering, 4(1), 7–13. https://doi.org/10.12691/ajie-4-1-2
21. Kas Bayrakdaroğlu, F., & Kundakcı, N. (2019). Bulanik Edas yöntemi̇ ile Ar-Ge projesi seçi̇mi̇. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (24), 151–170. https://doi.org/10.18092/ulikidince.538332
22. Keshavarz Ghorabaee, M., Zavadskas, E. K., Olfat, L., & Turskis, Z. (2015). Multi-criteria inventory classification using a new method of evaluation based on distance from average solution (EDAS). Informatica, 26, 435–451.
23. Kundakcı, N., & Sarıçalı, G. (2019). Bütünleşik KEMIRA-M ve COPRAS yöntemi ile mermer işletmesi için katrak makinesi seçimi. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(20), 1028–1061. https://doi.org/10.36543/kauiibfd.2019.044
24. Kutlu Gündoğdu, F., & Kahraman, C. (2020). A novel spherical fuzzy analytic hierarchy process and its renewable energy application. Soft Computing, 24(6), 4607–4621. https://doi.org/10.1007/s00500-019-04222-w
25. Kutlu Gündoğdu, F., Kahraman, C., & Civan, H. N. (2018). A novel hesitant fuzzy EDAS method and its application to hospital selection. Journal of Intelligent & Fuzzy Systems, 35(6), 6353–6365. https://doi.org/10.3233/JIFS-181172
26. Lezki, Ş. (2019). Vikor. Içinde H. Durucasu (Ed.), İşletmelerde karar verme teknikleri (s. 139). Eskişehir: Anadolu Üniversitesi.
27. Li, H., Wang, W., Fan, L., Li, Q., & Chen, X. (2020). A novel hybrid MCDM model for machine tool selection using fuzzy DEMATEL, entropy weighting and later defuzzification VIKOR. Applied Soft Computing, 91, 106207. https://doi.org/10.1016/j.asoc.2020.106207
28. Liu, Y., Eckert, C. M., & Earl, C. (2020). A review of fuzzy AHP methods for decision-making with subjective judgements. Expert Systems with Applications, 161, 113738. https://doi.org/10.1016/j.eswa.2020.113738
29. Mardani, A., Jusoh, A., MD Nor, K., Khalifah, Z., Zakwan, N., & Valipour, A. (2015). Multiple criteria decision-making techniques and their applications – a review of the literature from 2000 to 2014. Economic Research-Ekonomska Istraživanja, 28(1), 516–571. https://doi.org/10.1080/1331677X.2015.1075139
30. Mardani, A., Jusoh, A., & Zavadskas, E. K. (2015). Fuzzy multiple criteria decision-making techniques and applications – Two decades review from 1994 to 2014. Expert Systems with Applications, 42(8), 4126–4148. https://doi.org/10.1016/j.eswa.2015.01.003
31. Moreira, A., Silva, F. J. G., Correia, A. I., Pereira, T., Ferreira, L. P., & de Almeida, F. (2018). Cost reduction and quality improvements in the printing industry. Procedia Manufacturing, 17, 623–630. https://doi.org/10.1016/j.promfg.2018.10.107
32. Nazim, M., Wali Mohammad, C., & Sadiq, M. (2022). A comparison between fuzzy AHP and fuzzy TOPSIS methods to software requirements selection. Alexandria Engineering Journal, 61(12), 10851–10870. https://doi.org/10.1016/j.aej.2022.04.005
33. Önder, G., & Önder, E. (2021). Analitik hiyerarşi süreci. Içinde B. F. Yıldırım & E. Önder (Ed.), Operasyonel, yönetsel ve stratejik problemlerin çözümünde çok kriterli karar verme yöntemleri (ss. 21–74). Bursa: Dora.
34. Önüt, S., Soner Kara, S., & Efendigil, T. (2008). A hybrid fuzzy MCDM approach to machine tool selection. Journal of Intelligent Manufacturing, 19(4), 443–453. https://doi.org/10.1007/s10845-008-0095-3
35. Özdemir, Y. S. (2021). Küresel bulanık AHS yöntemi ile elektrikli araba seçimi. Içinde M. Kabak & B. Erdebilli (Ed.), Bulanık çok kriterli karar verme yöntemleri: MS Excel ve software çözümlü uygulamaları (ss. 11–46). Ankara: Nobel Yayın.
36. Özkan, B., & Özceylan, E. (2021). Bulanık EDAS yöntemi ile fakültelerin sürdürülebilirlik performanslarının değerlendirilmesi. Içinde Mehmet Kabak & B. Erdebilli (Ed.), Bulanık çok kriterli karar verme yöntemleri: MS Excel ve software çözümlü uygulamaları (ss. 353–371). Ankara: Nobel Yayın.
37. Paksoy, T., Yapıcı Pehlivan, N., & Özceylan, E. (2013). Bulanık küme teorisi (1. baskı). Ankara: Nobel Yayın.
38. Peng, X., & Selvachandran, G. (2019). Pythagorean fuzzy set: state of the art and future directions. Artificial Intelligence Review, 52(3), 1873–1927. https://doi.org/10.1007/s10462-017-9596-9
39. Perçin, S. (2012). Bulanık AHS ve TOPSIS yaklaşımının makine-teçhizat seçimine uygulanması. Cilt, 21, 169–184.
40. Raigar, J., Sharma, V. S., Srivastava, S., Chand, R., & Singh, J. (2020). A decision support system for the selection of an additive manufacturing process using a new hybrid MCDM technique. Sādhanā, 45(1), 101. https://doi.org/10.1007/s12046-020-01338-w
41. Saaty, T. L., & Vargas, L. G. (2001). Models, methods, concepts & applications of the analytic hierarchy process. Kluwer Academic Publishers. Tarihinde adresinden erişildi https://books.google.com.tr/books?id=rHHhpdWTAisC
42. Şengül, Ü., Eren, M., & Shıraz, S. E. (2012). Bulanık Ahp i̇le beledi̇yeleri̇n toplu taşıma araç seçi̇mi̇. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (40), 143–165.
43. Vesković, S., Stević, Ž., Karabašević, D., Rajilić, S., Milinković, S., & Stojić, G. (2020). A new integrated fuzzy approach to selecting the best solution for business balance of passenger rail operator: Fuzzy PIPRECIA-Fuzzy EDAS Model. Symmetry, 12(5), 743. https://doi.org/10.3390/sym12050743
44. Yılmaz, M., & Atan, T. (2021). Hospital site selection using fuzzy EDAS method: Case study application for districts of İstanbul. Journal of Intelligent & Fuzzy Systems, 41(2), 2591–2602. https://doi.org/10.3233/JIFS-201757
45. Yucesan, M., & Gul, M. (2020). Hospital service quality evaluation: an integrated model based on Pythagorean fuzzy AHP and fuzzy TOPSIS. Soft Computing, 24(5), 3237–3255. https://doi.org/10.1007/s00500-019-04084-2