A NEW INTEGRATED INTUITIONISTIC FUZZY GROUP DECISION MAKING APPROACH FOR R&D PROJECT SELECTION PROCESS

Öz

R&D projects require serious investment and workforce planning. Successfully organized R&D projects provide significant added value to both the business and the country. Evaluating the appropriate project for both the funding institution and the business proposing the project is a complex decision process. This study, it was aimed to determine the most suitable R&D project to be evaluated for 2021 among the 4 projects alternatives proposed by the R&D department of an enterprise. To increase the effectiveness of the project evaluation decision process, linguistic variables and intuitionistic fuzzy number equivalents and alternatives were evaluated and a decision matrix was created. In the last step, the most ideal project was determined by applying the intuitionistic fuzzy grey relational analysis method. According to the results of the analysis, it was determined that among the project proposal alternatives, A2 was the most ideal project and A3 was far from ideal. A new approach to the project selection process is proposed that unifies the group decision and reduces the uncertainty in the decision process.

Anahtar Kelimeler

• Intuitionistic Fuzzy Numbers
• Grey Relational Analysis
• Intuitionistic Fuzzy Group Decision Making
• Multi Criteria Decision Making

AR-GE PROJE SEÇİM SÜRECİ İÇİN YENİ BİR ENTEGRE SEZGİSEL BULANIK GRUP KARAR VERME YAKLAŞIMI

Öz

AR-GE projeleri ciddi yatırım ve işgücü planlaması gerektiren projelerdir. Başarılı bir şekilde organize edilen AR-GE projeleri, hem işletmeye hem de ülkeye önemli katma değer sağlamaktadır. Gerek fon sağlayan kurum, gerekse proje önerisinde bulunan işletme açısından uygun projenin değerlendirilmesi kompleks bir karar sürecidir. Bu çalışmada bir işletmenin AR-GE departmanı tarafından önerilen 4 proje alternatifi arasından, 2021 yılı için değerlendirmeye sunulacak en uygun AR-GE projesinin belirlenmesi amaçlanmıştır. Proje değerlendirme karar sürecinin etkinliğini artırmak üzere dilsel değişkenler ve bulanık sezgisel sayı karşılıkları ile alternatifler değerlendirilmiş ve karar matrisi oluşturulmuştur. Son adımda sezgisel bulanık gri ilişkisel analiz yöntemi uygulanarak en ideal projeye karar verilmiştir. Analiz sonucuna göre proje önerisi alternatifleri arasından A2’nin en ideal proje, A3’ün ise idealden uzak proje olduğu belirlenmiştir. Araştırmada, proje seçiminde kullanılmak üzere, grup kararını birleştiren ve karar sürecindeki belirsizliği azaltan yeni bir yaklaşım önerilmiştir.

Anahtar Kelimeler

• Sezgisel Bulanık Sayılar
• Gri İlişkisel Analiz
• Sezgisel Bulanık Grup Karar Verme
• Çok Kriterli Karar Verme

Kaynakça

1. Altan Koyuncu, C., Aydemir, E., & Başarır, A. C. (2021). Selection Industry 4.0 maturity model using fuzzy and intuitionistic fuzzy TOPSIS methods for a solar cell manufacturing company. Soft Computing, 25(15), 10335-10349.
2. Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87-96.
3. Atanassov, K. T. (1999). Intuitionistic fuzzy sets. In Intuitionistic fuzzy sets (pp. 1-137). Physica, Heidelberg.
4. Ayan, T. Y., & Perçin, S. (2012). AR-GE Projelerinin Seçiminde Grup Kararına Dayalı Bulanık Karar Verme Yaklaşımı. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 26(2), 237-255.
5. Aydemir, E., & Sahin, Y. (2019). Evaluation of healthcare service quality factors using grey relational analysis in a dialysis center. Grey Systems: Theory and Application.
6. Aydemir, E., Bedir, F., & Özdemir, G. (2013). Gri Sistem Teorisi Ve Uygulamalari: Bilimsel Yazin Taramasi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(3), 187-200.
7. Bayrakdaroğlu, F. K., & Kundakcı, N. (2019). Bulanık Edas Yöntemi ile Ar-Ge Projesi Seçimi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (24), 151-170.
8. Binici, E., & Aksakal, E. (2020). Ar-Ge proje seçim problemine yeni bir yaklaşım ve çözüm önerisi: UTA yöntemi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 26(1), 211-226.

9. Boran, F. E., Genç, S., Kurt, M., & Akay, D. (2009). A multi-criteria intuitionistic fuzzy group decision making for supplier selection with TOPSIS method. Expert Systems with Applications, 36(8), 11363-11368.
10. Çağrı Tolga, A., & Kahraman, C. (2008). Fuzzy multiattribute evaluation of R&D projects using a real options valuation model. International Journal of Intelligent Systems, 23(11), 1153-1176.
11. Eilat, H., Golany, B., & Shtub, A. (2008). R&D project evaluation: An integrated DEA and balanced scorecard approach. Omega, 36(5), 895-912.
12. Güler, E., Avci, S., Alkan, Ü. A., & Aladağ, Z. (2018). Bir Üretim İşletmesinde Dematel ve Topsis Yöntemleri ile Ar-Ge Projelerinin Seçimi. TURAN: Stratejik Arastirmalar Merkezi, 10(40), 397.
13. Hsu, Y.G., Tzeng, G.H. ve Shyu, J.Z. (2003). Fuzzy Multiple Criteria Selection of Government‐Sponsored Frontier Technology R&D Projects. R&D Management, 33(5), 539-551.
14. Huang, C. C., Chu, P. Y., & Chiang, Y. H. (2008). A fuzzy AHP application in government-sponsored R&D project selection. Omega, 36(6), 1038-1052.
15. Kas Baydaroğlu, F. ve Kundakcı, N. (2019). Bulanık EDAS Yöntemi ile AR-GE Projesi Seçimi, Uluslararası İktisadi ve İdari İncelemeler Dergisi, 2019 (24), 151-170.
16. Kurt, Z. B., & Yıldız, A. (2020). Ar-Ge/İnovasyon Projelerinin Değerlendirilmesi ve Önceliklendirilmesi İçin Fuzzy TOPSIS Tabanlı Karar Modeli. Electronic Letters on Science and Engineering, 16(2), 93-107.
17. Lawson, C. P., Longhurst, P. J., & Ivey, P. C. (2006). The application of a new research and development project selection model in SMEs. Technovation, 26(2), 242-250.
18. Liang, W. Y. (2003). The analytic hierarchy process in project evaluation: an R&D case study in Taiwan. Benchmarking: An International Journal. 10(5), 445-456.
19. Mohanty, R. P., Agarwal, R., Choudhury, A. K., & Tiwari, M. K. (2005). A fuzzy ANP-based approach to R&D project selection: a case study. International Journal of Production Research, 43(24), 5199-5216.
20. OECD (2015), Frascati Manual. Guidelines for collecting and reporting data on research and experimental development. Erişim Tarihi: 12.09.2020 http://oe.cd/frascati
21. Osawa, Y., & Murakami, M. (2002). Development and application of a new methodology of evaluating industrial R&D projects. R&D Management, 32(1), 79-85.
22. Sahin, Y., & Aydemir, E. (2021). A Comprehensive Solution Approach for CNC Machine Tool Selection Problem. Informatica, 1-28.
23. Sarı, E.B. (2017). “Endüstri İşletmelerinde Ar-Ge Projelerini Öncelik Sıralamasında Entropi Ağırlıklı Topsis Yöntemine Dayalı Çok Kriterli Bir Analiz”, International Journal of Academic Value Studies, 3(11), 159 -170
24. Szmidt, E., & Kacprzyk, J. (2000). Distances between intuitionistic fuzzy sets. Fuzzy sets and systems, 114(3), 505-518.
25. Szmidt, E., & Kacprzyk, J. (2001). Entropy for intuitionistic fuzzy sets. Fuzzy sets and systems, 118(3), 467-477.
26. Tolga, A. Ç. (2008). Fuzzy multicriteria R&D project selection with a real options valuation model. Journal of Intelligent & Fuzzy Systems, 19(4, 5), 359-371.
27. Tübitak 1501 - Sanayi Ar-Ge Projeleri Destekleme Programı Proje Öneri Değerlendirme Raporu (AGY 200) Hazırlama Kılavuzu. Online, Erişim Tarihi: 12.09.2020 https://www.tubitak.gov.tr/sites/default/files/21566/agy200_agy201_kilavuz.docx
28. Tuzkaya, U. R. ve Yolver, E. (2015). R&D Project Selection by Integrated Grey Analytic Network Process and Grey Relational Analysis: An Implementatıon for Home Appliances Company. Journal of Aeronautics and Space Technologies, 8, 35-41.
29. Vlachos, I. K., & Sergiadis, G. D. (2007). Intuitionistic fuzzy information–applications to pattern recognition. Pattern Recognition Letters, 28(2), 197-206.
30. Wang, K., Wang, C. K., & Hu, C. (2005). Analytic hierarchy process with fuzzy scoring in evaluating multidisciplinary R&D projects in China. IEEE Transactions on Engineering Management, 52(1), 119-129.
31. Xu, Z. (2007). Intuitionistic fuzzy aggregation operators. IEEE Transactions on fuzzy systems, 15(6), 1179-1187.
32. Xu, Z. (2007a). Some similarity measures of intuitionistic fuzzy sets and their applications to multiple attribute decision making. Fuzzy Optimization and Decision Making, 6(2), 109-121.
33. Xu, Z. (2007b). Intuitionistic fuzzy aggregation operators. IEEE Transactions on fuzzy systems, 15(6), 1179-1187.
34. Xu, Z., & Yager, R. R. (2008). Dynamic intuitionistic fuzzy multi-attribute decision making. International journal of approximate reasoning, 48(1), 246-262.
35. Yazdani, M., Chatterjee, P., Zavadskas, E. K., & Zolfani, S. H. (2017). Integrated QFD-MCDM framework for green supplier selection. Journal of Cleaner Production, 142, 3728-3740.
36. Yazdani, M., Hashemkhani Zolfani, S., & Zavadskas, E. K. (2016). New integration of MCDM methods and QFD in the selection of green suppliers. Journal of Business Economics and Management, 17(6), 1097-1113.
37. Yıldırım, B. F. (2019). "Kredi Kartı Platformlarının Sezgisel Bulanık TOPSIS Yöntemi Kullanılarak Değerlendirilmesi". BDDK Bankacılık ve Finansal Piyasalar, 13 (1), 37-58.
38. Yıldız, A. (2014). Bulanık VIKOR Yöntemini Kullanarak Proje Seçim Sürecinin İncelenmesi. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 14(1), 115-127.
39. Yurtyapan, M. S., & Aydemir, E. (2022). ERP software selection using intuitionistic fuzzy and interval grey number-based MACBETH method. Grey Systems: Theory and Application, 12(1), 78-100.
40. Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338-353.