Küçük Ölçekli Bir İşletmede Makine Seçimi: HFL-SWARA ve CODAS Yöntemleri ile Bir Uygulama

Yıl 2025, Cilt: 10 Sayı: 1, 80 - 93, 30.06.2025

Harun Dumlu

Öz

Üretim işletmelerinde kullanılan makinelerin düşük maliyetlerle yüksek performans sergilemeleri, ilgili işletmelerin hem müşteri istek ve ihtiyaçlarını başarılı bir şekilde karşılamalarına hem de karlılıklarını arttırmalarına katkı sağlamaktadır. Bu nedenle üretim işletmelerinde kullanılacak makinelerin doğru seçilmesi önem arz etmektedir. Buradan hareketle bu çalışmada; reklam ürünleri üreten küçük ölçekli bir işletmede, en uygun dijital baskı makinesi seçiminin yapılması amaçlanmıştır. Bunun için öncelikli olarak, kriter grupları literatür yardımıyla belirlenmiş ve daha sonra ilgili işletmede makine satın alımında karar verici olarak yer alan 6 karar vericinin görüşleri neticesinde dijital baskı makinesi seçim kriterleri belirlenmiştir. Belirlenen kriterler Kararsız Bulanık Dilsel SWARA yöntemi ile ağırlıklandırılmış ve alternatif 5 dijital baskı makinesi CODAS yöntemi ile uygunluk düzeylerine göre sıralanmıştır. Elde edilen sonuçlara göre 4 pass baskı hızı ve 2 pass baskı hızı kriterleri en yüksek ağırlık düzeyine sahip iki kriter olurken, en düşük ağırlığa sahip kriter ise vade süresi kriteri olarak belirlenmiştir. En yüksek ağırlık düzeyine sahip iki kriter de performans ana kriteri altında yer almaktadır. Bu da dijital baskı makinesi seçiminde performansın çok önemli olduğunu göstermektedir. Ayrıca yapılan alternatif sıralamasına göre ilk sırada yer alan alternatif dijital baskı makinesi en uygun alternatif olarak seçilmiştir.

Anahtar Kelimeler

Makine Seçimi , Kararsız Bulanık Dilsel SWARA , CODAS Yöntemi

Machine Selection in a Small-Scale Enterprise: An Application with HFL-SWARA and CODAS Methods

Öz

The high performance of the machines used in production enterprises at low costs helps the relevant enterprises to both successfully meet customer demands and needs and increase their profitability. For this reason, it is very important to choose the right machines to be used in production enterprises. Based on this, the aim of this study is to choose a digital printing machine in a small-scale business that produces advertising products. For this, first of all, the criterion groups were determined with the help of the literature, and then the digital printing machine selection criteria were determined as a result of the opinions of 6 decision makers in the machine purchase in the relevant enterprise. The determined criteria were weighted with the Hesitant Fuzzy Linguistic SWARA method and 5 alternative digital printing machines were ranked according to their suitability levels with the CODAS method. According to the results obtained, the two criteria with the highest weight level were 4 pass printing speed and 2 pass printing speed, while the criterion with the lowest weight level was determined as the maturity period criterion. The two criteria with the highest weight level are also under the main criterion of performance. This shows that performance is very important in the selection of digital printing machines. In addition, according to the alternative ranking, the alternative digital printing machine, which was ranked first, was selected as the most suitable alternative.

Anahtar Kelimeler

Machine Selection , Hesitant Fuzzy Linguistic SWARA , CODAS Method

Kaynakça

• Aghdaie, M. H., Zolfani, S. H. & Zavadskas, E. K. (2013). Decision making in machine tool selection: An integrated approach with SWARA and COPRAS-G methods. Engineering Economics, 24(1), 5-17.
• Akpınar, M. E. (2022). Machine Selection Application in a Hard Chrome Plating Industry Using Fuzzy SWARA and Fuzzy ARAS Methods. Yönetim ve Ekonomi Dergisi, 29(1), 107-119.
• Aloini, D., Dulmin, R. & Mininno, V. (2014). A peer IF-TOPSIS based decision support system for packaging machine selection. Expert Systems with Applications, 41(5), 2157-2165.
• Arslan, B., & Eski, Ö. (2022). Bulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Plastik Enjeksiyon Makinesi Seçimi. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 9(2), 730-751.
• Athawale, V. M. & Chakraborty, S. (2010, January). A TOPSIS method-based approach to machine tool selection. Proceedings of the 2010 International Conference on Industrial Engineering and Operations Management, Dhaka, Bangladesh, 2, 83-94.
• Çakır, E. & Sezen Akar, G. (2019). Bütünleşik SWARA–TOPSIS yöntemi ile makine seçimi: bir üretim işletmesinde uygulama. Journal of Academic Value Studies, 3(13), 206-216.
• Duran, O. & Aguilo, J. (2008). Computer-aided machine-tool selection based on a Fuzzy-AHP approach. Expert Systems with Applications, 34(3), 1787-1794.
• Ecer, B. (2021). Kararsız Bulanık Dilsel Terimler temelli SWARA Yöntemi ile Ülke Değerlendirme Kriterlerinin Ağırlıklandırılması, İçinde M. Kabak & B. Erdebilli (Ed.), Bulanık Çok Kriterli Karar Verme Yöntemleri: MS Excel ® ve Soft Çözümlü Uygulamalar (s. 217-229). Ankara: Nobel Akademik Yayıncılık.
• Ecer, F. (2020). Çok Kriterli Karar Verme: Geçmişten Günümüze Kapsamlı Bir Yaklaşım. Ankara: Seçkin Yayıncılık.
• Ertuğrul, İ. (2007). Bulanık analitik hiyerarşi süreci ve bir tekstil işletmesinde makine seçim problemine uygulanması. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(1), 171-192.
• Gök Kısa, C. & Perçin, S. (2017). Bütünleşik Bulanık DEMATEL-Bulanık VIKOR yaklaşımının makine seçimi problemine uygulanması. Yaşar Üniversitesi E-Dergisi, 12(48), 249-256.
• Karakış, E. (2021). Machine selection for a textile company with CRITIC and MAUT methods. Avrupa Bilim ve Teknoloji Dergisi, (27), 842-848.
• Karim, R. & Karmaker, C. L. (2016). Machine selection by AHP and TOPSIS methods. American Journal of Industrial Engineering, 4(1), 7-13.
• Keshavarz Ghorabaee, M., Zavadskas, E. K., Turskis, Z. & Antucheviciene, J. (2016). A new combinative distance-based assessment (CODAS) method for multi-criteria decision-making. Economic Computation & Economic Cybernetics Studies & Research, 50(3), 25-44.
• 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.
• Lin, Z. C.& Yang, C. B. (1996). Evaluation of machine selection by the AHP method. Journal of Materials Processing Technology, 57(3-4), 253-258.
• Raja, S., & Rajan, A. J. (2022). A decision‐making model for selection of the suitable FDM machine using fuzzy TOPSIS. Mathematical Problems in Engineering, 2022(1), 7653292.
• Ren, R.X., Liao, H.C., Al-Barakati, A. & Cavallaro, F. (2019). Electric Vehicle Charging Station Site Selection by An Integrated Hesitant FUZZY SWARA-WASPAS Method. Transformations in Business & Economics, 18(47), 103-123.
• Taha, Z. & Rostam, S. (2012). A hybrid fuzzy AHP-PROMETHEE decision support system for machine tool selection in flexible manufacturing cell. Journal of Intelligent Manufacturing, 23, 2137-2149.
• Toslak, M., Ulutaş, A., Ürea, S., & Stević, Ž. (2023). Selection of peanut butter machine by the integrated PSI-SV-MARCOS method. International Journal of Knowledge-based and Intelligent Engineering Systems, 27(1), 73-86.
• Tümtürk, A., & Tolun, B. G. (2021). Bir depo tesisine alınacak paketleme makinesi seçim kararının analitik ağ süreci tabanlı gri ilişkisel analiz yöntemiyle belirlenmesi. MANAS Sosyal Araştırmalar Dergisi, 10(2), 971-985.
• Ulutaş, A. (2017). EDAS yöntemi kullanılarak bir tekstil atölyesi için dikiş makinesi seçimi. İşletme Araştırmaları Dergisi, 9(2), 169-183.
• Uzun, S. & Kazan, H. (2016). Çok kriterli karar verme yöntemlerinden AHP TOPSIS ve PROMETHEE karşılaştırılması: Gemi inşada ana makine seçimi uygulaması. Journal of Transportation and Logistics, 1(1), 99-113.
• Wu, Z., Ahmad, J. & Xu, J. (2016). A group decision making framework based on fuzzy VIKOR approach for machine tool selection with linguistic information. Applied Soft Computing, 42, 314-324.
• Yazdani-Chamzini, A. & Yakhchali, S. H. (2012). Tunnel Boring Machine (TBM) selection using fuzzy multicriteria decision making methods. Tunnelling and Underground Space Technology, 30, 194-204.