A MULTI-CRITERIA DECISION-MAKING MODEL SUGGESTION FOR THE SELECTION OF SUBCONTRACTOR IN THE TEXTILE INDUSTRY

Öz

In the increasingly globalized world, rising competition, the growing importance of exports, accelerated production, and the emergence of new markets have negatively affected companies. As a result, firms must make faster and more accurate decisions within their production processes to avoid adverse effects in such a volatile environment. Responding promptly to customer demands with high quality, in the desired quantity, and within the specified timeframe provides a competitive advantage. In this context, the selection of subcontractors a common practice in the textile sector holds vital importance. The capabilities of subcontractors, including labor quality, capacity, and other competencies, significantly contribute to the timely, high-quality, cost-effective, and accurate execution of production, thereby providing important advantages to textile firms in a variable environment. Thus, the choice of subcontractor, recognized as a prevalent issue in the textile industry, directly impacts all processes within a firm. Therefore, the primary aim of this study is to present a multi-criteria decision-making model for effective subcontractor selection. In this model, 8 criteria and 10 alternative subcontractors are considered for the product groups of pants-skirts-dresses (low quantity), pants-skirts-dresses (high quantity), and jackets/shirts, and it has been implemented in a textile company collaborating with leading global firms. Initially, the weights of the criteria are determined using the Step-wise Weight Assessment Ratio Analysis (SWARA) method. Subsequently, subcontractor selections are compared using the Multi-Attribute Ideal-Real Comparative Analysis (MAIRCA) and Additive Ratio Assessment (ARAS) methods. Based on the weighting process, for the pants-skirts-dresses (low quantity) product group, social and environmental compatibility, quality system audits, and collaboration are identified as the most important criteria. For the pants-skirts-dresses (high quantity) product group, daily capacity, price, and social and environmental compatibility are concluded to be the most important criteria. For the jackets/shirts product group, social and environmental compatibility, daily capacity, and price are considered the most significant criteria.

Anahtar Kelimeler

• Subcontractor Selection
• Multi Criteria Decision Making
• Step-wise Weight Assessment Ratio Analysis
• Additive Ratio Assesment
• MultiAtributive Ideal-Real Comparative Analysis

TEKSTİL SEKTÖRÜNDE FASONCU SEÇİMİNDE ÇOK KRİTERLİ BİR KARAR VERME MODEL ÖNERİSİ

Öz

Küreselleşen dünyada rekabetin artması, ihracatın önem kazanması, üretimin hızlanması ve piyasada yeni pazarların yer alması firmaları olumsuz etkilemektedir. Bu nedenle firmalar böylesi bir değişken ortamdan olumsuz etkilenmemek için üretim süreçlerinde daha hızlı ve doğru kararlar vermek zorundadırlar. Firmalar için müşteri isteğine uygun, hızlı, kaliteli, istenilen adette ve zamanda cevap verilmesi rekabet ortamında avantaj sağlayacaktır. Bu anlamda tekstil sektöründe yaygın bir uygulama olan fason üretimi hangi fasoncunun yapacağının seçimi hayati bir önem taşımaktadır. Çünkü fasoncunun işçilik, kapasite ve diğer yeteneklerinin yanında üretimin zamanında, kaliteli, maliyet etkin ve doğru bir şekilde yapılması söz konusu değişken ortamda tekstil firmalarına önemli bir avantaj sağlamaktadır. Bu çerçevede tekstil sektörünün yaygın problemleri arasında görülen fasoncu seçimi, firmaların tüm süreçlerini doğrudan etkilemektedir. Bu nedenle çalışmanın temel amacı, fasoncu seçiminin etkin bir şekilde yapılması için çok kriterli bir karar verme (ÇKKV) modeli sunmaktadır. Bu modelde pantolon-etek-elbise (dk az), pantolon-etek-elbise (dk fazla) ve ceket/gömlek ürün grupları üzerinde 8 kriter ve 10 adet alternatif fasoncu ele alınarak Dünyanın önde gelen firmaları ile çalışan bir tekstil firmasında uygulama yapılmıştır. Model ile öncelikle Kademeli Ağırlık Değerlendirme Oran Analizi (Step-wise Weight Assessment Ratio Analysis-SWARA) yöntemi ile kriterlerin ağırlıkları belirlenip daha sonra Çok Nitelikli İdeal-Gerçek Karşılaştırmalı Analiz (MultiAtributive Ideal-Real Comparative Analysis-MAIRCA) ve Katkı Oranı Değerlendirme (Additive Ratio Assesment -ARAS) yöntemleri ile fasoncu işletme seçimleri karşılaştırılması olarak yapılmıştır. Yapılan ağırlıklandırma sonucunda pantolon-etek-elbise (dk az) ürün grubunda sosyal ve çevre uygunluk, kalite sistem denetimi ve iş birliği en önemli kriterlerdir. Pantolon-etek-elbise (dk fazla) ürün grubu için günlük kapasite, fiyat ve sosyal ve çevre uygunluğu en önemli kriterler olduğu sonucuna varılmıştır. Ceket/gömlek ürün grubu için ise sosyal ve çevre uygunluk, günlük kapasite ve fiyat en önemli kriterlerdir.

Anahtar Kelimeler

• Fasoncu Seçimi
• Çok Kriterli Karar Verme
• Öncelikle Kademeli Ağırlık Değerlendirme Oran Analizi
• Katkı Oranı Değerlendirme
• Çok Nitelikli İdeal-Gerçek Karşılaştırmalı Analiz

Kaynakça

1. Yüreğir, O. H. ve Nabıkoğlu, G. (2007), Performans Ölçümü ve Ölçüm Sistemleri: Genel Bir Bakış. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16(2), 545-562.
2. Acar, A. Z. ve Zehir, C. (2008), Kaynak Tabanlı İşletme Yetenekleri Ölçeği Geliştirilmesi ve Doğrulanması, Gebze Yüksek Teknoloji Enstitüsü, İşletme Fakültesi Dergisi, 8(1), 103-131.
3. Mülayim, B. B. (2012), Trakya Bölgesi Tekstil Sektörü: Durum Analizi ve Beklentiler: Namık Kemal Üniversitesi Örneği, Namık Kemal Üniversitesi, yayınlanmamış yüksek lisans tezi.
4. Bashımov, G. (2014), Tekstil ve Hazır Giyim Sektörünün Karşılaştırmalı Avantajı: Türkiye ve Pakistan Örneği, Bitlis Eren Üniversitesi Sosyal Bilimler Dergisi, 3(1), 31-42.
5. Ödeniyazov, S. (2006), Bir Tekstil İşletmesinde Üretim ve Pazarlama Planlaması (Türkmenbaşı Tekstil Kompleksinde Bir Örnek Uygulama), Selçuk Üniversitesi Sosyal Bilimler Enstitüsü, yayınlanmamış yüksek lisans tezi.
6. Tekin, M. ve Çiçek, E. (2005), İşletmelerde Rekabet Üstünlüğü Sağlamada Farklı Bir Yaklaşım: Değer Temelli Pazarlama, V. Ulusal Üretim Araştırmaları Sempozyumu, 63-68, 25-27.11, İstanbul Ticaret Üniversitesi, İstanbul.
7. Arıkan, V. S. (2008), Fasoncu Seçimi İçin AHS Modelinin Bir Tekstil İşletmesine Uygulanması, Uludağ Üniversitesi, yayınlanmamış yüksek lisans tezi.
8. Tayyar, N. ve Arslan, P. (2013), Hazır Giyim Sektöründe En İyi Fason İşletme Seçimi İçin AHP ve VIKOR Yöntemlerinin Kullanılması, Celal Bayar Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(1), 340-358.

9. Başkaya, Z. ve Akar, C. (2005), Üretim Alternatifi Seçiminde Analitik Hiyerarşi Süreci: Tekstil İşletmesi Örneği (Selecting The Best Production Alternative By Using Analytical Hierarchy Process: The Case Of Textile Company), Anadolu Üniversitesi Sosyal Bilimler Dergisi, 1(1), 273-286.
10. Güner, M. (2006), Analitik Hiyerarşi Yönteminin Fason İşletme Seçiminde Kullanılması, Tekstil ve Konfeksiyon, 16(3), 206-210.
11. Kargi, V. S. A. ve Öztürk, A. (2012), Subcontractor Selection Using Analytic Hierarchy Process, Business and Economics Research Journal, 3(3), 121.
12. Yayla, A. Y. Yildiz, A. ve Yildiz, K. (2013), Generalised Choquet İntegral Algorithm For Subcontractor Selection İn The Textile İndustry–A Case Study For Turkey, Fibres & Textiles in Eastern Europe, 21(6), 16-21.
13. Cevizci, D. K. ve Kayacan, O. (2019), Konfeksiyon İşletmelerinde En Uygun Fason Seçimi Problemine MACBETH ve TOPSIS Yöntemlerinin Uygulanması, Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 21(62), 331-344.
14. Cevizci, D. K. (2019), Konfeksiyon İşletmelerinde Tedarikçi Seçiminin Çok Kriterli Karar Destek Sistemleri Yardımıyla Analizi, Dokuz Eylül Üniversitesi, yayınlanmamış yüksek lisans tezi.
15. Çakır, S. (2020), Subcontractor Selection in A Textile Company Using an İntegrated Fuzzy MCDM Based Approach, Uluslararası İktisadi ve İdari İncelemeler Dergisi, 1-18.
16. Bulur Ö. C. ve Kayar M. (2019), Hazır Giyim İşletmelerinde Fason Atölye Seçiminde Çok Kriterli Karar Verme Yöntemlerinin Uygulanması, Marmara Üniversitesi, yayınlanmamış yüksek lisans tezi.
17. Ulutaş A. (2020), MAUT Yönteminin MOOSRA ve ROV Yöntemleri ile Karşılaştırılması, Sivas Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, (2), 258 – 266.
18. Lahdhiri, M. Babay, A. ve Jmali, M. (2021), Development Of Subcontractor Selection Models Using Fuzzy and AHP Methods İn The Apparel İndustry Supply Chain, Autex Research Journal, 21(4), 413-427.
19. Mumcu, Y. K. Kayar, M. ve Bulur, Ö. C. (2022), An Application Of Artificial Neural Network Solution in The Apparel Industry For Job Distribution to Subcontractors, Advances in Engineering Software, 174, 103325.
20. Hashemkhani Zolfani, S. Salimi, J. Maknoon, R. ve Kildienė, S. (2015), Technology Foresight About R & D Projects Selection; Application of SWARA Method At The Policy Making Level, Inzinerine Ekonomika-Engineering Economics, 26(5), 571–580.
21. Dehnavi, A. Aghdam, I. N. Pradhan, B. ve Varzandeh, M. H. M. (2015), A New Hybrid Model Using Step-Wise Weight Assessment Ratio Analysis (SWARA) Technique and Adaptive Neuro-Fuzzy İnference System (ANFIS) For Regional Landslide Hazard Assessment in Iran. Catena, 135, 122-148.
22. Zavadskas, E. K. Stević, Ž. Tanackov, I. ve Prentkovskis, O. (2018), A Novel Multicriteria Approach–Rough Step-Wise Weight Assessment Ratio Analysis Method (R-SWARA) and its Application in Logistics, Studies in Informatics and Control, 27(1), 97-106.
23. Stanujkic, D. Karabasevic, D. ve Zavadskas, E. K. (2015), A Framework For The Selection of A Packaging Design Based on The SWARA Method, Engineering Economics, 26(2), 181-187.
24. Zarbakhshnia, N. Soleimani, H. ve Ghaderi, H. (2018), Sustainable Third-Party Reverse Logistics Provider Evaluation and Selection Using Fuzzy SWARA and Developed Fuzzy COPRAS in The Presence of Risk Criteria, Applied Soft Computing, 65(4), 307-319.
25. Ghenai, C. Albawab, M. ve Bettayeb, M. (2020), Sustainability Indicators For Renewable Energy Systems Using Multi-Criteria Decision-Making Model and Extended SWARA/ARAS Hybrid Method, Renewable Energy, 146, 580-597.
26. Singh, R. K. ve Modgil, S. (2020), Supplier Selection Using SWARA and WASPAS–A Case Study of Indian Cement Industry, Measuring Business Excellence, 24(2), 243-265.
27. Jain, N. Yadav, V. S. Narang, H. K. ve Singh, A. R. (2018), Supplier Selection Through Attractive Criteria: A Fuzzy Kano Based İntegrated MCDM Approach, In Proceedings of The International Conference on Industrial Engineering and Operations Management, 6(8), 1695-1704.
28. Karabašević, D. Stanujkić, D. ve Urošević, S. (2015), The MCDM Model For Personnel Selection Based on SWARA and ARAS Methods, Management (1820-0222), 20(77), 43-52.
29. Yücenur, G. N. ve Ipekçi, A. (2021), SWARA/WASPAS Methods For A Marine Current Energy Plant Location Selection Problem, Renewable Energy, 163(1), 1287-1298.
30. Toklu, M. C. Çağıl, G. Pazar, E. ve Faydalı, R. (2018), SWARA-WASPAS Metodolojisine Dayalı Tedarikçi Seçimi: Türkiye'de Demir-Çelik Endüstrisi Örneği, Academic Platform-Journal of Engineering and Science, 6(3), 113-120.
31. Radović, D. ve Stević, Ž. (2018), Evaluation and Selection of KPI in Transport Using SWARA Method, Transport & Logistics: The International Journal, 8(44), 60-68.
32. Çinaroğlu, E. (2019), Fortune 500 Listesinde Yer Alan Otomotiv Sektörü Firmalarının SWARA Destekli COPRAS Yöntemi ile Değerlendirilmesi, Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(2), 593-611.
33. Özdağoğlu, A. ve Keleş, M. K. (2019), Bankaların Bakış Açısından BIST Sınai İşletmelerinin Değerlendirilmesi SWARA-GİA Bütünleşik Yaklaşımı, Süleyman Demirel Üniversitesi Vizyoner Dergisi, 10(24), 229-241.
34. Katrancı, A. ve Kundakcı, N. (2020), SWARA Temelli Bulanık COPRAS Yöntemi ile Soğuk Hava Deposu Seçimi, Optimum Ekonomi ve Yönetim Bilimleri Dergisi, 7(1), 63-80.
35. Ulutaş, A. (2020), SWARA Tabanlı CODAS Yöntemi ile Kargo Şirketi Seçimi, MANAS Sosyal Araştırmalar Dergisi, (3), 1640-1647.
36. Görener, A. (2021), SWARA Metodu ile Kriter Önceliklendirme: Tedarikçi Performansının Değerlendirilmesi, Working Paper Series Dergisi, 2(2), 32-39.
37. Türkmen, M. ve Demirel, A. (2022), SWARA Ağırlıklı Bulanık COPRAS Yöntemi ile Tedarikçi Seçimi, Alanya Akademik Bakış, 6(1), 1739-1756.
38. Garayev, A. Yazgan, E. ve Koruyucu, E. (2023), Uçak Performans Parametrelerinin Ağırlıklandırılmasında SWARA Metodu, Mühendis ve Makina, 64(712), 396-416.
39. Stanujkic, D. ve Jovanovic, R. (2012), Measuring A Quality of Faculty Website Using ARAS Method, In Proceeding of The International Scientific Conference Contemporary Issues in Business, Management and Education, University of Belgrade, Belgrade, 545-554.
40. Ecer, F. (2016), ARAS Yöntemi Kullanılarak Kurumsal Kaynak Planlaması Yazılımı Seçimi, Uluslararası Alanya İşletme Fakültesi Dergisi, 8(1), 89-98.
41. Baki, R. (2022), An İntegrated Multi-Criteria Structural Equation Model For Green Supplier Selection, International Journal of Precision Engineering and Manufacturing-Green Technology, 9(4), 1063-1076.
42. Büyüközkan, G. ve Göçer, F. (2018), An Extension Of ARAS Methodology Under Interval Valued İntuitionistic Fuzzy Environment For Digital Supply Chain, Applied Soft Computing, 69, 634-654.
43. Zavadskas, E. K. ve Turskis, Z. (2010), A New Additive Ratio Assessment (ARAS) Method in Multicriteria Decision Making, Technological and Economic Development of Economy, 16(2), 159-172.
44. Raj Mishra, A. Sisodia, G. Raj Pardasani, K. ve Sharma, K. (2020), Multi-Criteria IT Personnel Selection on Intuitionistic Fuzzy Information Measures and ARAS Methodology, Iranian Journal of Fuzzy Systems, 17(4), 55-68.
45. Zavadskas, E. K. Turskis, Z. ve Bagočius, V. (2015), Multi-Criteria Selection of A Deep-Water Port in The Eastern Baltic Sea, Applied Soft Computing, 26(1), 180-192.
46. Balezentiene, L. ve Kusta, A. (2012), Reducing Greenhouse Gas Emissions in Grassland Ecosystems of The Central Lithuania: Multi-Criteria Evaluation On A Basis of The ARAS Method, The Scientific World Journal, 11, 2-11.
47. Zavadskas, E. K. Turskis, Z. ve Vilutiene, T. (2010), Multiple Criteria Analysis of Foundation Instalment Alternatives By Applying Additive Ratio Assessment (ARAS) Method, Arch Civ Mech Eng, 10(3), 123–141.
48. Tamošaitienė, J. Zavadskas, E. K. Šileikaitė, I. ve Turskis, Z. (2017), A Novel Hybrid MCDM Approach For Complicated Supply Chain Management Problems in Construction, Procedia Engineering, 172, 1137-1145.
49. Turskis, Z. ve Zavadskas, E. K. (2010), A Novel Method For Multiple Criteria Analysis: Grey Additive Ratio Assessment (ARAS-G) Method, Informatica, 21(4), 597-610.
50. Shariati, S. Yazdani-Chamzini, A. Salsani, A. ve Tamošaitienė, J. (2014), Proposing A New Model For Waste Dump Site Selection: Case Study of Ayerma Phosphate Mine, Engineering Economics, 25(4), 410-419.
51. Ulutaş, A. ve Bayrakçıl, A. O. (2017), Gri AHS ve Aras-G Kullanımı ile Bir Restoran İçin Sebze Tedarikçisinin Değerlendirilmesi, Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 18(2), 189-204.
52. Bakır, M. ve Atalık, Ö. (2018), Entropi ve Aras Yöntemleriyle Havayolu İşletmelerinde Hizmet Kalitesinin Değerlendirilmesi, İşletme Araştırmaları Dergisi, 10(1), 617-638.
53. Akçakaya, O. ve Akçakaya, E. D. U. (2019), Türkiye’deki Büyükşehirlerin Çevresel Performanslarının ENTROPİ Temelli COPRAS ve ARAS Yöntemleri ile Değerlendirilmesi, OPUS International Journal of Society Researches, 11(18), 1437-1473.
54. Calik, A. (2020), Hedef Pazar Seçimi İçin Hibrit BWM-Aras Karar Verme Modeli, Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 18(03), 196-210.
55. Kara, A. Masri, A. ve Kaya, G. K. (2022), New Branch Location Selection With AHP, ARAS and Fuzzy TOPSIS: An Example Of A Supplier Company in The Maritime İndustry, Pamukkale University Journal of Engineering Sciences, 28(1), 148-159.
56. Dündar, S. (2023), Selection of compost plant location by K-Means and ARAS methods in TR83 region, Journal of the Faculty of Engineering and Architecture of Gazi University, 38(4), 2607-2623.
57. Gergin, R. E. (2024), Bütünleştirilmiş AHP-ARAS Yaklaşımıyla Lojistik Partner Seçimi: Otomotiv Yan Sanayi Yedek Parça Sektöründe Bir Uygulama, Süleyman Demirel Üniversitesi Vizyoner Dergisi, 15(41), 77-101.
58. Koçak, F. H. (2024), SWARA ve ARAS Yöntemleri İle Personel Seçimi Sorununa Bütünleşik Bir Yaklaşım, International Journal of Entrepreneurship and Management Inquiries, 8(14), 22-52.
59. Boral, S. Howard, I. Chaturvedi, S. K. McKee, K. ve Naikan, V. N. A. (2020), A Novel Hybrid Multi-Criteria Group Decision Making Approach For Failure Mode and Effect Analysis: An Essential Requirement For Sustainable Manufacturing, Sustainable Production and Consumption, 21, 14-32.
60. Pamucar, D. Macura, D. Tavana, M. Božanić, D. ve Knežević, N. (2022), An Integrated Rough Group Multicriteria Decision-Making Model For The Ex-Ante Prioritization of İnfrastructure Projects: The Serbian Railways Case, Socio-Economic Planning Sciences, (79), 1-16.
61. Gul, M. ve Ak, M. F. (2020), Assessment of Occupational Risks From Human Health and Environmental Perspectives: A New Integrated Approach and Its Application Using Fuzzy BWM and Fuzzy MAIRCA, Stochastic Environmental Research and Risk Assessment, 34(8), 1231-1262.
62. Pamucar, D. S. Pejcic Tarle, S. ve Parezanovic, T. (2018), New Hybrid Multi-Criteria Decision-Making DEMATELMAIRCA Model: Sustainable Selection of A Location For The Development Of Multimodal Logistics Centre, Economic Research-Ekonomska İstraživanja, 31(1), 1641-1665.
63. Ecer, F. (2021), Sustainable Supplier Selection: FUCOM Subjective Weighting Method Based MAIRCA Approach, Journal Of Economics and Administrative Sciences Faculty, 8(1), 26-47.
64. Pamučar, D. Mihajlović, M. Obradović, R. ve Atanasković, P. (2017), Novel Approach To Group Multi-Criteria Decision Making Based On İnterval Rough Numbers: Hybrid DEMATEL-ANP-MAIRCA Model, Expert Systems With Applications, 88(1), 58-80.
65. Belke, M. (2020), CRITIC ve MAIRCA Yöntemleriyle G7 Ülkelerinin Makroekonomik Performansının Değerlendirilmesi, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 19, 120-139.
66. Can, G. F. ve Kıran, M. B. (2020), Occupational Health and Safety Performance Evaluation Of Countries Based On Maırca, International Journal Of Intelligent Computing and Cybernetics, 13(1), 1-24.
67. Božanić, D. Ranđelović, A. Radovanović, M. ve Tešić, D. (2020), A Hybrid Lbwa-Ir-Maırca Multi-Criteria Decision-Making Model For Determination of Constructive Elements of Weapons, Facta Universitatis, Series: Mechanical Engineering, 18(3), 399-418.
68. Ulutaş, A. (2019), SWARA ve MAIRCA Yöntemleri ile Catering Firmasi Seçimi, Business & Management Studies: An International Journal, 7(4), 1467-1479.
69. Boral, S. Howard, I. Chaturvedi, S. K. McKee, K. ve Naikan, V. N. A. (2020), An Integrated Approach For Fuzzy Failure Modes and Effects Analysis Using Fuzzy AHP and Fuzzy MAIRCA, Engineering Failure Analysis, 108, 104195.
70. Ayçin, E. (2020), Personel Seçim Sürecinde CRITIC ve MAIRCA Yöntemlerinin Kullanılması, İşletme, 1(1), 1-12.
71. Fidan, H. (2021), CRITIC ve MAIRCA Çok Kriterli Karar Verme Yöntemi ile Uluslararası Hedef Pazar Seçimi, Karamanoğlu Mehmetbey Üniversitesi Sosyal ve Ekonomik Araştırmalar Dergisi, 23(41), 291-309.
72. Macit, N. Ş. (2023), Tedarikçi Seçimi Probleminin AHP Temelli MAIRCA Yöntemi ile Çözümü, Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (37), 42-63.
73. Arslan, H. M. (2024), Bütünleşik SWARA-MAIRCA Yöntemi ile Türk Havayolu Yolcu Taşımacılığı Sektöründe Hizmet Kalitesinin Değerlendirilmesi, Bütünleşik Çok Kriterli Karar Verme Yöntemleri, 25.