T.C.
KARA HARP OKULU
SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ
TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI
ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ĠLE LOJĠSTĠK TESĠS YER
SEÇĠMĠ: KAMU SEKTÖRÜNDE BĠR UYGULAMA
YÜKSEK LĠSANS TEZĠ
Hazırlayan
Mustafa AĞDAġ
Tez DanıĢmanı
Yrd. Doç. Dr. Serkan GÜMÜġ
Tez EĢ DanıĢman
Yrd. Doç. Dr. Özkan BALĠ
ANKARA – 2014
TEZ TANITIM FORMU
TEZĠN TARĠHĠ: 05.06.2014
TEZĠN TĠPĠ: Yüksek Lisans Tezi
TEZĠN BAġLIĞI: Çok Kriterli Karar Verme Yöntemleri ile Lojistik Tesis Yer
Seçimi: Kamu Sektöründe Bir Uygulama
TEZĠN YAPILDIĞI BĠRĠM: Kara Harp Okulu Savunma Bilimleri Enstitüsü
Tedarik ve Lojistik Yönetimi Ana Bilim Dalı
SPONSOR KURULUġ: DAĞITIM LĠSTESĠ: Kara Harp Okulu Savunma Bilimleri Enstitüsü Tez
Hazırlama, Onay, Dağıtım ve Muhafaza Esasları Kılavuzunda Belirtilen
Yerlere
TEZĠN ÖZETĠ: Bu çalıĢmada, bir kamu kurumunun müteakip dönem
içerisinde yeni açmayı planladığı bir lojistik tesisi (ikmal merkezi) için yer
seçimi problemi ele alınmıĢ ve üç farklı çok kriterli karar verme yöntemi ile
çözüm önerisi sunulmuĢtur. Karar süreci içinde, öncelikle tesis yer seçimine
iliĢkin literatürde yapılan çalıĢmalar incelenmiĢ ve burada yer alan kriterler
belirlenmiĢtir. Daha sonra kamu kurumunun özel durumu gereği bu tesis için
sahip olması gereken diğer kriterler tespit edilerek bu sürece dâhil edilmiĢtir.
Belirlenen tüm bu kriterlerin önem ağırlıklarını tespit etmek amacıyla,
kurumda çalıĢan personel anket uygulaması yapılmıĢtır. Anket sonucu elde
edilen veriler istatiksel analize tabi tutulmuĢ ve en önemli yirmi beĢ kriter
seçilmiĢtir.
Kurumun
görüĢleri
doğrultusunda
Türkiye
sınırları
içinde
belirlenen dört yeni alternatif ikmal merkezi, seçilen yirmi beĢ kritere göre
kurumun
üst
düzey
yöneticileri
tarafından
sözel
değiĢkenler
ile
değerlendirilmiĢtir. Kriter önem ağırlıkları ile alternatiflerin kriterler açısından
aldığı
değerlerin
faydalanılmıĢtır.
matematiksel
Alternatiflerin
ifadesinde
üçgen
değerlendirilmesi
ile
bulanık
sayılardan
en
alternatifin
iyi
seçilmesinde bulanık TOPSIS, bulanık VIKOR ve SMAA-2 metotları ayrı ayrı
kullanılmıĢtır.
Son
olarak
elde
edilen
sonuçlar
karĢılaĢtırılmıĢ
ve
yorumlanmıĢtır.
ANAHTAR KELĠMELER: Tesis Yer Seçimi, Lojistik Merkezler, Bulanık
TOPSIS, Bulanık VIKOR, SMAA-2, Çok Kriterli Karar Verme.
SAYFA SAYISI: 155
GĠZLĠLĠK DERECESĠ: Tasnif DıĢı
Bu tezde belirtilen görüĢ ve yorumlar yazana aittir. Türk Silahlı Kuvvetlerinin
ya da diğer kamu kuruluĢlarının görüĢlerini yansıtmaz.
T.C.
KARA HARP OKULU
SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ
TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI
ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ĠLE LOJĠSTĠK TESĠS YER
SEÇĠMĠ: KAMU SEKTÖRÜNDE BĠR UYGULAMA
YÜKSEK LĠSANS TEZĠ
Hazırlayan
Mustafa AĞDAġ
Tez DanıĢmanı
Yrd. Doç. Dr. Serkan GÜMÜġ
Tez EĢ DanıĢmanı
Yrd. Doç. Dr. Özkan BALĠ
ANKARA – 2014
T.C.
KARA HARP OKULU
SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ
TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI
Mustafa AĞDAġ‟ın, Çok Kriterli Karar Verme Yöntemleri Ġle
Lojistik Tesis Yer Seçimi: Kamu Sektöründe Bir Uygulama konulu tez
çalıĢması, jürimiz tarafından TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ Ana Bilim
Dalında YÜKSEK LĠSANS tezi olarak kabul edilmiĢtir.
BaĢkan --------------------------------Prof. Dr. Cevriye GENCER
Üye
---------------------------------Doç. Dr. Mehmet KABAK
Üye
---------------------------------Yrd. Doç. Dr. Serkan GÜMÜġ
(DanıĢman)
ONAY
Yukarıdaki imzaların, adı geçen öğretim üyelerine ait olduğunu onaylarım.
... / ... / 2014
(Ġmza ve Mühür)
Ö. Haluk TEKBAġ
Prof. Dr.
Enstitü Müdürü
TEġEKKÜR
Öncelikle bana yüksek lisans yapma imkânı sunan Türk Silahlı
Kuvvetlerine, gururla hizmet ettiğim Kara Kuvvetleri Komutanlığı‟na, Kara
Harp Okul Komutanlığı‟na ve seçilmemde emeği geçen tüm personele
teĢekkür ederim.
Tez çalıĢmam süresince bana gösterdiği ilgiden dolayı tez
danıĢmanım Yrd. Doç. Dr. Serkan GÜMÜġ‟e, tezimi hep bir ileri noktaya
taĢıyan, desteğini hiç esirgemeyen ve tezimin geliĢiminde çok büyük katkısı
olan tez eĢ danıĢmanım Yrd. Doç. Dr. Özkan BALĠ‟ye, manevi desteğini hep
yanımda hissettiğim eĢim Ġmran AĞDAġ‟a ve biricik kızım Pelin Alya
AĞDAġ‟a en içten teĢekkürlerimi sunarım.
Ayrıca tezimin ana baĢlangıcı olan anket aĢamasında, anketin
yayınlanması için en az benim kadar uğraĢan, mesaisinden zaman ayıran
ve desteğini esirgemeyen Kur. Alb. Muzaffer DÜZENLĠ‟ye ve K.K. Bilgi
Sistem ġubesi personeline, anketin yayınlanmasında emeği olan Selda
Hanım‟a, anketin yazım düzenlenmesine yardımı geçen Sv. Me. Ayla
GÜNEY‟e, anket sonuçlarının analizinde engin bilgisini esirgemeyen ve
bana yol gösteren Doç. Dr. Sait GÜRBÜZ‟e, tezim boyunca bana her
zaman fikirleriyle destek olan ve yardımını esirgemeyen değerli arkadaĢım
Haydar BALLI‟ya ve burada adını sayamadığım tezime katkı sağlayan
herkese teĢekkürü bir borç bilirim.
Son olarak, Savunma Bilimleri Enstitüsü öğrenim aĢamasında,
bizleri bu sürece hazırlayan saygın öğretim elemanlarına, komutanlarıma ve
değerli sınıf arkadaĢlarıma Ģükranlarımı sunarım.
i
T.C.
KARA HARP OKULU
SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ
TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI
ANKARA 2014
ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ĠLE LOJĠSTĠK TESĠS
YER SEÇĠMĠ: KAMU SEKTÖRÜNDE BĠR UYGULAMA
YÜKSEK LĠSANS TEZĠ
Mustafa AĞDAġ
ÖZET
Tesis yeri seçimi genel anlamda bir tesisin kurulacağı ya da
yerleĢtirileceği bölgenin veya arazi parçasının seçilmesidir. Yer seçimi
kararı uzun vadeli özellik taĢıması nedeniyle stratejik öneme haiz yatırım
kararlarıdır. Uzun dönemli ve stratejik bir karar olmasından dolayı
değiĢtirilmesi güç ve maliyetlidir. Bu tip tesislere; hastaneler, üniversiteler,
üretim tesisleri, limanlar, alıĢveriĢ merkezleri, kıĢlalar ve lojistik tesisler
örnek gösterilebilir. Bu çalıĢmada, bir kamu kurumunun yeni açacağı bir
ikmal merkezi için yer seçimi problemi ele alınmıĢtır. Kamu kurumu, yeniden
yapılanma çalıĢması kapsamında, tesislerinin dağınıklığının giderilmesi ve
etkinliğinin artırılmasına yönelik bir çalıĢma baĢlatmıĢtır. Bu dağınık
tesislerinin yeniden organizasyonu içinde lojistik tesisleri de önemli yer
tutmaktadır. Birimlerinin lojistik ihtiyaçlarının karĢılanması ve ikmal akıĢının
sağlanmasındaki temel yapı ikmal merkezleridir.
En iyi alternatif ikmal merkezi yer seçimi problemi için öncelikle
literatürde tesis yer seçimi problemlerinde kullanılan ve kurumun ihtiyaçları
doğrultusunda belirlenen kriterler tespit edilmiĢtir. Bu kriterlerden kendi
birimlerinin tesis yerleĢimine uygun olanlar tespit edilmiĢ ve soru haline
dönüĢtürülerek kriterler ve kriterlerin önem derecelerini belirlemek üzere
kurumun çalıĢanlarına anket uygulaması yapılmıĢtır. Anket uygulaması
ii
sonucu elde edilen kriter önem dereceleri istatistiksel analize tabi tutulmuĢ
ve yirmi beĢ kritere indirgenmiĢtir. Müteakiben, yirmi beĢ kriterin gerçek veri
değerlerine ulaĢılmıĢ ve uygulama için jenerik bir problem kurulmuĢtur.
Alternatif yerler için kurum ile koordineli olarak Trakya bölgesinde dört adet
jenerik arazi seçilmiĢ ve kurumda çalıĢan bu konuda yetkili üst düzey
personel tarafından bu alternatif araziler kriter değerlerine göre dilsel
değiĢkenler ile değerlendirilmiĢtir.
Alternatif yerler farklı formatta amaca uygun olarak belirlenen ÇKKV
yöntemleri ile değerlendirilmiĢtir. Karar vericilere iliĢkin kiĢisel ifadelerin
kesinlik taĢımaması, tercihlerinin belirsiz olması ve tercihlerini kesin
değerlerle
ifade
edememesi
nedeniyle
bulanık
küme
teorisinden
faydalanılmıĢtır. Öncelikle, bulanık değerlendirmeler için oluĢturulan jenerik
modelde bulanık TOPSIS ile bulanık VIKOR yöntemleri kullanılmıĢ ve bu
yöntemlere ait birer çözüm önerisi sunulmuĢtur.
Bulanık TOPSIS yöntemi, alternatiflerin tercih sırasını yapmak ve
en iyi çözüm seçimini belirlemek için tercih edilmiĢtir. Bu yöntemin tercih
edilmesinin en önemli sebebi, seçilen alternatifin pozitif ideal çözümden
uzaklığı en az, negatif ideal çözümden uzaklığı da en fazla olmasına imkân
tanıması ve literatürde yaygın olarak kullanılmasıdır. Bulanık VIKOR
yönteminin tercih edilme sebebi ise, çeliĢkili ve birbiriyle çatıĢan kriterlerin
bulunduğu
ÇKKV
problemlerinde,
bulanık
değerlendirmelere
imkan
tanıması, çok sayıda karar verici ile uzlaĢık bir çözüm önerisi sunması,
alternatifleri sıralaması ve en iyi alternatifi seçmeye odaklanmasıdır.
Son olarak alternatiflerin değerlendirilmesinde kullanılan kriterlerin
bir kısmının stokastik özellikte olması, belirsizlik taĢıması ve kesin
değerlerle ifade edilememesi nedeniyle SMAA-2 metodu ile ayrı bir çözüm
önerisi daha sunulmuĢtur. Bu kriterler açısından alternatif yerler yeniden
değerlendirilmiĢ ve JSMAA programına dağılım, olasılık ve aralık değerleri
ile girilmiĢtir. Son olarak, her üç metot ile elde edilen sonuçlar
karĢılaĢtırılmıĢ ve yorumlanmıĢtır. Alternatiflerin sıralamaları farklı olmasına
iii
karĢın üç metodun da en iyi alternatif olarak aynı alternatif yeri tercih ettiği
görülmüĢtür.
Anahtar Kelimeler : Tesis Yer Seçimi, Lojistik Merkezler, Çok Kriterli
Karar Verme, Bulanık TOPSIS, Bulanık VIKOR, SMAA-2.
Tez Yöneticisi
: Yrd. Doç. Dr. Serkan GÜMÜġ
Tez EĢ DanıĢmanı : Yrd. Doç. Dr. Özkan BALĠ
Sayfa Sayısı
: 155
iv
T.C.
TURKISH MILITARY ACADEMY
DEFENSE SCIENCE INSTITUTE
DEPARTMENT OF SUPPLY AND LOGISTICS MANAGEMENT
ANKARA 2014
A LOGISTICS FACILITY LOCATION SELECTION BY USING MULTI
CRITERIA DESICION MAKING METHODS: AN APPLICATION IN
PUBLIC SECTOR
MASTER’S THESIS
Mustafa AĞDAġ
ABSTRACT
In general, facility location is selection of an area or place that will
be established or located for the facility. Decision of the facility location
selection is the decisions of investment that have strategic importance due
to being long term. Those decisions are difficult and costly to be replaced.
Hospitals, universities, manufacturing plants, ports, shopping centers,
barracks and logistics facilities are exemplified to these types of facilities.
In this study, it is discussed a supply center selection problem of
public institute will be opened at a new place. Within the scope of the
restructuring of public institution, it is launched a study for removing of
clutter of facilities and enhancing for its activities. This re-organization of
dispersed facilities also has an important role in logistics facilities. Supply
Centers are the basic structure of to meet the requirements of the logistics
for the units and to ensure the supply flow.
In order to choose the best alternative supply center location, at
first, we have analyzed and identified the criteria that are used in the facility
location problems in literature and determined in accordance with the needs
v
of the organization. The criteria which are appropriate to their units are
selected, and then converted into questions in order to be taken part in a
survey that is applied to public‟s employees to determine the weight
importance of the criteria.
As a result of the application of survey, the weights of criteria are
obtained and subject to statistical analysis. Finally they are reduced to
twenty-five criteria. After that we have achieved to actual data value of the
twenty-five criteria and a generic problem is established for an application. It
is determined in coordination with the organization four alternative locations
for the generic problem in Thrace, and specialist senior staffs working in this
public institution evaluate these alternatives with linguistic variables
according to the values of these twenty five criteria.
Alternative locations are evaluated with different MCDM methods.
At first, a generic problem is created. Fuzzy TOPSIS and fuzzy VIKOR
methods are used for the fuzzy assessments and then it is offered an
optimal solution for the best location selection belongs to this method.
Fuzzy TOPSIS method is chosen due to defining of order of
alternatives‟ preference and selection of best alternative solution. The
significant reason of selection this method is the selected alternative
provides that is close to positive ideal solution as well as the furthest to
negative ideal solution and used very common in literature. Fuzzy VIKOR
method is chosen method that provides fuzzy assessments, common offers
for solutions with multi-decision makers, order the alternatives and focusing
on the best alternative in the MCDM problems that have conflicting criteria.
Additionally, for some of the criteria used in the generic problem
have stochastic features, these criteria revaluated by experts. After that a
separate proposed solution are presented by using SMAA-2 method.
Finally, the obtained results by the three methods are both compared and
interpreted. It is seen that these three methods have preferred the same
vi
alternative location. Although ranking of the alternatives are different, but
three MCDM methods prefer by the same best alternative location.
Keywords
:
Facility
Location
Selection,
Logistics Centers,
Multicriteria Decision Making Method, Fuzzy TOPSIS, Fuzzy VIKOR,
SMAA-2.
Advisor
: Asst. Prof. Dr. Serkan GÜMÜġ
Co-Advisor
: Asst. Prof. Dr. Özkan BALĠ
Number of Pages
: 155
vii
ĠÇĠNDEKĠLER
TEġEKKÜR ................................................................................................. i
ĠÇĠNDEKĠLER ...........................................................................................viii
TABLOLAR LĠSTESĠ................................................................................. xii
ġEKĠLLER LĠSTESĠ .................................................................................. xv
KISALTMALAR LĠSTESĠ ......................................................................... xvi
GĠRĠġ .......................................................................................................... 1
BĠRĠNCĠ BÖLÜM
TESĠS YERĠ SEÇĠMĠ
1. GĠRĠġ ................................................................................................... 4
2. TESĠS YERĠ SEÇĠMĠ KAVRAMI VE ÖNEMĠ ......................................... 6
3. TESĠS YER SEÇĠMĠ PROBLEMLERĠNĠN GENEL ÖZELLĠKLERĠ ........ 9
ĠKĠNCĠ BÖLÜM
LĠTERATÜR ARAġTIRMASI
1. YAPILAN ĠLK ÇALIġMALAR .............................................................. 12
2. TESĠS YERĠ SEÇĠMĠ PROBLEMLERĠNĠN SINIFLANDIRILMASI ....... 14
3. TEMEL TESĠS YERLEġĠM PROBLEMLERĠNĠN AÇIKLANMASI ....... 19
a. Statik Tesis YerleĢim Problemleri ................................................ 19
(1) Kaplama YerleĢim Problemleri ............................................... 19
(2) Merkez YerleĢim Problemleri ................................................. 20
(3) Medyan (Ortanca) YerleĢim Problemleri ................................ 21
viii
(4) Ağ YerleĢim Problemleri ........................................................ 21
(5) Kesikli Tesis YerleĢim Problemleri ......................................... 22
(6) Sürekli Tesis YerleĢim Problemleri ........................................ 24
b. Dinamik Tesis YerleĢim Problemleri ............................................ 25
(1) Dinamik Deterministik Tesis YerleĢim Problemleri ................. 26
(2) Tesis YerleĢim/Yer değiĢtirme YerleĢim Problemleri ............. 26
(3) Çok/Tek Periyodlu YerleĢim Problemleri ................................ 27
(4) Stokastik (Olasılıklı) ve Bulanık Tesis YerleĢim Problemleri .. 27
c. Tek/Çok Tesis YerleĢim Problemleri ............................................ 28
d. Ġstenen/Yarı Ġstenen/Ġstenmeyen Tesis YerleĢim Problemleri ...... 29
e. Özel/Kamu Sektörü YerleĢim Problemleri .................................... 30
4. ÇOK KRĠTERLĠ TESĠS YER SEÇĠMĠ PROBLEMLERĠ ....................... 31
a. Ġki Amaçlı Tesis YerleĢim Problemleri .......................................... 31
b. K-Amaçlı (Çok Amaçlı) Tesis YerleĢim Problemleri ..................... 33
c. Çok Nitelikli Tesis YerleĢim Problemleri ....................................... 35
d. Kullanılan Yöntemlere ĠliĢkin Literatür .......................................... 35
e. Kullanılan Kriterlere ĠliĢkin Literatür .............................................. 43
ÜÇÜNCÜ BÖLÜM
BULANIK MANTIK VE ÇOK KRĠTERLĠ KARAR VERME
1. GĠRĠġ ................................................................................................. 47
2. BULANIK MANTIK ............................................................................. 49
3. BULANIK KÜME TEORĠSĠ ................................................................. 50
4. BULANIK TOPSĠS YÖNTEMĠ ............................................................ 54
a. TOPSIS Yöntemi .......................................................................... 54
ix
b. Bulanık TOPSIS Yöntemi ............................................................. 54
c. Bulanık TOPSIS Yöntemi Uygulama Alanları............................... 59
5. BULANIK VIKOR YÖNTEMĠ .............................................................. 63
a. VIKOR Yöntemi ............................................................................ 63
b. Bulanık VIKOR Yöntemi ............................................................... 65
c. Bulanık VIKOR Yöntemi Uygulama Alanları................................. 69
6. STOKASTĠK ÇOK KRĠTERLĠ KABUL EDĠLEBĠLĠRLĠK ANALĠZĠ ........ 72
(SMAA) METODU..................................................................................... 72
a. GiriĢ ............................................................................................. 72
b. SMAA Metodunun GeliĢimi ve Tanımlayıcı Ölçekleri ................... 73
c. SMAA-2 Yöntemi ......................................................................... 75
d. SMAA ÇeĢitleri ve Uygulama Alanları .......................................... 79
DÖRDÜNCÜ BÖLÜM
UYGULAMA
1. PROBLEMĠN TANIMI ......................................................................... 82
2. ANKET UYGULAMASI VE KRĠTERLERĠN BELĠRLENMESĠ ............. 85
3. KRĠTERLERĠN AÇIKLANMASI .......................................................... 91
4. ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠNĠN UYGULANMASI ..
......................................................................................................... 102
a. Bulanık TOPSĠS Yöntemi ........................................................... 102
b. Bulanık VIKOR Yöntemi ............................................................. 118
c. SMAA-2 Metodu ......................................................................... 126
5. SONUÇLARIN KARġILAġTIRILMASI VE YORUMLANMASI .......... 133
x
BEġĠNCĠ BÖLÜM
SONUÇ VE ÖNERĠLER
1. SONUÇ ............................................................................................ 135
2. ÖNERĠLER ....................................................................................... 137
KAYNAKÇA ............................................................................................ 138
EKĠ .......................................................................................................... 155
xi
TABLOLAR LĠSTESĠ
Sayfa
Tablo-1: Literatürdeki AraĢtırmaların Yöntem ve Uygulama Alanlarına Göre
Sınıflandırılması ........................................................................................... 41
Tablo-2: Çok Nitelikli YerleĢim Problemlerinde Kullanılan Belirleyici Kriterler
.................................................................................................................... 45
Tablo-3: Kriter Önem Ağırlıkları ile Alternatiflerin Değerlendirilmesinde
Kullanılan Sözel DeğiĢkenler ....................................................................... 53
Tablo-4: Kabul KoĢulları.............................................................................. 59
Tablo-5: Bulanık TOPSIS Yöntemi Uygulama Alanları ............................... 62
Tablo-6: Bulanık VIKOR Yöntemi Uygulama Alanları ................................. 71
Tablo-7: SMAA Yöntemleri Uygulama Alanları ........................................... 81
Tablo-8: Ġkmal Merkezi Yer Seçiminde Çok Önemli (ÇÖ) Görülen Kriterler ....
.................................................................................................................... 88
Tablo-9: Ġkmal Merkezi Yer Seçiminde Nispeten Önemli (NÖ) Görülen Kriterler
.................................................................................................................... 89
Tablo-10: Ġkmal Merkezi Yer Seçiminde Az Önemli (AÖ) Görülen Kriterler ....
.................................................................................................................... 89
Tablo-11: Jenerik Problemde Kullanılan Kriterler ........................................ 91
Tablo-12: Alternatiflerin ġehir/Ġlçe Merkezlerine Uzaklıkları ........................ 92
Tablo-13: Alternatiflerin Bağlı Olduğu Ġllerde YaĢanan Toplam Afet Sayısı ....
.................................................................................................................... 93
Tablo-14: Tehlikeli ve Ġstenmeyen Tesislere Olan Uzaklık.......................... 93
Tablo-15: Ġklim KoĢullarının ElveriĢliliği ....................................................... 94
Tablo-16:
Alternatiflere
Yakın
ġehir
Merkezlerinin
Sosyo-Ekonomik
GeliĢmiĢlik Endeks Değeri ........................................................................... 94
Tablo-17: Alternatif Yerlere Yakın Ġllerin Suç Olayı Sayıları ........................ 95
Tablo-18: Alternatif Yerlere Yakın Ġllerin Hava Kalitesi Değerleri ................ 95
xii
Sayfa
Tablo-19: Alternatiflerin Sosyal Ġmkânlara Mesafesi ................................... 96
Tablo-20: Alternatiflere Yakın Ġllere Ait Ġl Ġstihdam Rakamları ..................... 96
Tablo-21: Alternatiflerin Görev Alanına Mesafesi ........................................ 96
Tablo-22: Alternatiflerin Kritik Arazi Arızalarına Mesafesi ........................... 97
Tablo-23: Alternatiflerin Ġki Önemli Kara Yolu UlaĢım Hattına Mesafesi ..... 97
Tablo-24: Alternatiflerin Demir Yolu Ġstasyonlarına Mesafesi ...................... 97
Tablo-25: Alternatiflerin Hava Limanlarına Mesafesi .................................. 98
Tablo-26: Alternatiflerin Lojistik Tesislere Mesafesi .................................... 98
Tablo-27: 2013 Yılı Motorlu Kara TaĢıt Sayısı ............................................ 98
Tablo-28: Arazi Maliyeti .............................................................................. 99
Tablo-29: Alternatiflere Karayolu Ġle Malzeme Teslim Süreleri ................... 99
Tablo-30: Alternatiflerin Sınır Hattına Mesafesi .........................................100
Tablo-31: Alternatif Yerlerin Destekleyeceği Birimlere Mesafesi ................100
Tablo-32: Alternatif Yerlere Yakın Ġllerin Ġthalat ve Ġhracat Yapan Firma
Sayıları .......................................................................................................101
Tablo-33: Alternatiflerin Destekleyeceği Birimlere UlaĢım Maliyeti ............102
Tablo-34: Karar Vericilerin Alternatifleri Kriterlere Göre Dilsel DeğiĢkenlerle
Değerlendirilmesi ........................................................................................103
Tablo 35: Ġlk Üç ve Son Üç Personelin Karar Kriterleri Önem Dereceleri ile
Ġlgili Dilsel Ġfadeleri ......................................................................................104
Tablo-36: Kriterlerin Bulanık Önem Ağırlıkları............................................105
Tablo-37: Alternatiflerin Kriterlerden Aldığı Değerlerin Üçgen Bulanık Sayılar
ile Gösterilmesi ...........................................................................................106
Tablo-38: Bulanık Karar Matrisi ( )............................................................108
Tablo-39: Kriterlerin BütünleĢtirilmiĢ Bulanık Önem Ağırlıkları Matrisi .......110
Tablo-40: Normalize EdilmiĢ Bulanık Karar Matrisi ( ) ..............................111
xiii
Sayfa
Tablo-41: Ağırlıklı Normalize EdilmiĢ Bulanık Karar Matrisi .......................113
Tablo-42: Alternatiflerin Bulanık Pozitif Ġdeal Çözümden Uzaklıkları .........115
Tablo-43: Alternatiflerin Bulanık Negatif Ġdeal Çözümden Uzaklıkları ........116
Tablo-44: Alternatiflerin (
) değeri (
) değerleri ...............................117
Tablo-45: Bulanık Karar Matrisi .................................................................119
Tablo-46: Kriterlerin En Ġyi ve En Kötü Değerleri .......................................120
Tablo-47: Alternatiflerin Her Bir Kriter Açısından En Ġyi Kriter Değerine Olan
Uzaklık Değerleri ........................................................................................121
Tablo-48: Alternatiflerin Her Bir Kriter Açısından En kötü Kritere Değerine
Olan Uzaklık Değerleri ................................................................................122
Değerleri .....................................................................123
Tablo-49:
ve
Tablo-50:
,
,
Tablo-51:
,
ve
ve
Değerleri....................................................123
Ġndeks Değerleri .....................................................124
Tablo-52: Alternatiflerin S ve R Değerleri ...................................................125
Tablo-53: Alternatiflerin Farklı
Değerleri ile Sıralanması .........................126
Tablo-54: SMAA-2 Metodu için Alternatiflerin Kriterlere Göre Aldığı Değer
...................................................................................................................129
Tablo-55: Alternatiflerin Sıralanması ..........................................................134
xiv
ġEKĠLLER LĠSTESĠ
Sayfa
ġekil-1: Weber YerleĢim Yeri Üçgeni .......................................................... 13
ġekil-2: Çok Kriterli Tesis YerleĢim Problemlerinin Sınıflandırılması .......... 17
ġekil-3: Tesis YerleĢim Problemlerinin Sınıflandırılması ............................. 18
ġekil-4: Çok Kriterli Karar Verme Süreci ..................................................... 49
ġekil-5: Üçgen Bulanık Sayıların Grafiksel Gösterimi ................................. 52
ġekil-6: Ana Birimler ile Diğer Tesislerin KonuĢlu Olduğu Yerler ................ 84
ġekil-7: Ankete Katılan Personelin Statü Dağılımı ...................................... 86
ġekil-8: 1940-2010 Yılları Arasında Gözlenen Afetlerin Toplam Sayısı ...... 92
ġekil-9: SMAA-2 Metodu ile Elde Edilen Sonuçlar .....................................127
ġekil-10: Sıra Kabul Edilebilirlik Ġndisi ........................................................130
ġekil-11: Güvenilirlik Faktörleri ile Merkezi Ağırlık Vektörleri .....................132
ġekil-12: EĢit Kriter Önem Ağırlığı ile Alternatiflerin Sıralanması ...............133
xv
KISALTMALAR LĠSTESĠ
AHP
: Analitik HiyerarĢi Prosesi
ANP
: Analitik Network Prosesi
BPĠÇ
: Bulanık Pozitif Ġdeal Çözüm
BNĠÇ
: Bulanık Negatif Ġdeal Çözüm
CBS
: Coğrafi Bilgi Sistemi
ÇAKV
: Çok Amaçlı Karar Verme
ÇKKV
: Çok Kriterli Karar Verme
ÇNKV
: Çok Nitelikli Karar Verme
ELECTRE
: Elimination Et Choix Traduisant La Réalité
KV
: Karar Verici
MAUT
: Multi-Attribute Utility Theory
PROMETHEE : Preference Ranking Organization Method for Enrichment
Evaluations
SAW
: Simple Additive Weighting Method
SMAA
: Stochastic Multicriteria Acceptability Analysis
TOPSIS
: Technique For Order Preference By Similarity To Ideal
Solution
TÜĠK
: Türkiye Ġstatistik Kurumu
VIKOR
: VIseKriterijumska Optimizacija I Kompromisno Resenje
xvi
GĠRĠġ
Karar verme insanı diğer varlıklardan ayıran temel özelliklerden bir
tanesidir. Karar verme ve analizi yönetim bilimlerinin önemli bir parçasıdır ve
belki de insanlık tarihinin en eskisidir. Tesis yer seçimi kararları da Ģu an
yönetim bilimi ve harekât araĢtırmasının en temel ilgi alanlarından biridir.
Tesis yeri seçimi genel anlamda bir tesisin kurulacağı ya da yerleĢtirileceği
bölgenin veya arazi parçasının seçilmesidir. Yer seçimi kararları uzun vadeli
özellik taĢıması nedeniyle stratejik öneme haiz yatırım kararlarıdır. Uzun
dönemli ve stratejik bir karar olmasından dolayı değiĢtirilmesi güç ve
maliyetlidir. Bu tip tesislere; hastaneler, okullar, fabrikalar, alıĢveriĢ
merkezleri, kıĢlalar ve lojistik tesisler örnek gösterilebilir.
Yeni bir tesisin kurulması için verilen yer seçimi kararı genellikle
iĢletmeler için geri dönüĢümü çok zor olan, uzun dönemi kapsayan maliyetli
ve zamana duyarlı bir süreçtir. Bu kararlar; hem kamu hem de özel sektörün
amaçlarına bağlı olarak farklılık ya da değiĢiklik göstermekle birlikte, yüksek
maliyetli
ve
uzun
gösterebilmektedir.
standartlarının
hızla
vadeli
YaĢanan
olması
sebebiyle
teknolojik
yükselmesi,
ortak
geliĢmelerle
yerleĢim
alanların
özellikler
birlikte
de
yaĢam
geniĢlemesi
ve
değerlenmesi, artan ulaĢım ağ ile modları, zaman kısıtlaması, talep
noktalarına (müĢteriler) yakınlık, tesisleĢmede sosyal ve çevresel etkenler
gibi pek çok boyutun artarak önem kazanması en iyi tesis yerini seçmeyi
oldukça zor ve karmaĢık bir problem haline getirmektedir.
GeçmiĢ
dönemlerde
yalnızca
maliyet
veya
kâr
analizlerinin
karĢılaĢtırması yapılarak matematiksel iĢlemlerle seçilen tesis yerleĢimi için
günümüzde geliĢtirilen karar verme modelleri ile daha iyi sonuçlar elde
edilebilmektedir. Alternatif yerler arasından bir seçim yapmayı amaçlayan
tesis yerleĢim problemleri, aslında bir çeĢit karar verme problemi olması
nedeniyle, matematiksel modellerin yanı sıra, çok kriterli karar verme
(ÇKKV) yöntemlerinin de uygulama alanına girmektedir.
1
Bu tip bir problemin zorluğu, problemlerde pek çok çatıĢan faktör ve
kriterlerle beraber, sayısal olarak ifade edilemeyen (soyut) çok fazla sayıda
kısıt bulunmasından kaynaklanmaktadır. Bu nedenle tesis yer seçimi, birçok
ölçülebilir ya da ölçülemeyen faktörün dikkatli analiz edilerek alınması
gereken bir karardır. Seçilecek yerin, kurumun ya da firmanın ihtiyaçlarını en
iyi Ģekilde karĢılayacak nitelikte olması gerektiğinden, bu ihtiyaçlar objektif
olarak belirlenerek tanımları eksiksiz olarak yapılması gerekmektedir.
Ayrıca seçilecek yer ilgili alınacak kararlarda, karar vericilerin objektif
değerlendirmeler yapılması, kriter ve alternatiflerin belirlenmesinde uzman
personel ve birimlerden destek alınması, kararların mümkün olduğunca uzun
bir dönem göz önünde bulundurularak ve gelecekte meydana gelebilecek
değiĢiklikler de dikkate alınarak verilmesi tesis yerinin en uygun yer olarak
seçilmesine imkân sağlayacaktır.
Kurulacak tesisin özelliğine, üretilecek ürün çeĢidine veya verilecek
hizmete göre tesis yer seçimi kararına etki eden pek çok faktör
bulunmaktadır. Hatta kamu veya özel sektör kuruluĢuna göre tesisin kurulum
amacı bile farklılık göstermektedir. Kamu kurumu için genel amaç kârını
artırmaktan ziyade, ihtiyaç sahibi vatandaĢlar için mümkün olan en yakın
noktaya hızlı, kaliteli ve adil hizmeti sağlamaktır. Bu tip tesisler için
hastaneler, okullar, itfaiye istasyonları, polis karakolları, askeri kıĢlalar, ikmal
merkezleri ve kamu hizmet binaları örnek gösterilebilir.
Ancak özel sektör açısından tesis yeri seçimi için müĢteriye yakın
olmak ne kadar önemli bir unsur olsa da, maliyeti minimum ya da kârını
maksimum yapacak nokta veya bölgeler seçmek birincil amaç olmaktadır.
Tesis yeri kararı sadece yeni kurulacak iĢletmelerde değil, bir tesisi kapatıp
yeni bir yerde açma, tesis geniĢletme, yeni ürün üretme, iĢletmeye yeni bir
bölüm ekleme gibi kararlarda da söz konusudur.
Yöneylem araĢtırması, belirli kısıtların olduğu bir durumda, belirli bir
amaca yönelik olarak en uygun çözümün bulunması için geliĢtirilmiĢ bir
2
yöntemdir.
Bu
yöntem,
tedarik zincirinde
bitmiĢ
ürünler için
talep
yönetiminde, hammadde ve ürün akıĢını yönetirken, araç sayısını en aza
indirebilmek için toplu taĢıma araçlarının rotalamasında, nakliye ve taĢıma
yönetiminde, tedarikçi seçimi ve tesis yer seçimi gibi pek çok probleme
çözüm önerisi getirmektedir.
Tesis yer seçimi problemleri de son yarım yüzyıldır yöneylem
araĢtırması bilim dalının ilgi sahasında yer almaktadır. Bu tip problemlerin
çözümü için çoğunlukla matematiksel modeller kullanılmıĢtır. Son yıllarda ise
sayılamayan ve ölçülemeyen kriterlerin artması ile birlikte en iyi çözümü
bulmak ya da bu çözüme en yakın çözüm önerilerini sunmak amacıyla
sezgisel modeller ve yine diğer bir yaklaĢım olarakta ÇKKV yöntemleri
kullanılmıĢtır. ÇKKV teknikleri de yer seçimi problemlerinde genellikle tercih
edilen tekniklerdendir. ÇKKV yöntemleri uzman görüĢüne dayanan ve
problem etki eden kriterlerden dolayı karar vermenin zor olduğu karmaĢık
durumlarda kriterlerin karĢılaĢtırılması ile alternatifler arasından en uygun
çözüm alternatifinin bulunmasına odaklanan tekniklerdir.
Bu çalıĢmada, bir kamu kurumu için müteakip dönem içerisinde
kapatılacak bir lojistik tesisin yerine ya da yeni açılması planlanacak bir
lojistik tesis (ikmal merkezi) için tesis yer seçimi problemi ele alınmaktadır.
Karar sürecinde, öncelikle tesis yer seçimini etkileyen faktörler ile birlikte
kamu kurumunun özel durumu gereği sahip olması gereken kriterler
belirlenmektedir. Türkiye sınırları dâhilinde kurulacak yeni bir ikmal merkezi
için, bu yerin hangi kriterlere sahip olması gerektiğinin belirlenmesinde,
kurumun karar vermeye yetkin çalıĢanlarına anket uygulaması yapılmaktadır.
Kurumun ihtiyacını karĢılamak üzere, kurum ile koordineli olarak
belirlenen alternatif yerler, üst düzey yöneticiler tarafından dilsel değiĢkenler
ile değerlendirilmektedir. Söz konusu problem ile kullanılan kriterlerin
yapısına uygun olarak tespit edilen üç adet ÇKKV metodu ile ayrı ayrı çözüm
önerisi sunulmaktadır. Son olarak elde edilen sonuçlar karĢılaĢtırılmakta ve
yorumlanmaktadır. ÇKKV metotlarının en iyi alternatif olarak aynı yeri tercih
ettiği görülmektedir.
3
BĠRĠNCĠ BÖLÜM
TESĠS YERĠ SEÇĠMĠ
1.
GĠRĠġ
Dağıtım ağı tasarımında alınan kararlar genellikle stratejik seviyede
önem arz eden kararlar olması ile birlikte uzun süre etki yapması nedeniyle
kritik özelliğe sahiptir. Bu tasarımda, tesislerin (fabrika, ikmal merkezi ve
depolar gibi) nerelere yerleĢtirilmesi gerektiği, üretilen ürünlerin müĢterilere
nasıl gönderileceği, hangi ürünün nerede ve ne kadar üretileceği, müĢterilerin
hangi tesisten ürün ya da hizmet alacağı, depolarda ne kadar stok
bulundurulacağı gibi birçok soruya cevap aranmaktadır.
Bir dağıtım ağının etkinliğinin ve performansının artırılmasındaki en
önemli unsurlardan birisi de tesislerin yerleĢimidir. Çünkü kurulacak tesislerin
yatırım maliyetleri çok yüksektir ve tesislerin uzun süre bulunduğu konumda
hizmet
etmesi
beklenmektedir.
Örneğin;
talep
miktarına,
ulaĢtırma
imkânlarına, büyüme/geniĢleme kabiliyetine, afet durumuna, gelecekte icra
edeceği görev yeteneğine ve değiĢen koĢullara bağlı olarak tesis yerinin
değiĢtirilmesi söz konusu olmamalıdır. Dolayısıyla müĢteri ihtiyaçlarını
karĢılayacak Ģekilde tesislerin yerleĢimi uzun yıllar üzerinde çalıĢılacak ve bir
tesis yerleĢim problemi olarak karĢımıza çıkacaktır.
Tesis yer seçimi, birkaç mevcut tesis açısından en az bir amaç
fonksiyonunu (maliyet, kâr, gelir, mesafe, hizmet seviyesi, bekleme zamanı,
kaplama alanı, ve pazar payları gibi) eniyilemek (azaltmak veya arttırmak)
amacıyla bir yeni tesis yerini seçmek ya da lokasyona yerleĢtirmek ile
ilgilenen harekât araĢtırmasının bir dalıdır (Farahani vd., 2010). Tesis yeri
seçimi kararları; kârın artırılması, maliyetlerinin azaltılması, personel ve
zaman tasarrufunun sağlanması, teslimat süresinin kısaltılması, müĢteri
ihtiyacına hızlı yanıt verilmesi, müĢteri sayısının ve memnuniyetinin
4
artırılması
gibi
çok
fazla
sayıda
amacı
içinde
bulunduran
ve
organizasyonların performansının artırılmasında önemli katkısı olan stratejik
kararlardan birisidir.
Stratejik seviyeler, ana tesislerin yerleĢimi, her bir fabrikada
kurulacak üretim teknolojileri ve her bir fabrikanın üretim kapasitesi,
kaynakların satın alınmasını belirlemekle ilgilidir. Stratejik kararlarda, ürünün
üretileceği, montaj yapılacağı ve müĢterilere dağıtılacağı ağı belirlemekle
uğraĢmaktadır (Lee ve Wilhelm, 2010).
Konu ile ilgili literatürde oldukça geniĢ bir çalıĢma alanına
bulunmaktadır. Özellikle son yıllarda gerçek hayat koĢullarının (nitel ve soyut
kriter ve kısıtlar) daha fazla problemin içine yansıtıldığı, en iyi çözüme
ulaĢmak için problem yapısına uyumlu pek çok analitik model, metot ve
yaklaĢımın tek baĢına ya da bütünleĢik bir Ģekilde kullanıldığı birçok
çalıĢmanın olduğu görülmektedir.
Her kamu veya özel sektör iĢletmesinde, tesislerin yerleĢimi
konusunda müĢteriler veya tesisler arasındaki iliĢkiye bağlı olarak birtakım
yerleĢim çalıĢmalarına ihtiyaç duyulmaktadır. Firmaların ürünlerini etkili bir
Ģekilde üretmesi, pazarlaması veya bir acentenin kaliteli bir hizmetle
ürünlerini teslim etmesi o firmanın veya acentenin tesis yerleĢimine bağlıdır
(Daskin,1995).
Kamu sektöründe de özel sektörde olduğu gibi hizmet birimlerinin
uygun amaçlar ile faaliyet göstermesi bu birimlerin yerleĢimi ile doğrudan
iliĢkilidir. Bir itfaiye istasyonu için hizmet verilen noktaya olan mesafesinin ne
kadar fazla ya da ulaĢım süresi ne kadar uzun olursa, can veya mal kaybı ile
ölüm oranı/riski o kadar yüksek olacaktır. Buna hastanelerin acil servis sağlık
hizmeti
sunan
ambulans
araçlarının
gösterebiliriz (Daskin,1995).
5
yerleĢim
noktalarını
da
örnek
Özetle, kamu ya da özel sektörde hizmet birimlerinin uygun
amaçlarla faaliyet göstermesi bu birimlerin bölgeye yerleĢim durumuna
bağlıdır. Literatürde tesis yerleĢimi; kamu sektörü, özel sektör, askerî çevre,
iĢ bölgeleri gibi yerel ve uluslararası boyutları içermekte ve buna iliĢkin pek
çok uygulama alanı bulunmaktadır (Daskin,1995).
Askerî bir birliğin barıĢ ve savaĢ ortamında yürütmüĢ olduğu lojistik
faaliyetlerin baĢarısı, ikmal maddelerinin doğru, kesintisiz ve hızlı akıĢına
bağlıdır. Bu akıĢın sağlanmasında, tedarik, envanter tutma, stok kontrolü,
depolama, bilgi sistemleri kullanımı gibi etkenlerin yanı sıra tesis yerleĢimi
hususu da önemli bir yere sahiptir. Tesislerin uygun yerleĢimi aynı zamanda
ekonomik ikmal yapmayı sağlamaktadır.
2.
TESĠS YERĠ SEÇĠMĠ KAVRAMI VE ÖNEMĠ
Bir firmanın ya da kamu kuruluĢunun uzun dönem operasyonunu
yapacağı tesis yerlerini belirleme kararı, maliyet ve kazanç faktörleri dikkate
alındığında en önemli kararlardan birisidir. YerleĢim yeri kararı, hem sanayi
hem de hizmet kuruluĢlarının sabit ve değiĢken maliyetlerinin belirleyebilmesi
açısından kritik bir unsurdur. Yer seçimi stratejisi kurulması düĢünülen
firmaya bağlı olarak değiĢir. Sanayi yerleĢim analizi kararlarında amaç
maliyet minimizasyonuna odaklanırken, kar amacı güden özel firmalar ise kâr
maksimizasyonuna odaklanmaktadır. YerleĢim stratejisinde amaç, firmanın
yerleĢim faydasını maksimize etmektir. (Heizer ve Render,1988)
Bir tedarik zinciri ağı içerisindeki sabit tesislerin (fabrika, depo yeri,
dağıtım merkezi vb. gibi) yerleĢim yerlerinin belirlenmesi, tedarik zincirinin
bütününe biçim, yapı ve Ģekil veren önemli bir karar problemidir. Alternatifler
ile birlikte, bunlara iliĢkin maliyetleri ve yatırım seviyelerini belirleyen bu
tasarım,
sistemin iĢletilmesi için kullanılmaktadır. YerleĢim yeri kararları
kullanılacak tesisin sayısının, yerinin ve büyüklüğünün belirlenmesini içeren
kararlardır. Bu tesisler, fabrikalar, limanlar, satıcılar, depolama alanları,
6
perakende satıĢ yerleri ve hizmet merkezleri gibi ağ yapısındaki bir düğüm
noktasını oluĢturmaktadır (Ballou, 2004).
Tesis yer seçimi problemleri, bir grup tesisin bazı kısıtlar altında
talepler (müĢteriler) kümesini karĢılanması maliyetleri en aza indirmek için
tesislerin (kaynakların) konumlarının yerleĢtirilmesi ve müĢterilerinin bu
tesislere atanması problemidir. Tesis yeri kararları özel ve kamu kurum ve
kuruluĢların stratejik planlaması için kritik unsurlardır. Tesislerin yerleĢim
noktalarının
belirlenmesi
operasyonel
ve
lojistik
pek
çok
karardan
etkilendiğinden geniĢ kapsamlı ve uzun süreçlidir (Bastı, 2012).
Mülk edinimi ve tesis yapımı ile ilgili yüksek maliyetler tesis yer
seçimi veya yer değiĢtirmesi kararlarını uzun dönem yatırım projeleri haline
getirmektedir. Karar vericilerin sadece mevcut sistemin yapısına göre
tesisleri yerleĢtirmesi iyi bir performans göstermeyecek, aynı zamanda
çevresel faktörlerin değiĢikliği, nüfus kayması ve geliĢen piyasa eğilimini de
dikkate alan ve tesisin ömür boyu karlı olmaya devam etmesini sağlayacak
yerleri seçmeleri gerekmektedir. Tesis yer seçimi; bir veya birden çok hizmet
noktasının yerlerinin, talep merkezlerinin ihtiyaçlarının belirli veya olasılıklı
kısıt değerleri ile ölçülebilir ya da ölçülemeyen ölçüt değerleri dikkate alınarak
minimum
maliyetle
veya
en
kısa
sürede
karĢılayabilecek
Ģekilde
belirlenmesidir (Farahani ve Hekmatfar, 2009).
Bir baĢka ifadeyle, gelecek/uzun dönem planlamalar dâhilinde çeĢitli
ölçütlere göre en iyi performans değeri gösteren ve firmaya maksimum
rekabet avantajını, kuruma ise hizmet sunma imkânı ile hizmet artıĢı
sağlayan yerin seçilmesi problemi olarak tanımlanmaktadır. Yine tesis yer
seçimi, gelecek dönem söz konusu avantajları elde edebilecek veya hizmet
sunumunun sağlayacak yatırım için en uygun yerin seçilmesi olarak ifade
edilmektedir (Çınar, 2010). En basit tanımı ile TYP, tesislerin kurulacağı
alternatif yerlerin bir kümesi ve kurulacak tesislerden ihtiyaçları karĢılanacak
müĢterilerin bir kümesi verildiğinde, en az maliyet ile müĢteri ihtiyaçlarını
7
karĢılayacak Ģekilde tesislerin kurulacağı yerlerin seçimi problemidir (Bastı,
2012).
Tesisler; fabrika, depo, dağıtım merkezleri, sanayi siteleri vb.
endüstriyel alanlar olabileceği gibi okul, hastane, askeri kıĢla veya lojistik
tesis, polis karakolu, kütüphane, valilik ve belediye hizmet binaları gibi kamu
kurum ve kuruluĢları da olabilmektedir.
Tesis yer seçimi, 1960‟lı yıllarda metodolojik olarak çalıĢılmaya
baĢlamıĢ olmasına rağmen günümüzde de halen çalıĢılmaya devam edilen
ve gündemde olan bir konu olarak karĢımıza çıkmaktadır. Örneğin,
Türkiye‟de kurulması planlan bir nükleer santralin yerinin belirlenmesi
sonucunda halkın vermiĢ olduğu tepki ya da baraj yapılması kararı verilen bir
yerleĢim alanının ülke turizmine vermiĢ olduğu zararın etkisi halen tesis yer
seçimi
problemlerinin
güncelliğini
koruduğunun
bir
kanıtı
olduğunu
göstermektedir.
Tesis yeri seçimi aĢağıda belirtilen nedenlerden dolayı oluĢabilir
(TanyaĢ, 2000);
-
Yeni bir tesis kurulması,
-
Yeni bir alana veya binaya taĢınılması,
-
Yeni ürün tasarımları veya mevcut ürünlerdeki önemli tasarım ve
yönetim değiĢiklikleri, teknolojik yenilemeler,
-
Bazı ürün üretimlerinden vazgeçilmesi,
-
Yeni makine alımları,
-
Ergonomik koĢullardaki olumsuzluklar,
-
Çevre koruma etmenlerinden kaynaklanan zorlamalar,
-
Malzeme taĢımalarının maliyetlerdeki etkisi,
-
Ürün ve üretim kalite spesifikasyonlarının sağlanabilmesi
Tesis yer seçimi, kamu ve özel sektör firmalarının geniĢ yelpazede
stratejik planlamasında kritik bir noktadır. Yeni bir tesisin geliĢtirilmesi ve
8
satın alınması genellikle pahalı ve zamana duyarlı bir projedir. Bir tesis satın
alınmadan veya inĢa edilmeden önce; bu tesis için uygun kapasite özellikleri
belirlenmeli, iyi yerlerde konumlandırılmalı ve büyük miktarda sermeye tahsis
edilmelidir. Bir tesis yeri seçimi kararı, firma ve kamu kurumunun amaçlarına
bağlı iken, bu süreç ile ilgili yüksek maliyetler hemen hemen her yerleĢim
projesini uzun vadeli bir yatırım projesi haline getirmektedir. Böylece bu
tesislerin uzun süre süreç içerisinde kalması beklenmektedir (Owen ve
Daskin, 1998).
3.
TESĠS YER SEÇĠMĠ PROBLEMLERĠNĠN GENEL ÖZELLĠKLERĠ
Tesis yer seçimi modelleri yüzyıllardır farklı Ģekilde çalıĢılmaktadır.
Bu modeller içerisinde yer alan kavramlar değiĢiklik gösterse de bu üç ana
özellik her zaman aynı kalmıĢtır: ölçüm sistemini içeren bir uzay, bu uzayda
yerleri bilinen müĢteriler ve bazı amaç fonksiyonların göre yerlerine karar
verilmesi gereken tesisler (Revelle vd., 2008).
Revelle ve Eiselt, tesis yer seçimi problemlerinin ayırt edici özelliği
olan dört unsuru Ģu Ģekilde göstermiĢtir (Revelle ve Eiselt, 2005);
-
Hâlihazırda noktalar veya güzergâhların üzerinde bulunduğu
varsayılan müĢteriler,
-
YerleĢtirilecek tesisler,
-
MüĢterilerin ve tesislerin konuĢlu bulunduğu bir alan (uzay),
-
MüĢteriler ile tesislerin arasındaki zaman ya da mesafeyi
nitelemek için kullanılacak bir ölçüm (metrik) sistemi.
Farahani vd., tesis yer seçimi problemleri için genellikle ele alınan
amaçları (Farahani vd., 2010);
-
Toplam kuruluĢ maliyeti minimizasyonu,
-
Mevcut tesislerden en uzun mesafenin minimizasyonu,
-
Sabit maliyetin minimizasyonu,
9
-
Toplam yıllık iĢletme maliyeti minimizasyonu,
-
Hizmet maksimizasyonu,
-
Ortalama süre/seyahat mesafesi minimizasyonu,
-
Maksimum süre/seyahat mesafesi minimizasyonu,
-
YerleĢtirilen tesis sayısının minimizasyonu,
-
Hızlı
yanıt
verme
seviyesinin
maksimizasyonu
olarak
belirlemiĢtir.
Son zamanlarda yapılan çalıĢmalarda, enerji maliyeti, arazi kullanım
ve yapım maliyeti, kalabalık, gürültü, yaĢam kalitesi, kirlilik, fosil yakıt sorunu
ve turizm gibi çevresel ve sosyal amaçların alıĢılmıĢ olarak karĢılaĢıldığı
görülmektedir. Ancak bu problemlerin çözüm çalıĢmasında karĢılaĢılan en
önemli zorluklarından birisi bu kriterleri ölçecek bir ölçüm sisteminin
bulunmasıdır.
Tesis yeri seçimi harekât araĢtırması ile birlikte iyi anlaĢılmıĢ bir
araĢtırma alanıdır. Tesis yeri seçimi problemlerinin çözümünde kullanılan
modeller, lojistiğin yeni geliĢen bir alanı olan tedarik zinciri yönetiminin de
dikkatini çekmiĢtir. Bir tedarik zinciri ağ tasarımında bu modeller çoğunlukla
kullanılmıĢtır (Melo vd., 2009).
Genel bir tesis yeri seçimi problemi mekânsal olarak dağılmıĢ bir
müĢteriler kümesi ile müĢteri taleplerini karĢılamak için mevcut ya da
kurulacak tesisler kümesini içermektedir. MüĢteriler ile tesisler arasındaki
mesafe, zaman ve maliyet değiĢkenleri belirlenen ölçüm sistemine göre
hesaplanmaktadır. Burada cevabının bulunması gereken muhtemel sorular
Ģunlardır (Melo vd., 2009);
-
Hangi tesisler kullanılmalıdır (açılmalıdır)?
-
Toplam maliyeti en aza indirmek amacıyla hangi müĢteri hangi
tesisten hizmet almalıdır?
10
Tesis yerleĢim optimizasyon modeli problemlerinin önemi Ģu iki
faktörden açıkça görülebilmektedir (Haghani, 1996). Bunlar; sistemin iĢletme
maliyetine doğrudan etkisi ve talebin zamanında cevaplanmasıdır. Bu
modeller, bazı kısıtlar kümesi altında, bir takım talepler kümesini karĢılamak
amacı ile maliyetini en aza indirecek Ģekilde fiziksel olarak tesislerin
(kaynakları) nereye yerleĢtireceğini bulmayı araĢtırmak için kullanılır (Hale ve
Moberg, 2003).
11
ĠKĠNCĠ BÖLÜM
LĠTERATÜR ARAġTIRMASI
1.
YAPILAN ĠLK ÇALIġMALAR
Klasik bir bilim alanı olarak yerleĢim yeri teorisinin tarihsel geliĢimine
bakıldığında, bazı uzmanlar bu alanın baĢlangıcının 17‟nci yüzyılın ilk
zamanlarında Pierre de Fermat, Evagelistica Toricelli (Galileo‟nun öğrencisi)
ve
Batiste
Cavallieri‟nin
yapmıĢ
olduğun
çalıĢmalara
dayandığına
inanmaktadırlar (Farahani vd., 2010). Pierre de Fermat probleminde amaç;
düzlem üzerinde verilen üç nokta göz önüne alındığında bu üç noktanın
mesafeleri toplamının en az olduğu dördüncü bir noktayı bulmaktır (Smith
vd., 2009).
Daha sonra, Alfred Weber‟ in 1909‟da bir depo ile müĢterileri
arasındaki toplam mesafeyi en aza indirmek amacıyla bu deponun
konumlandırılmasına yönelik çalıĢması (Owen ve Daskin, 1998) yerleĢim
bilimi tarihinin baĢlangıç noktası sayılmıĢ ve tüm bilim adamları tarafından ilk
resmi çalıĢma olarak kabul edilmiĢtir (Farahani vd., 2010).
Literatürde Weber yerleĢim yeri üçgeni olarak yer alan bu modelde,
Weber en uygun yeri bulmak için iki köĢesini hammadde kaynakları, diğer
köĢesini ise ürünlerin satıldığı bir pazarın oluĢturduğu üçgen Ģeklini
kullanmıĢtır. Weber, modelindeki en önemli unsurun ise taĢıma maliyeti
olduğunu belirtmiĢ ve maliyeti minimum yapan noktanın tesis için en uygun
yer olduğunu göstermiĢtir. TaĢıma maliyetinin minimize eden Weber yerleĢim
yeri üçgeni ġekil-1‟de gösterilmektedir. Burada M noktası pazarı, S1 ve S2
noktaları ise kaynak noktalarını temsil etmektedir. P noktası ise fabrikanın M,
S1 ve S2 noktalarının arasındaki uzaklıklara göre en uygun tesis yerini
göstermektedir (The Geography of Transport Systems [web], 2013).
12
ġekil-1: Weber YerleĢim Yeri Üçgeni
1960„ların baĢlarına kadar yerleĢim problemlerinde ve küme kaplama
modellerinde hızlı bir geliĢim gözlenmemiĢtir. Bu süre içinde yapılan
çalıĢmalar hep tek bir hizmet noktası üzerine yoğunlaĢmıĢtır (Ünal, 2011).
Cooper, 1963 ve 1964 yıllarında Weber‟in tek tesis problemini
geniĢleterek
çoklu
tesis
yerleĢim–atama
problemini
baĢlatmıĢtır.
Maranzana‟da 1964 yılında bu problemi sürekli uzaydan ağ Ģebekesine
taĢıyarak, klasik bir sezgisel yer arama problemi haline getirmiĢtir (Smith vd.,
2009).
1964 yılında, Hakimi bir ağ üzerinde ortancayı bulmak için benzer
problemler geliĢtirmiĢ ve bu mutlak medyan problemlerini Weber'in ağırlıklı
yer seçimi probleminden esinlenmiĢtir. Hakimi, bir telekomünikasyon
Ģebekesi üzerindeki ağ bağlantı noktalarının en uygun yerlerinin belirlenmesi
için bir mutlak medyan ve p-medyan model önermiĢtir. Bu çalıĢmadan sonra,
p-medyan problemi yer teorisinin ayrılamaz bir uygulama modeli olmuĢ ve en
yaygın kuruluĢ yeri modellerinden biri haline gelmiĢtir (Reese, 2005).
13
2.
TESĠS YERĠ SEÇĠMĠ PROBLEMLERĠNĠN SINIFLANDIRILMASI
Yeni açılacak tesis yerlerinin seçimine karar vermek stratejik öneme
sahip zor bir karardır (Owen ve Daskin, 1998). Literatürde tesis yer seçimi
problemleri
ile
ilgili
olarak
yapılan
çalıĢmaların;
problemin
amaç
fonksiyonuna, yerleĢim uzayına, kapasite kısıtlı olup olmamasına, tesis tipi
ve sayısına, ürün çeĢidi ve sayısına, sezgisel ve olasılıklı olmasına, maliyet
ya da kâr yapılı bir kuruluĢ olması vb. gibi çeĢitli faktörlere göre
sınıflandırıldığı görülmektedir.
Owen ve Daskin, yapmıĢ olduğu sınıflandırmaya göre tesis yer
seçimi problemlerini;
-
Statik ve deterministik yerleĢim problemleri (ortanca, kaplama ve
merkez problemleri),
-
Dinamik yerleĢim problemleri (tek tesis yerleĢim modelleri, çok
tesis yerleĢim modelleri),
-
Sezgisel yerleĢim problemleri (olasılıklı, senaryoya dayalı model)
olarak üç ana baĢlık altında toplamıĢtır (Owen ve Daskin, 1998).
Tesis yeri seçim problemleri için yapılan diğer bir sınıflandırma Sule
tarafından yapılmıĢtır. Bu sınıflandırmaya göre tesis yerleĢim problemleri;
-
p-medyan problemi,
-
p-merkez problemi,
-
Kapasite kısıtsız tesis yeri seçim problemi,
-
Kapasite kısıtlı tesis yeri seçim problemi,
-
Karesel atama problemi olmak üzere beĢ ana kategoriye
ayrılmıĢtır (Sule, 2001).
Current vd. ise tesis yeri seçim problemlerini;
-
Küme kaplama,
14
-
Maksimum kaplama,
-
p-merkez,
-
p-dağılım,
-
p-medyan,
-
Sabit maliyetli tesis yeri seçim,
-
Ana dağıtım üssü ve maksimum toplam olarak sekiz ana grupta
toplamıĢtır (Current vd., 2001).
Diğer bir sınıflandırma ise Klose ve Drexl tarafından yapılmıĢ ve
dağıtım sistemleri tasarımı için tesis yeri modelleri sınıflandırılmıĢtır. YapmıĢ
olduğu geniĢ sınıflandırmaya göre tesis yerleĢim modelleri;
-
Tesislerin düzlem üzerindeki yerleĢtirilmesine göre; ağ yerleĢim
modeli, kesikli yerleĢim modeli veya karıĢık tam sayılı programlama modelleri
olmak üzere üç sınıfa ayrılmıĢtır.
-
Amaç
fonksiyonlarının
tipine
göre;
toplam
mesafenin
minimumunu ya da maksimum uzaklığın minimumunu hesaplamasına göre
iki sınıfa ayrılmıĢtır. Toplamların minimumu modeli özel sektör firmalarının
yer seçimi problemlerinde kullanılırken, maksimumların minimumu modelleri
kamu sektöründe ortaya çıkan ve kâr amacı gütmeyen yer seçim
problemlerinde kullanılır.
-
Kapasite kısıtına göre; kapasite kısıtlı veya kapasite kısıtsız
olmasına göre iki sınıfa ayrılmıĢtır. Ayrıca kapasite kısıtlı tesis yerleĢim
modelleri tek kaynak ya da çok kaynak olmasına göre ikiye ayrılmaktadır. Bu
da müĢterinin talebinin tek tesisten mi yoksa çok tesisten mi karĢılanacağına
karar
veren
modeldir.
kısıtsız
Kapasite
modelde
talep
ataması
sınırlandırılamaz, kapasite kısıtlı modellerde ise talep atamaları verilen
kısıtlar göre atama yapılır.
-
AĢama sayısına göre; tek aĢamalı veya çok aĢamalı (hiyerarĢik)
yapıda olmasına göre ikiye ayrılmıĢtır.
-
Ürün sayısına göre; tek ürün ya da çoklu ürün olmasına göre
ikiye ayrılmıĢtır.
15
-
Talep yapısına göre; talebin esnek ya da sabit olmasına bağlı
olarak ikiye ayrılmıĢtır.
-
Periyot miktarına göre; Statik (tek bir dönem) veya dinamik
modeller (talebin, maliyetin kapasitelerin zamana bağlı olarak değiĢtiği
modeller) olmasına göre iki sınıfa ayrılmıĢtır.
-
Verilerin aldığı değere göre; Olasılıklı ve belirli (deterministtik)
modeller olmasına göre iki sınıfa ayrılmıĢtır.
-
Klasik yer seçimi veya birleĢik yer seçimi/rotalama problemi
olmasına göre iki sınıfa ayrılmıĢtır.
-
Ayrıca, bu sınıflandırmaya ilave olarak tek ve çok amaçlı
modeller ve istenen/istenmeyen tesislerin modellerini de eklemiĢtir (Klose ve
Drexl, 2005).
Revelle vd., tesis yer seçimi modellerini dört ana gruba ayırmıĢtır;
-
Analitik modeller: Çok sayıda basitleĢtirilmiĢ varsayımlara
dayanır (Ör. taleplerin homojen olması, tesislerin sabit yerleĢim maliyetleri
olması, tüm tesisler için birim mesafeye göndereceği birim ürün taĢıma
maliyetinin aynı olması).
-
Sürekli modeller: Genellikle kurulacak tesislerin hizmet alanın her
yerine yerleĢtirebileceği varsayılır (Ör. Weber‟in tek tesis yer seçimi
problemi).
-
Ağ
modelleri:
Tesis
yerleĢim
probleminin
bağlantılar
ve
düğümlerden oluĢan bir ağ içine yerleĢtirildiği varsayılır.
-
Kesikli yerleĢim modelleri: Kesikli bir talepler kümesi ve kesikli bir
aday yerleĢim yerleri kümesinin olduğu varsayılır. Bu tip problemler sık sık
tam sayılı veya karıĢık tam sayılı programlama problemleri olarak formüle
edilir. Çözümü zor problemlerdir (Revelle vd., 2008).
Melo vd., tedarik zinciri yönetimi içindeki tesis yerleĢim problemlerini
analiz etmiĢ ve kullanılan yöntem ve uygulama alanlarına yönelik son
literatürü incelemiĢtir. Tedarik zinciri problemlerinde performans ölçümünde
amaç fonksiyonu olarak büyük bir çoğunlukla (% 75) maliyet minimizasyonunu
kullanılmaktadır. Bunu %16‟lık oranla kar maksimizasyonu amaç fonksiyonu,
16
% 9 oranı ile de çok amaçlı ve çatıĢan amaç fonksiyonu takip etmektedir
(Melo vd., 2009).
Farahani vd. tarafından, ÇKKV yaklaĢımı ile çözüm esasına dayalı
tesis yer seçimi problemleri için bir sınıflandırma yapılmıĢtır.
Bu tür
problemleri, “çok amaçlı” ve “çok nitelikli” olmak üzere iki gruba ayırmıĢtır.
Çok amaçlı problemleri ise “iki amaçlı” ve “k amaçlı” baĢlıkları altında iki alt
grupta toplamıĢtır. K amaçlı problemleri üç ve üçten fazla amacı olanları
göstermek için kullanmıĢtır. ÇKKV problemlerinin kategorizelendirilmesine
yönelik
yapılan
sınıflandırılma
ġekil-2„de
gösterilmiĢtir.
Ayrıca
bu
sınıflandırma dikkate alınarak yapılan çalıĢmalar, yazarlar, kullanılan
yöntemler ve kriterlerle ilgili bir literatür araĢtırması yapılmıĢ ve kategorize
edilmiĢtir ( Farahani vd., 2010).
Çok Kriterli
YerleĢim
Problemleri
Çok Amaçlı
YerleĢim
Problemleri
Ġki Amaçlı
Problemler
Çok Nitelikli
YerleĢim
Problemleri
k-Amaçlı
Problemler
(k≥3)
ġekil-2: Çok Kriterli Tesis YerleĢim Problemlerinin Sınıflandırılması
Arabani ve Farahani, tüm tesis yerleĢim problemlerini statik ve
dinamik tesis yerleĢim problemleri olarak iki temel baĢlık altında toplamıĢtır.
Tesis yerleĢim problemlerinin sınıflandırılmasına yönelik yapılan çalıĢma
ġekil-3‟de gösterilmiĢtir (Arabani ve Farahani, 2012).
17
Tesis yerleĢim problemleri (TYP)
Statik tesis yerleĢim problemleri
Dinamik tesis yerleĢim problemleri
Sürekli tesis yerleĢim
problemi
Dinamik deterministik
yerleĢim problemi
Tek tesis yerleĢim
problemi
Tesis yerleĢim-atama
problemi
Çok tesis yerleĢim
problemi
Tek/Çok periyodlu tesis
yerleĢim problemi
YerleĢim atama
problemleri
Zamana bağlı tesis
yerleĢim problemi
Kesikli tesis yerleĢim
problemi
Stokastik, olasılıklı, bulanık
tesis yerleĢim problemi
Karesel atama
problemi
KuruluĢ yerleĢim
problemi
Ağ tesis yerleĢim
problemi
Medyan tesis
yerleĢim problemi
Kaplama tesis
yerleĢim problemi
Merkez tesis
yerleĢim problemi
Ana dağıtım üssü
yerleĢim problemi
HiyerarĢik yerleĢim
problemi
ġekil-3: Tesis YerleĢim Problemlerinin Sınıflandırılması
Ayrıca bu çalıĢmaları kullanılan metot, kriterler ve uygulama alanları
baĢlığı altıda farklı bir sınıflandırmalara tabi tutarak sunmuĢtur (Arabani ve
18
Farahani,
2012).
Chen
vd.,
üretim
tesisleri
yerleĢim
problemlerini,
sürdürülebilirlik perspektifinden bakarak sosyal, ekonomik ve çevresel ana
faktörleri çerçevesinde sınıflandırmıĢtır. Ekonomik faktörlerin yerleĢim
problemlerindeki dinamikliği ile baskınlığına vurgu yaparak, çevresel ve
sosyal faktörlerin de rekabet avantajı gözeten organizasyonlar için son
yıllarda büyük önem kazandığını ifade etmiĢtir (Chen vd., 2013).
3.
TEMEL TESĠS YERLEġĠM PROBLEMLERĠNĠN AÇIKLANMASI
a. Statik Tesis YerleĢim Problemleri
Statik tesis yerleĢim problemleri, amacı en iyilemeye çalıĢırken
tüm değiĢkenleri tek bir zaman içinde ele alan problemlerdir. Bu
problemlerde kullanılan modeller; tek-periyodlu planlama ufku, belirli
parametreler (talep ve maliyetler gibi), tek bir ürün, tek tesis tipi ve
yerleĢtirme-atama kararları adında pek çok bilinen özelliklere sahiptir. Buna
rağmen, bu modeller birçok gerçekçi yer seçimi modellerinin çözümünde
açıkça yetersiz kalmaktadır (Melo vd., 2009).
(1)
Kaplama YerleĢim Problemleri
Bazı tesisler için, katedilen ortalama mesafeyi minimize
eden yerlerin seçimi uygun olmayabilir. Bu tesislere örnek olarak acil hizmet
tesislerinden yangın istasyonları ya da ambulans noktaları gösterilebilir. Bu
tip tesislerde talep noktalarına sağlanacak hizmetin kabul edilebilir süre ya da
mesafe içinde olması kritiktir. Kaplama bu manada anahtar kelimedir.
Kaplama yerleĢim problemleri, küme kaplama ve maksimum kaplama
yerleĢim problemleri iki ana bölüme ayrılmıĢtır (Owen ve Daskin, 1998).
Küme kaplama yerleĢim problemleri, tüm talep noktalarının
gereksinimlerini karĢılayacak en az sayıdaki tesis sayısını belirlemeyi
(Current vd., 2001) ya da bilinen belirli bir kaplama seviyesindeki tesis
yerleĢim maliyetini minimize etmeyi amaçlamaktadır (Owen ve Daskin,
19
1998). Bu model ayrıca, tüm taleplerin kabul edilebilir uzaklıkta yerleĢik en az
bir tesisten hizmet alma kısıtına sahiptir.
Küme kaplama problemlerinin hava yolu yolcu planlaması,
siyasi bölgeleri paylaĢma, hava yolu planlaması, araç rotalaması gibi pek çok
uygulama
alanı
bulunmaktadır.
Küme
kaplama
problemi
tüm talep
noktalarının sonlu bir kümedeki en az bir aday tesis tarafından en düĢük
maliyetle kaplanmasını amaçlamaktadır (Ünal, 2011).
Bölgesel olarak çok fazla dağınık düğümlerin mevcut
olduğu problemlerde bütün talep noktalarının kaplanması bütçe açısından
gerçekçi olmayan durumlar ortaya çıkarabilmektedir (Revelle vd., 2005). Ġlk
kaplama yerleĢim problemi Toregas tarafından 1971 yılında sunulan küme
kaplama yerleĢim problemidir. Modelin amacı, hizmet vereceği tüm talep
noktaları için minimum sayıda acil hizmet tesisi yerleĢtirmektir.
Maksimum kaplama yerleĢim problemleri, sabit sayıdaki
yerleĢik tesislerin kısıt olarak dikkate alınması ile belirlenen bir müdahale
süresine göre kaplanan talep miktarının en fazla yapılması amaçlanmaktadır.
Bu problemde, tüm taleplerin karĢılanması yerine eldeki kaynakların
maksimum
kullanılmasını
sağlayacak
Ģekilde
tesislerin
yerleĢiminin
belirlenmesi hedeflenmektedir (Daskin, 1995). Hem küme kaplama hem de
maksimum kaplama problem formülasyonları sonlu sayıda olası tesis
yerleĢimine
müsaade
etmektedir.
Bu
tür
modellerde
yapılan
geniĢ
araĢtırmalar göstermektedir ki; tesislerin ağ üzerinde herhangi bir yere
açılmasına
müsaade
edilse
bile,
problem
sonlu
sayıda
tesis
yeri
seçeneklerini bir taneye indirebilmektedir.
(2)
Merkez YerleĢim Problemleri
Merkez yerleĢim problemlerinde amaç tüm taleplerin
kaplanması sağlanmaktadır. Bununla birlikte belirli sayıda tesislerin kaplama
mesafesini en aza indirecek Ģekilde yerleĢtirilmesi araĢtırılmaktadır (Owen ve
20
Daskin, 1998). Kaplama mesafesini kullanmak yerine talep noktalarının
önceden konuĢlu p kadar tesise maksimum olan uzaklığı minimum yapmaya
çalıĢmaktadır.
P-merkez problemi, minimaks (maksimumların minimumu)
problemi olarakta bilinir ve herhangi bir talep ile ona hizmet sağlayan en
yakın
tesis
arasındaki
maksimum
mesafeyi
en
aza
indirmeyi
amaçlamaktadır. Küme kaplama modelinde olduğu gibi, tüm taleplerin
kaplanması gerekmektedir. Ancak p-merkez yerleĢim problemlerinde dıĢ
kaynaklı bir kaplama mesafesi kullanmak ve modelden bütün talep
noktalarını kaplayan tesis sayısını minimize etmesini beklemek yerine, her
talep noktasının bir tesisten uzaklığı içeriden tanımlı olarak kaplayacak
uzunluğu minimize etmesi beklenir (Daskin, 1995).
(3)
Medyan (Ortanca) YerleĢim Problemleri
P-medyan problemleri bir ağ üzerindeki hizmet sağlayan
tesisler ile talep noktaları arasındaki toplam mesafeyi ya da ortalama
mesafeyi “p” sayıda tesis için en az yapmayı amaçlamaktadır. Ortalama
mesafeye göre tesis yeri seçilmektedir. Ortalama seyahat süresi arttığında,
tesisin kabul edilebilirliği azalmaktadır. Dolayısıyla yerin efektifliği de azalır.
Bu tip istenen tesislere örnek olarak okullar, hastaneler, kütüphaneler
gösterilmektedir.
P-medyan problemi, 1964 yılında Hakimi tarafından
geliĢtirilmiĢtir. Bu problemler, talepler ile tesisler arasındaki toplam ağırlıklı
mesafeyi minimize etmek amacıyla “p” kadar tesisin yerleĢtirilmesi olarak
ifade edilmektedir (Owen ve Daskin, 1998).
(4)
Ağ YerleĢim Problemleri
Ağ
modellerinde,
yerleĢim
probleminin
düğüm
ve
bağlantılardan oluĢan bir ağın içinde gömülü olduğu varsayılmaktadır.
21
Talepler düğümlerden çıkar, gerçi bazı araĢtırmacılar taleplerin bağlantı veya
düğümlerde olduğu durumları da yapmıĢlardır. Bu yerleĢim modellerinde
mesafeler bir graf içindeki en kısa yol olarak hesaplanır (Klose ve Drexl,
2005).
Ana Dağıtım Üssü YerleĢim Problemleri ağ yerleĢim
modellerinin önemli çeĢitlerinden bir tanesidir. Bu modelin esas amacı toplam
taĢıma maliyeti ve teslimat süresi minimize edilecek Ģekilde ana dağıtım
üslerinin yerleĢtirilmesidir. BaĢka tesislerden gelen malzeme akıĢı ana
dağıtım üssünde toplanarak gruplandırılır. AkıĢların tamamı ya ana dağıtım
üslerine ya da doğrudan son teslim noktalarına gönderilmektedir. Genellikle
lojistik sistemlerinde kullanılan bir model olup özellikle uzun mesafeli
taĢımalarda araç kapasitelerinin daha iyi kullanılması ve hızlı taĢıma
hedeflenmektedir (Current vd., 2001).
Birçok tesis yer seçimi problemleri uygulamasının bir baĢka
önemli noktası da, malzeme akıĢının sağlanmasında önemli bir rol oynayan
üretim, depo yeri gibi farklı tipteki mevcut tesisleri dikkate almasıdır. Aynı
tipte ve roldeki her biri tesisler kümesi genellikle katman ya da kademe
olarak adlandırılır ve bu sayede tesislerdeki hiyerarĢi seviyesi belirlenir (Melo
vd., 2009).
HiyerarĢik YerleĢim Problemleri, dağıtım sisteminin içinde
birkaç seviyenin olduğu problemlerdir. Bu tip sistemlerde, alt katmandaki
tesislerden bağımsız olarak üst seviyedeki tesislerin yerlerini seçmek
mümkündür.
(5)
Kesikli Tesis YerleĢim Problemleri
Kesikli tesis yerleĢim problemlerinde, açılacak tesisler ve
talep noktaları sadece ağ üzerindeki düğümlere yerleĢtirilebilmektedir
(Daskin, 1995). Kurulacak/yerleĢtirilecek yeni tesis yerlerinin seçimi uygun
aday yerleĢim yerleri kümesi ile sınırlıdır. Bu tip bir problemin en basit örneği
22
p kadar tesisten, müĢteri taleplerini karĢılamak amacıyla toplam (ağırlıklı)
mesafenin ya da toplam maliyeti minimize etmek için bir tanesinin
seçilmesidir. Bu tür problemler literatürde p-medyan problemi olarak
adlandırılmaktadır. P-medyan problemlerinde tüm aday yerler için tesislerin
kurulum maliyeti eĢit kabul edilir (Melo vd., 2009).
Karesel atama yerleĢim problemleri ve kuruluĢ (plant)
yerleĢim problemleri, kesikli tesis yerleĢim problemlerinin en önemli
elemanlarıdır (Arabani vd., 2012). Karesel atama yerleĢim problemleri,
aralarındaki akıĢ miktarı bilinen n sayıda tesisin aralarındaki uzaklıklar belli
olan n sayıda bölgeye, tesisler arası malzeme akıĢ miktarı ile uzaklıklar
çarpımını en küçükleyecek Ģekilde atanması problemidir (Orhan, 2001).
Karesel atama yerleĢim problemleri, atama problemlerinin bir dalıdır. Bu
problemin temeli, bir dizi insanın eldeki mevcut iĢler kümesine atanması ile
baĢlamıĢtır. Daha sonra bu problem tesis yerleĢim problemi için bazı
müĢterilerin bazı tesislere atanması olarak yeniden yorumlanmıĢtır. Amaç;
müĢterilerin tesislere atanmasından meydana gelen toplam maliyeti minimize
etmektir.
Bir üretim, imalat, depo veya dağıtım tesisi gibi yerlerin her
biri genel bir ifade ile kuruluĢ (tesis) olarak adlandırılmaktadır. KuruluĢ (plant)
yerleĢim problemlerinde amaç, oluĢan toplam maliyetin minimizasyonudur
(Arabani vd., 2012). KuruluĢ yerleĢim problemleri, talep düğümleri ile tesisler
kümesi arasındaki talep ağırlıklı toplam mesafenin minimize edilmesi ile
ilgilenmektedir (Revelle vd., 2008).
Kapasite
kısıtlı
tesis
yerleĢim
problemlerinde,
yerleĢtirilecek tesisler ürün miktarı veya sunulan hizmet açısından sınırlı
kapasiteye sahiptir. Problemin en iyi çözümü için müĢteri taleplerinin tek bir
tesisten ya da birden fazla tesisten karĢılanma durumu olabilmektedir (Sule,
2001). Ayrıca, problemin çözümünde her bir muhtemel yer tarafından
karĢılanabilecek maksimum talep miktarı dikkate alınmaktadır (Melo vd.,
2009).
23
Kapasite kısıtsız tesis yerleĢim problemleri, en temel ve
klasik tesis yer seçimi problemidir. Tedarik zincir tasarımlarında çoğunlukla
kullanılmaktadır. Bu modelde, talepleri ve yerleri bilinen müĢterilerin kümesi,
tesisler için aday yerlerin kümesi, tesis açma maliyeti ve her müĢteri ile her
tesis arasında birim ulaĢtırma maliyeti bilinmektedir. Problem, tesis açma ve
müĢteri taleplerini taĢıma maliyetlerinin toplamını en aza indirecek Ģekilde
tesislerin açılacağı yerlerin ve müĢterilerin tesislere atanması problemi olarak
tanımlanabilir (ÇalıĢkan, 2008).
Kapasite kısıtsız tesis yerleĢim problemlerinde kapasite
kısıtı söz konusu değildir ve amaç toplam maliyeti minimize etmektir.
Açılacak tesis sayısı maliyeti minimize edecek Ģeklide belirlenmektedir (Sule,
2001). Taleplere tek bir tesis cevap verebilir. Amaç fonksiyonu sabit tesis yer
seçimi için bir dönem geniĢletilebilir ve sonuç olarak kurulacak tesislerin
sayısı genellikle içsel bir karar olur. P-medyan problemleri ile kapasite
kısıtsız tesis yer seçimi problemlerinin her ikisinde de amaç, her bir müĢteri
atama maliyeti minimize edecek Ģekilde açılacak tesislere atanmasıdır (Melo
vd., 2009).
(6)
Sürekli Tesis YerleĢim Problemleri
Sürekli tesis yeri seçim problemlerinde, tesislerin düzlem
üzerinde herhangi bir noktaya yerleĢtirilebileceği, talep noktalarının ise
sıklıkla kesikli yerde olduğu kabul edilmektedir (Revelle vd., 2008). Aslında
bu tür modellerin performansı iki temel faktörden etkilenmektedir (Arabani
vd., 2012);
(1) Sürekli çözüm uzayındaki tesislerin düzlem içinde her
noktaya yerleĢimine müsaade edilmektedir.
(2) Tesisler ve müĢteriler arasındaki uygun mesafe
kriterleri aracılığıyla hesaplanmaktadır.
24
Sürekli yerleĢim modelleri için belirli bir çevreyi gözetleme
amaçlı video kameralarının veya duman algılayıcılarının yerlerini sürekli
modellere örnek olarak gösterebilmektedir (Arabani vd., 2012). Mesafeler
çoğunlukla Minkowski mesafeleri denilen tek p parametreli mesafe ailesinden
gelmektedir (Revelle vd., 2005). Lp mesafe i≠j olmak üzere koordinatları
(ai,bi) ve (aj,bj) olan iki nokta için aĢağıdaki gibi hesaplanır;
[|
|
|
| ]
(1)
Genellikle; literatürde Manhattan ya da dik açı mesafe
ölçümü, Öklid ya da düz çizgi mesafe ölçümü ve
(1)
mesafe ölçüsü kullanılır.
Manhattan ölçüm sistemine (p=1 durumu) göre
mesafeler aĢağıdaki formülle hesaplanır;
|
|
(2)
|
|
(2)
Öklid ölçüm sistemine (p=2 durumu) göre mesafeler
Ģu formülle hesaplanır;
√(
)
(3)
(3)
Chebyshev (ya da maksimum, ya da l ) ölçüm
sisteminde ise mesafeler aĢağıdaki gibi hesaplanır;
|
|
|
|
(4)
b. Dinamik Tesis YerleĢim Problemleri
Dinamik tesis yerleĢim problemleri, en uygun çözümün elde
edilmesinde girdi değiĢkenlerini uzun zaman aralığında değiĢen Ģartlara göre
25
kullanmaktadır. (Karabay, 2013). Tesis yerleĢim problemlerinin analizinde
zaman konusu önemli bir noktadır. Alan konusu statik tesis yerleĢim
problemlerinde dikkate alınırken, zaman sorunu genellikle dinamik tesis
yerleĢim
problemlerinde
ele
alınmaktadır.
Statik
tesis
yerleĢim
problemlerinde yer alan tüm modeller dinamik tesis yerleĢim problemleri
muadilleri olarak yeniden modellenebilmektedir (Arabani vd., 2012).
(1)
Dinamik Deterministik Tesis YerleĢim Problemleri
Dinamik deterministik tesis yerleĢim problemlerinde, yer
seçiminde etkin olan nüfus, pazar eğilimleri, dağıtım maliyetleri, talep
çeĢitleri, çevresel faktörler vb. gibi bazı parametre değerlerinin, zamana göre
değiĢik değer aldığı ya da değerlerin düzenlendiği yerleĢim problemleridir
(Arabani vd., 2012).
(2)
Tesis YerleĢim/Yer DeğiĢtirme YerleĢim Problemleri
Tesis yerleĢim/yer değiĢtirme problemleri, mevcut tesis
yerlerinin planlama ufku ve temel yerleĢim faktörlerinin değiĢim göstermesine
bağlı olarak değiĢiklik gösterdiği yerleĢim problemleridir. Burada temel
yerleĢim faktörleri olarak müĢteriler ve tedarikçiler, dağıtım ağı, iĢ ortamı ve
hükümet mevzuatı zamana bağlı olarak değiĢen pek çok ana faktörün
etkileĢimi dikkate alınır (Arabani vd., 2012).
Bir tesisin yer değiĢimi, öncelikle yer değiĢtirme zamanı,
yer değiĢtirilen tesis sayısı ve yer değiĢtirme maliyeti ile ilgilidir. Zaman
kesikli ya da sürekli, sayısı tek tesis ya da çok tesis, maliyeti ise o tesisin
Ģimdiki ya da gelecekteki yer değiĢtirme maliyeti olabilmektedir.
Ayrıca Melachrinoudis ve Min, bir tesisin yer değiĢtirme
kararının pek çok faktör faktörden etkilendiğini ifade etmiĢ ve bu faktörlerin
en önemlilerini Ģu Ģekilde sıralamıĢtır (Melachrinoudis ve Min, 1999);
26
a) Arsa satın alma, imar izni, bina inĢası, ekipman ve
personel taĢıma vb. maliyetler,
b) MüĢterilere eriĢilebilirlik ve hızlı teslimat,
c) Tedarikçilere eriĢilebilirlik,
d) UlaĢıma kolay eriĢim imkânı,
e) Vergi teĢvikleri,
f)
ĠĢgücü kalitesi,
g) ĠĢçi-yönetim iliĢkileri.
(3)
Çok/Tek Periyodlu YerleĢim Problemleri
Çok periyodlu (kesikli) tesis yerleĢim problemleri, tahmin
edilebilir
parametrelerin
zamana
bağlı
olarak
değiĢkenlik
gösterdiği
durumlardaki yaklaĢımı için önerilmektedir. Burada amaç bu parametrelerin
tesislerin biçimlendirilmesine adapte edilmesidir (Melo vd., 2009). Belirli bir
zamanlama ufku dikkate alınmaktadır. Bu da, yerleĢim kararı için uygun
zamanı, en iyi yerleĢim yerinin belirlenmesi ve herhangi bir zaman dilimi
içerisindeki piyasa taleplerinin olumlu/olumsuz dalgalanmalarına firmanın
daha iyi tahminde bulunmasını sağlar.
Tek periyodlu (sürekli) yerleĢim problemleri, zamana bağlı
olarak değiĢen parametre değerlerini dikkate alınmadığı tesis yerleĢim
problemleridir.
DeğiĢkenler,
çok
periyodlu
(kesikli)
tesis
yerleĢim
problemlerindeki gibi dinamik değildir (Arabani vd., 2012).
(4) Stokastik
(Olasılıklı)
ve
Bulanık
Tesis
YerleĢim
Problemleri
Stokastik tesis yerleĢim problemleri, tesis yer seçimi için
stokastik (olasılıklı) unsurları dikkate alan yerleĢim problemleridir. Burada
gelecekte oluĢan müĢteri talepleri ve maliyetler gibi bazı parametreler
belirsizlikle bağdaĢlaĢtırılmaktadır (Melo vd., 2009).
27
Bu modellerin çoğunda amaç tektir ve bu da sistemin
beklenen maliyetini en aza indirmek veya beklenen karı maksimize etmektir.
Stokastik yerleĢim modelinde, yerleĢim kararları genellikle ilk aĢama kararı
iken, müĢterilerin tesislere atanması kararları ikinci aĢama kararlarıdır
(Synder, 2006).
Bulanık tesis yerleĢim problemleri, tesis yer seçimi karar
probleminde kullanılan karar kriterlerinin kesin olmayan ve belirsiz değerlere
sahip olması nedeniyle bulanık yaklaĢımın kullanıldığı problemlerdir (Arabani
vd., 2012).
Tesis yerleĢim problemlerinde, geleneksel yaklaĢımlar
(doğrusal, doğrusal olmayan, tam sayılı, dinamik, çok amaçlı hedef
programlama, karesel programlama, analog yaklaĢım AHP, çoklu regresyon
analizi gibi)
belirsizlik ve kesin olmayan dilsel değerlendirmelerin ifade
edilmesinde etkili yaklaĢımlar değildir. Bu nedenden dolayı bulanık dilsel
modeller, sözlü ifadelerin sayısal ifadelerine dönüĢümüne imkân veren
modellerdir. Burada her bir nitel kriterin önemi sözel olarak ifade edilmektedir
(Kahraman vd., 2003).
c. Tek/Çok Tesis YerleĢim Problemleri
Tek tesis yerleĢim problemleri, yeni bir tesisin diğer tesisler ile
mesafelerinin
mümkün
olduğu
kadar
en
aza
indirilecek
Ģekilde
yerleĢtirilmesidir. Tek tesis yerleĢim problemlerinin genel olarak kullanıldığı
alanlar Ģunlardır;
(1) Üretim tesisleri ile müĢteriler arasında kurulacak yeni depo
yerlerinde,
(2)
Büyük Ģehirlerdeki hastane, yangın istasyonu ya da kütüphane
gibi tesislerin yerleĢiminde,
(3)
Üniversite kampüsündeki yeni dershanelerin yerleĢiminde,
28
(4)
Birçok askeri üsse ikmal desteği sağlamak için kullanılan yeni
hava alanlarının seçiminde,
(5)
Bir
elektrik
Ģebekesindeki
parçanın
yerleĢiminde
kullanılmaktadır (Farahani ve Hekmatfar, 2009).
Çok tesis yerleĢim problemleri, tek tesis yerleĢim problemine oldukça
benzerdir ve yeni kurulacak tek bir tesis yerine birkaç tesisin en iyi yerleĢimini
amaçlamaktadır (Arabani vd., 2012). Bu problemlerde en az iki tesis olmalı
ve her yeni açılacak tesis diğer tesislerden biri ile bağlantısı olmalıdır
(Farahani vd., 2014).
d. Ġstenen/Yarı Ġstenen/Ġstenmeyen Tesis YerleĢim Problemleri
Amacı kullanıcılara ya da ihtiyaç sahiplerine mesafe ya da
zamanca yakın olması arzu edilen tesisler, istenen tesis yerleĢim problemleri
olarak tanımlanmaktadır. Bunlara süpermarketler, yangın istasyonları örnek
gösterilebilir (Hamacher vd., 2002).
Bir tesis, çevresinde yaĢayan insanları hem istenmeyen hem de
istenen özellikleri ile etkiliyorsa bu tesis yarı istenmeyen tesis olarak
tanımlanmaktadır. Yarı istenen tesislere olan ihtiyacın sayısı hızla artmasına
rağmen, literatürde bu tür yerleĢim problemleri ile ilgili çalıĢmalara çok fazla
rastlanılmamaktadır.
Yarı
istenen
tesis
yerleĢim
problemlerinin,
iki
amacı
bulunmaktadır. Birinci amaç fonksiyonu, istenmeyen etkilerin azaltılmasıdır.
Örneğin tesisin talep noktalarına olan minimum uzaklığın maksimum
yapılmasıdır. Ġkinci amaç ise, istenen etkileri modellemek için talep
noktalarının toplam uzaklığını en aza indirmektir. Çöp depolama alanları,
hava alanları, tren istasyonları ve bunun gibi gürültü ve rahatsız edici tesisler
örnek teĢkil etmektedir.
29
Ġstenmeyen tesisler, çevresinde yaĢayan insanlar üzerinde
olumsuz dıĢ etkileri olan tesislerdir. Ġstenmeyen tesis yerleĢim problemleri de
bu tip tesislerin sosyal maliyetlerini aza indirmek amacıyla nüfusun yoğun
olduğu
yerleĢim
merkezlerinden
olabildiğince
uzağa
yerleĢtirmeye
çalıĢmaktadır. Bu tip tesislere örnek olarak nükleer santraller, atık toplama
noktaları,
hapishaneler,
askeri
kurumlar,
çevreyi
kirleten
fabrikalar
gösterilebilir (Farahani vd., 2009).
e. Özel/Kamu Sektörü YerleĢim Problemleri
Özel sektör yerleĢim problemleri, hemen hemen tek bir amacı
olan problemlerdir ve ana amaç çoğunlukla tüm maliyetleri (inĢa, üretim,
taĢıma vb.) en aza indirmek ya da tesisin yapımından kazanılan kârı
maksimize etmektir. Bu tür problemler klasik yerleĢim problemleri sınıfında
yer almaktadır.
Kamu
sektörü
yerleĢim
problemleri,
kamu
yönetiminin
kararlarının etkili olduğu ve asıl amacın sunulan hizmetin en fazla yapılması
istenen problemlerdir. Bu problemler üç sınıfa ayrılmaktadır (Farahani ve
Hekmatfar, 2009);
-
Olağan hizmet tesisleri,
-
Acil durum hizmet tesisleri,
-
Ġstenmeyen etkiye sahip tesisler.
Olağan hizmet tesislerinin (kütüphaneler, okullar gibi) genellikle
amacı sunulan hizmeti daha fazla kiĢiye ulaĢtıracak Ģekilde arttırmaktır.
Yangın istasyonları gibi acil durum hizmeti sağlayan tesisler için genellikle
amaç, en düĢük kaplamayı maksimize etmektir. Ġstenmeyen tesis yerleĢim
problemlerinin amacı ise, tesisin yakınında yaĢayan sakinlerin bu tesisten
alacağı negatif etkiyi minimize etmesidir.
30
4.
ÇOK KRĠTERLĠ TESĠS YER SEÇĠMĠ PROBLEMLERĠ
Tesis yer seçimi problemleri, birden fazla amacın optimizasyonunu
hedefleyen çok kriterli karar problemleridir. Bu problemler, iki amaçlı, çok
amaçlı ve çok nitelikli olmak üzere üç ana baĢlıkta toplanmaktadır (Farahani
vd., 2010).
a. Ġki Amaçlı Tesis YerleĢim Problemleri
Bu
problemler
klasik
yerleĢim
problemlerinin
uzantısıdır.
Literatürde iki amaçlı ortanca, sırt çantası, karesel, kaplama, kısıtsız,
yerleĢim ve atama, ana dağıtım üssü, hiyerarĢik, rekabetçi, istenmeyen ve
yarı istenmeyen tesis problemleri iki amaçlı yerleĢim problemleri olarak
çalıĢılmıĢtır (Farahani vd., 2010).
Bhattacharya vd., bir dıĢbükey çokgen ile sınırlanan bir düzlem
üzerindeki birden fazla yeni tesis yerini bulmak için bir bulanık hedef
programlama modeli sunmuĢtur. Birinci amaç, tüm taĢıma maliyetlerinin
toplamını en aza indirmektir. Ġkinci amaç ise, tesislerin talep noktalarından
olan maksimum mesafeleri en aza indirmektir. Rektilineer mesafe ölçüsü
kullanılmıĢtır.
Çözüm
yöntemi
sayısal
bir
örnek
ile
gösterilmiĢtir
(Bhattacharya vd., 1993).
Melachrinoudis, yarı istenen bir tesis yerleĢimi için, rektilineer ölçü
sistemi ile iki amaçlı bir tesis yerleĢim problemini ele almıĢ, amaç
fonksiyonunda toplam taĢıma maliyeti minimizasyonu ve istenmeyen etkilerin
azaltılması mesafenin maksimizasyonunu kullanmıĢtır (Melachrinoudis,
1999).
Skrive ve Anderson, yine yarı istenen bir tesis olan hava alanı
yerleĢimi için, biri düzlemsel diğeri ağ problemi için iki kriterli yerleĢim modeli
sunmuĢtur. Bu problemde kurulan amaç fonksiyonları, hem ulaĢım
31
maliyetlerini hem de istenmeyen etkiyi en aza indirmeyi amaçlamaktadır
(Skrive ve Anderson, 2003).
Villegas vd., iki amaçlı kapasite kısıtsız tesis yerleĢim problemi
olarak bir tedarik ağını modellemiĢtir. Amaç olarak, operasyonel maliyetlerin
azaltılması için minimum toplam maliyeti, kaplama seviyesi için maksimum
toplamı kullanmıĢtır (Villegas vd., 2006).
Du ve Evans, bir bakım-onarım servisinin tersine lojistik ağı
problemi için, minimum toplam amacı ile iki amaçlı optimizasyon modeli
geliĢtirmiĢtir. Modelde amaç fonksiyonunda toplam çevrim süresinin en aza
indirilmesi ve tüm maliyetlerin minimizasyonu hedef alınmıĢtır. Her potansiyel
yerdeki tesis kapasite seçeneği kesikli parametre olarak iĢleme alınmıĢtır.
Burada amaç hem potansiyel tesis yerleri arasındaki tesis kapasitesi düzeni
için baskın olmayan yerler bulmak, hem de müĢteri alanı ile hizmet tesisleri
arasındaki ulaĢım akıĢlarını belirlemektir. Çözüm için önerilen yaklaĢım ise;
dağılım arama,
ikili
simpleks yöntemi
ve
kısıt
yönteminin
üçünün
birleĢiminden oluĢmaktadır (Du ve Evans, 2007).
Costa vd., tek atamalı ana dağıtım üssü yerleĢim problemi
çözümü için iki amaçlı bir yaklaĢım modeli önermiĢtir. Ġlk amaç taĢıma ve
sabit kurulum maliyeti için minimum toplam maliyet, ikinci amaç süreç
zamanı için iki alternatifli minimum toplam ve maksimumların minimum
süresini amaç fonksiyonu olarak kullanmıĢtır (Costa vd., 2008).
Medaglia vd., Kolombiya‟nın Boyoca bölgesindeki hastane
atıklarının yok edilmesine yönelik atık yönetim ağı tasarımı için iki amaçlı bir
istenmeyen tesis yerleĢim modeli sunmuĢtur. Modelde minimum toplam
maliyet ve mesafe faktörleri dikkate alınmıĢtır. DüĢük olmayan çözümler
kümesi metodu ile algoritmalar karĢılaĢtırılmıĢtır (Medaglia vd., 2009).
Ġki amaçlı yerleĢim problemleri, ağ yerleĢim problemleri ile
özellikle yarı istenen ya da istenmeyen tesis yerleĢim problemlerinin
32
çözümünde sıkça model olarak kullanılmıĢtır. Bu tür problemlerin birçoğunda
amaçlardan bir tanesi maliyeti en aza indirmek iken bu amaca çoğunlukla
çatıĢma durumunda olan ikinci amaç ise mesafeyi ya da kaplamayı
maksimize etmektir (Farahani vd., 2010).
b. K-Amaçlı (Çok Amaçlı) Tesis YerleĢim Problemleri
Ġkiden fazla amacı olan yerleĢim problemleridir. Çok amaçlı
yerleĢim problemlerinde, maliyet, çevresel riskler, kaplama ve eĢitlik, hizmet
seviyesi ve etkinliği ve kar gibi amaç faktörleri çözüm sürecinde dikkate
alınmıĢtır. Current vd. yapmıĢ olduğu literatür araĢtırmasında bu tür
problemleri amaçlarının tipine bağlı olarak 4 kategoride sınıflandırmıĢlardır:
maliyet
minimizasyonu,
talep
kaplama
ve
talebin
atanması,
kâr
maksimizasyonu ve çevre problemleri (Current vd., 1990). Klasik yöneylem
araĢtırmasına göre çok amaçlı yerleĢim problemleri, Weber, ortanca,
kaplama,
kısıtlı,
kapasite
kısıtsız,
yerleĢim-atama,
yerleĢim-rotalama,
dinamik, rekabetçi, ağ ve istenmeyen yerleĢim problemleri olarak çalıĢılmıĢtır
(Farahani vd., 2010).
Nijkamp ve Spronk, çözüm uzayı kesikli olan bir Weber
probleminin uzantısını ele almıĢ ve geleneksel tek bir ulaĢım maliyet
fonksiyonunu yerine birden fazla amaç fonksiyonunu dikkate alarak
geliĢtirmiĢtir (Nijkamp ve Spronk, 1981).
Bhattacharya vd., rektilineer metrik ölçü mesafesi ile bir düzlem
üzerindeki tek bir tesisin minimum uzaklığın maksimumunu, maksimum
uzaklığın minimumunu, minimum toplam amaç fonksiyonlarını dikkate alan
bir bulanık hedef programlama modeli sunmuĢtur. (Bhattacharya vd.,1992).
Badri vd, kaplama tesis yerleĢim problemi olarak bir yangın
istasyonun yerleĢimini soyut ve somut kriterler bağlı olarak ele almıĢ ve çok
amaçlı bir model önermiĢtir. Modelde toplam on bir amacı dikkate almıĢtır.
Genel olarak yangın istasyonlarından talep bölgelerine olan maksimum ve
33
ortalama seyahat süreleri ile mesafelerinin minimizasyonu, toplam ve yıllık
maliyetlerin en aza indirilmesi, hizmet maksimizasyonu ile teknik ve politik
kriterler iliĢkin kriterler dikkate alınmıĢtır (Badri vd., 1998).
Yang vd., bulanık çok amaçlı bir yerleĢim modeli önermiĢtir. Bu
model uluslararası bir hava alanındaki yangın istasyonu yerleri ve sayısının
belirlenmesine yardımcı olmaktadır. Model, yangın istasyonlarının toplam
kurulum maliyeti ve bir kaza durumundaki kayıp maliyetini en aza
indirilmesini, herhangi bir olay noktası ile yangın istasyonları arasındaki en
uzun mesafenin en aza indirilmesini, herhangi bir yangın istasyonu ile riskli
bir
bölgeye
arasındaki
en
uzun
mesafenin
en
aza
indirilmesini
amaçlamaktadır. Problemin zor ve karmaĢık yapısından dolayı çözüm için
ayrıca genetik algoritma kullanılmıĢ ve sayısal örnek ile karĢılaĢtırılmıĢtır
(Yang vd., 2007a).
Acil
servis
hizmet
sağlayıcıları
için
en
kritik
husus
zamanındalıktır. Araz vd., acil servis araç yerleĢim yerlerini etkin bir Ģekilde
tespit etmek için problemi üç amaçlı olarak modellemiĢtir. Birinci amaç, bir
araç tarafından kapsanan nüfusun maksimizasyonu, ikinci amaç yedek
kaplamalı insan sayısının maksimizasyonu, üçüncü amaç ise tüm bölgeler
için önceden belirlenmiĢ standart mesafeden daha büyük bir mesafedeki
yerlerin
toplam
mesafelerini
en
aza
indirmesidir.
Problemde
karar
vericilerden aldığı kesin olmayan değerleri veri olarak kullanmıĢ ve bulanık
hedef programlama yaklaĢımı ile bir çözüm önerisi sunmuĢtur (Araz vd.,
2007).
Doerner vd., kamu tesislerinin (okul) kıyılardan uygun uzaklıktaki
yerleĢimini belirlemek için, tsunami doğal felaketi riskini dikkate alan çok
amaçlı bir karar modeli önermiĢtir. Modelde amaç fonksiyonları olarak
sırasıyla kaplama, risk ve maliyetleri dikkate almıĢtır. Ayrıca elde edilen
sonuç bir sezgisel yöntem ile karĢılaĢtırılmıĢtır (Doerner vd., 2009).
34
c. Çok Nitelikli Tesis YerleĢim Problemleri
Çok nitelikli tesis yerleĢim problemleri, tesislerin kurulacağı
birden fazla alternatif yer ile bu yerler arasından en iyiyi seçmekte kullanılan
nitel veya nicel kriterlerin oluĢturduğu problemlerdir. Bu problemlerde, karar
vericiler
tarafından
alternatif
yerlerin
belirlenen
kriterlere
göre
değerlendirilmesi gerekir. Kriterler genellikle farklı ağırlık değerlerine sahip
olabilir. Bu tür problemlerde farklı çözüm yöntemleri kullanılabilmektedir. Her
yöntemin birbirine karĢı üstünlükleri mevcuttur.
Gerçek yaĢam problemlerinde niceliksel kriterlere ilave çok
sayıda nitel kriterin karar sürecine girmesi, bu problemlerde çok nitelikli karar
verme modellerinin kullanılması ve gerçek sonuçların elde edilmesine imkân
tanımıĢtır. Çok nitelikli karar verme problemlerinde, dilsel değiĢkenlerle ifade
edilebilen kriterler göz önünde bulundurulabilmektedir. Bu değiĢkenlerin
sayısal değerlere dönüĢtürülmesi için belirli bir ölçek değeri kullanılmakta ve
buna göre her bir kriter sayısal değer almaktadır.
Farahani vd., 2010 yılında yapmıĢ olduğu literatür araĢtırması ile
çok kriterli yerleĢim problemlerinde son yıllarda yapılmıĢ olan çalıĢma ve
geliĢmeleri incelemiĢtir. YapmıĢ olduğu çalıĢmanın bir bölümünde de çok
nitelikli yerleĢim problemlerinde hangi yöntemler ile kriterlerin kullanıldığını
tespit etmiĢtir.
d. Kullanılan Yöntemlere ĠliĢkin Literatür
Çok nitelikli karar verme (ÇNKV) tesis yer seçimi problemlerinde
en
uygun
yerin
seçimi
için
kullanılacak
tek
bir
çözüm
yöntemi
bulunmamaktadır. Literatürde tesis yerleĢim problemlerinin çözümünde,
Analitik hiyerarĢi prosesi (AHP), Analitik network prosesi (ANP), Elimination
Et Choix Traduisant La Réalité (ELECTRE), Technique For Order Preference
By Similarity To Ideal Solution (TOPSIS), Multi-Attribute Utility Theory
(MAUT), VIseKriterijumska Optimizacija Kompromisno Resenje (VIKOR),
35
Stochastic Multicriteria Acceptability Analysis (SMAA) gibi çok sayıda ÇNKV
yöntemi kullanılmıĢtır (Farahani vd., 2010).
Önerilen çözüm metodunun problemin yapısı ile kullanılacak
verilerle uyumlu olması, yer seçiminde en uygun ve doğru sonucun elde
edilmesinde
önemli
katkı
sağlayacaktır. Ayrıca
bu
tür
problemlerin
çözümünde kullanılan nitel ve nicel kriter değerlerinin kesin veya kesin
olmayan, net, olasılıklı ya da istatistiksel dağılım değerlerine sahip olması
birbirleriyle çatıĢan ve çeliĢen özellikte olması tesis yerleĢim problemlerini
karmaĢık ve çözümü zor problemler haline getirmektedir. Bu yöntemler,
problemin çözümünde tek olarak kullanıldığı gibi, bütünleĢik olarak da
kullanılmıĢtır.
Tzeng vd., Taipei‟de bir restoran yeri seçimi problemi için, beĢ
boyut (ulaĢım, ticari alan, ekonomiklik, rekabet ve çevre) ile on bir kriteri (kira
maliyeti, ulaĢım maliyeti, toplu taĢıma sistemi için kolaylık, park alanının
boyutu, yaya yoğunluğu, rakip firma sayısı, rekabet yoğunluğu, restoranın
bulunduğu ticari alanın büyüklüğü, kamu tesislerinin boyutu, çöp toplama
kolaylığı ve kanalizasyon kapasitesi) dikkate almıĢ ve dört alternatif yerin
değerlendirilmesinde AHP metodunu kullanmıĢtır. Ayrıca uzlaĢık bir yöntem
olan VIKOR tekniğinden kriter ağırlığı istikrar aralıklarının belirlenmesinde
faydalanılmıĢtır (Tzeng vd., 2002).
Aras vd., bir üniversite kampüsünde inĢa edilecek rüzgâr gözlem
istasyonunun en uygun yerleĢimi için AHP metodunu kullanmıĢtır (Aras vd.,
2004). Vahidnia vd., Tahran‟da kurulacak yeni bir hastanenin yerleĢimine
karar vermek için Coğrafi Bilgi Sistemi (CBS) ve bulanık AHP metodunu
birlikte kullanmıĢlardır. (Vahidnia vd., 2009). Badri, uluslararası bir Ģirketin
tesis yerleĢim/atama problemine yönelik gerçek yaĢam problemi için, AHP
yöntemi ile hedef programlamayı birlikte kullanmıĢtır. Amaç petrokimya
Ģirketinin orta doğudaki dört aday ülke arasından birine açacağı dağıtım
üssünün
yerinin
belirlenmesidir.
Burada
AHP
alternatiflerin
önceliklendirilmesinde kullanılmıĢtır. Problemin çözümü öncelikle AHP ve
36
Hedef programlama ayrı ayrı kullanılarak yapılmıĢ, sonra elde edilen sonuç
ile birlikte kullanılarak elde edilen sonuç karĢılaĢtırılmıĢtır (Badri, 1999).
Chan ve Chung, tedarik zinciri yönetimi içindeki bir dağıtım ağı
probleminin (dört üretim tesisi, dört depo, on müĢteri) çözümü için genetik
algoritma ve AHP yönteminin bütünleĢik kullanıldığı bir model önermiĢlerdir
(Chan ve Chung, 2004). Tabari vd., en uygun tesis yeri seçimi için somut ve
soyut kriterleri içeren hibrid bir ÇKKV modeli önermiĢtir. Önerilen çözüm
modelinde kriterleri; tarafsız (objektif), kiĢisel bakıĢ açısına (sübjektif) göre ve
kritik faktörler olmak üzere üç gruba ayırmıĢtır. Kritik ve sübjektif faktörlerin
değerlendirilmesi için karar vericilerden faydalanılmıĢ ve alternatiflerin
değerlendirilmesinde bulanık AHP metodu kullanılmıĢtır. Elde edilen alternatif
sonuç değerleri belirlenen α katsayısı ile duyarlılık analizine tabi tutulmuĢtur
(Tabari vd., 2008).
Fernandez ve Ruiz, bir sanayi bölgesinin yer seçimi için, her
aĢamasında coğrafi özellikteki kriterlere sahip üç seviyeli bir karar destek
süreci
önermiĢlerdir.
Bu
problemin
çözümümde
AHP
metodundan
faydalanılmıĢtır (Fernandez ve Ruiz, 2009). Tuzkaya vd., Ġstanbul Ģehri için
bir atık depolama (çöp) yeri seçiminde ANP metodunu kullanmıĢtır. Ġki
seviyeli kurulan modelde ana amaç istenmeyen tesis için en iyi yeri
bulmaktır. Kurulan modelde birinci seviye üç ana kriter ve dört faktörden
(fayda, fırsat, maliyet ve risk) oluĢmaktadır. Her faktör içinde farklı sayıda
nitel, nicel, soyut ve somut kriterler barındırmaktadır. Ġkinci seviyede ise, her
bir faktörün kendi özelliklerine sahip alt kriterler kümesi bulunmaktadır.
Alternatif yerler arasından istenmeyen tesis yeri seçiminde her bir kriterin
birbirleriyle olan iliĢkileri de dikkate alınmıĢtır (Tuzkaya vd., 2008).
Güneri vd., tersane yerinin seçimi problemi için bulanık ANP
metodunu kullanmıĢlardır. Tersane yerleri için belirlenen Ġzmir, Yalova,
Yumurtalık ve Samsun dört alternatif Ģehir arasından Yalova ili en uygun yer
olarak seçilmiĢtir (Güneri vd., 2009). Barda vd., termik santrallerin yerleĢimi
problemini incelemiĢ ve Kuzey Afrika‟nın üç kıyı bölgesindeki yerleĢim
37
alanından en iyi alanın seçimi için ELECTRE III metodunu kullanmıĢtır
(Barda vd.,1990).
Norese, Ġtalya‟nın Torino Ģehri için çöp yakma ve yok etme
tesisinin en uygun yerleĢiminde on dört kriteri dikkate alan bir ÇKKV
yaklaĢımı olan ELECTRE III‟ten yararlanmıĢtır. Modelinde kullanacağı
kriterlerden bazılarının (doğa değeri, tarım değeri, sel riski, negatif etkisi gibi)
belirsiz ve tutarsız özellikler göstermesi bu yöntemi kullanmasında etkili
olmuĢtur (Norese, 2006). Canbolat vd., uluslararası bir üretim tesisi yerleĢimi
için çok aĢamalı bir model önermiĢtir. Ġlk olarak belirsizlikler etki diyagramı ile
belirlenmiĢtir. Daha sonra maliyete iliĢkin belirsizlikleri analiz etmek için karar
ağacı kullanılmıĢ ve risk profili çıkarılmıĢtır. Son olarak elde edilen bu
kümülatif risk profili çok nitelikli fayda teorisi (MAUT) ile birlikte alternatif
ülkelerin değerlendirilmesinde kullanılmıĢtır (Canbolat vd., 2007).
Queiruga vd., Ġspanya‟daki belediyelerin elektrik ve elektronik
atıkları toplama ve geri dönüĢüm merkezlerinin yerlerine karar verme
sırasında hangi önceliklere göre yer seçimi yapılması gerektiğini tespit etmek
için PROMETHEE (Preference Ranking Organization Method for Enrichment
Evaluations) yöntemi kullanılmıĢtır. Ġspanya‟da potansiyel olarak toplam altı
yüz toplama merkezi bulunmaktadır. Bu merkezler PROMETHEE yöntemi
kullanılarak öncelikli tercihlere göre azaltılmıĢtır. Bir toplama merkezinin
yerine karar verilirken göz önünde bulundurulacak kriterler arasında arazi,
personel ve enerji maliyetleri yanında tesisin yerleĢim yerlerine, geri
dönüĢüm merkezlerine ve atık bertaraf tesislerine yakınlığı bulunmaktadır
(Queiruga vd., 2008).
Bazı çalıĢmalarda Coğrafi Bilgi Sistemleri (CBS)‟ninde çözüm
için kullanıldığı görülmektedir. Örneğin Higgs, katı atık yönetiminde yer
seçimi için çok kriterli analiz ve değerlendirmenin CBS ile birlikte kullanıldığı
bazı çalıĢmaları incelemiĢtir (Higgs, 2006). Chang vd., hızla büyüyen Güney
Teksas bölgesinin Herlingen Ģehri için katı atık sahalarının yer seçiminde
coğrafi analiz ile birlikte bir bulanık çok kriterli karar analizini kullanmıĢtır. Ġki
38
aĢamalı bu mekânsal karar destek sistemi için birinci aĢamada CBS olarak
biyofiziksel, ekolojik ve sosyo-ekonomik değiĢkenler ile birlikte tematik
haritalar kullanılmıĢtır. Ġkinci aĢamada ise elde edilen bu veriler bulanık
ÇKKV modeli için girdi teĢkil edilmiĢ ve Herlingen Ģehrinin banliyö bölgesi için
en uygun yeni atık depolama sahası seçilmiĢtir (Chang, 2008).
Birçok problemde nitel kriterler genellikle belirsiz ve kesin
olmayan değerler alırlar. Bu durumlarda problemlerin çözümü için bulanık
çok kriterli grup karar verme yaklaĢımının kullanılmasını zorunlu hale
getirmektedir. Chen, dağıtım merkezi yer seçim için bir bulanık çok kriterli
grup karar verme yöntemi önermiĢ ve örnek bir probleme uygulamıĢtır. Aday
alternatifler arasından en uygun yerin seçimi için beĢ adet karar kriteri
kullanmıĢtır. Bu kriterlerden maliyet kriterini kesin değer olarak, diğer kriterleri
ise üçgen bulanık sayı değerleri ile ele almıĢtır (Chen, 2001).
Chou vd., uluslararası turistik bir otelini yer seçimi için bulanık
küme teorisi, dilsel değerler, hiyerarĢik yapı analizi ve bulanık AHP
yönteminin birlikte kullanıldığı bir bulanık ÇKKV modeli önermiĢlerdir. Bu
model için yer seçimini etkileyen yirmi bir kriter dikkate alınmıĢtır (Chou vd.,
2008). Diğer bir örnek Shen ve Yu tarafından sunulan uluslararası bir Ģirketin
yer seçiminde bulanık çok nitelikli grup karar verme süreci altında bulanık
küme teorisi ve risk yargı sürecinin uygulandığı ampirik bir çalıĢmadır (Shen
ve Yu, 2009).
Yang vd., kurulum maliyeti, iĢletim maliyeti ve müĢteri taleplerinin
bulanık değiĢkenler olduğu varsayımı altında lojistik dağıtım merkezlerinin
yerleĢimi için toplam maliyeti minimize etmek amacıyla bir Ģans kısıtlı
programlama modeli tasarlamıĢ ve bu modelle birlikte bazı özel modelleri
araĢtırmıĢtır. Tabu araĢtırması algoritması, genetik algoritma ve bulanık
simülasyon algoritması en iyi çözüme yaklaĢık sonucu bulmak için birlikte
kullanılmıĢtır. Bu melez algoritma ile elde edilen optimal değer α parametre
değeri ile duyarlılık analizine tabi tutulmuĢtur (Yang vd., 2007b).
39
Kahraman vd., bir motor üreticisi tesis yeri seçim problemi için
dört farklı bulanık çok nitelikli karar verme yaklaĢımını kullanmıĢ ve her
yöntemi örnek bir problem ile çözmüĢtür. Bu yaklaĢımlar sırasıyla; Blin‟in
bulanık grup karar verme modeli, bulanık sentetik değerlendirme, Yager‟in
ağırlıklı hedefler yöntemi ve bulanık AHP‟dir. Daha sonra kullandığı bu
yöntemlerin farklılıkları ile ilgili değerlendirmelerde bulunmuĢtur (Kahraman
vd., 2003).
Özdağoğlu, Ġstanbul‟da yemek sektöründe faaliyet gösteren bir
firmanın tesis yerleĢimi için, ana ve alt kriterlerden oluĢturduğu bir hiyerarĢik
yapı ile kriterlerin birbiriyle etkileĢiminin de dikkate alındığı bir bulanık ANP
yöntemini kullanmıĢtır. En iyi alternatif yerin seçilmesinde etkili olan kriterler
değerlendirilmiĢ ve yapılan duyarlılık analizi çalıĢma sonunda sunulmuĢtur
(Özdağoğlu, 2011). Ertuğrul ve KarakaĢoğlu, Türkiye‟de ev tekstilinde faaliyet
gösteren bir imalatçı firmanın tesis yer seçimi problemi için bulanık AHP ve
bulanık TOPSIS yöntemlerini ayrı ayrı kullanmıĢ ve bu iki metot ile elde ettiği
çözümün benzerlik ve farlılıklarını karĢılaĢtırarak yorumlamıĢtır (Ertuğrul ve
KarakaĢoğlu, 2008a).
Kuo, uluslararası dağıtım merkezi yer seçimi için hibrid bir model
önermiĢtir. Önerilen modelde, kriterlerin hiyerarĢik/ağ yapısını oluĢturmak için
bulanık DEMATEL, kriter ağırlıklarını belirlemek için AHP ve ANP,
alternatiflerin
sırlanmasında
ise
yeni
bir
bulanık
ÇKKV
yöntemini
kullanılmıĢtır (Kuo, 2011). Awasthi vd., lojistik bir firmanın kentsel dağım
merkezi yer seçimi için Bulanık TOPSIS yöntemini kullanmıĢtır. Yer seçimi
modeli için üç karar verici belirlemiĢ ve sekiz kriter açısından belirlediği üç
alternatif yeri değerlendirmiĢtir (Awasthi vd., 2011). Farahani vd. 2009 yılı ve
öncesi yapmıĢ olduğu literatür araĢtırması ile ÇNKV yerleĢim problemlerinde
yaygın olarak kullanılan yöntemleri düzenlemiĢtir. Bu çalıĢmaya ilave olarak
2010-2014 yılları arasında literatürde yer alan tesis yer seçimine yönelik
yapılan çalıĢmalarda uygulanan yöntemler ile uygulama alanları eklenerek
Tablo-1‟de gösterilmiĢtir.
40
Tablo-1: Literatürdeki AraĢtırmaların Yöntem ve Uygulama Alanlarına Göre
Sınıflandırılması
S.NU.
1
YÖNTEM
ANP
3
ELECTRE III
4
PROMETHEE
5
MAUT
Belediye çöp depolama
alanı
Tzeng vd. (2002)
Restoran yer seçimi
Aras vd. (2004)
Rüzgâr gözlem
istasyonu yer seçimi
Wu vd. (2007)
Hastane yer seçimi
Viswanadham ve
Kameshwaran (2007)
ARGE tesisi yer seçimi
Fernandes ve Ruiz (2009)
Sanayi bölgesi seçimi
Partovi (2006)
Firma yer seçimi
Atık depolama yer
seçimi
Kentsel katı atık tesisi
Aragones-Beltran vd. (2010)
yer seçimi
Termik santralleri
Barda (1990)
yerleĢimi
Çöp yakma ve imha
Norese (2006)
tesis yer seçimi
Elektronik atık toplama
Queiruga (2008)
geri dönüĢüm yer
seçimi
Uluslararası üretim
Canbolat vd. (2007)
tesis yer seçimi
Tuzkaya vd. (2008)
SMAA
Hokkanen vd. (1999)
SMAA-2
Lahdelma vd. (2002)
SMAA-O
Menou vd. (2010)
Kuo vd. (1999)
8
Bulanık AHP
Bulanık ANP
Liman yer seçimi
Atık arıtma tesisi yer
seçimi
Hava kargo sistemi için
ana dağıtım üssü yer
seçimi
Market yer seçimi
Ertuğrul ve KarakaĢoğlu
(2008a)
Motor üreticisi tesis yer
seçimi
Tekstil üretim tesis yer
seçimi
Tabari vd. (2008)
Yeni tesis yer seçimi
Chou vd. (2008)
Uluslararası otel yer
seçimi
Vahidnia vd.(2009)
Hastane yer seçimi
Ashrafzadeh vd. (2012)
Depo yer seçimi
Tuzkaya vd. (2008)
Atık depolama yeri
seçimi
Güneri vd. (2009)
Tersane yer seçimi
Özdağoğlu (2011)
Yemek firması tesis yer
seçimi
Kahraman vd. (2003)
7
UYGULAMA ALANI
Erkut ve Moran (1991)
AHP
2
6
YAZAR(LAR) VE YILI
41
Tablo-1’in Devamı: Literatürdeki AraĢtırmaların Yöntem ve Uygulama
Alanlarına Göre Sınıflandırılması
S.NU.
YÖNTEM
YAZAR(LAR) VE YILI
Chu (2002)
Fabrika kuruluĢ yeri
seçimi
Yong (2006)
Fabrika yer seçimi
Mokhtarian ve HadiVenchen (2012)
Dağıtım merkezi yer
seçimi
Tekstil üretim tesis yer
seçimi
Kentsel dağıtım
merkezi yer seçimi
Süt ürünleri fabrikası
yer seçimi
Chou vd. (2008)
Otel yer seçimi
Önüt vd. (2010)
AlıĢveriĢ merkezi yer
seçimi
Kuo vd. (2007)
9
Bulanık TOPSIS
Ertuğrul ve KarakaĢoğlu
(2008a)
Awasthi (2011)
10
11
Bulanık SAW
Bulanık AHP ve Bulanık
TOPSĠS
12
Bulanık AHP ve
ELECTRE
13
UYGULAMA ALANI
Choudhary ve Shankar
(2012)
Termik santrali yer
seçimi
Ka (2011)
Kuru yük limanı yeri
seçimi
Bulanık DEMATEL,
Bulanık AHP/ANP ve
Bulanık ÇKKV
Kuo (2011)
Uluslararası dağıtım
merkezi için liman yer
seçimi
14
Bulanık küme ve risk
yargı süreci
Shen ve Yu (2009)
Uluslararası Ģirket yer
seçimi
15
CBS ve Bulanık ÇKKV
Analizi
Chang (2008)
Katı atık depolama
sahası yer seçimi
16
CBS ve Bulanık AHP
Vahidnia vd. (2009)
Hastane yer seçimi
17
Bulanık Grup Karar
Verme
Chen (2001)
Dağıtım merkezi yer
seçimi
Guo ve He (1999)
Tarım alanı yer seçimi
Badri (1999)
Uluslararası dağıtım
üssü yer seçimi
18
AHP ve Hedef
programlama
19
Genetik algoritma ve
Çok Kriterli Karar
Desteği
Guimaraes Pereira vd.
(1994)
Perakende ve hizmet
tesisi yer seçimi
20
Genetik Algoritma ve
AHP
Chan ve Chung (2004)
Tedarik zincirinde
dağıtım ağı planı
21
Blin bulanık grup karar
verme modeli, bulanık
sentetik değerlendirme,
Yager ağırlıklı hedefler
yöntemi
Kahraman vd. (2003)
Motor üreticisi tesis yer
seçimi
42
Tablo-1’in Devamı: Literatürdeki AraĢtırmaların Yöntem ve Uygulama
Alanlarına Göre Sınıflandırılması
S.NU.
YÖNTEM
YAZAR(LAR) VE YILI
UYGULAMA ALANI
22
Tabu araĢtırması, genetik
algoritma, bulanık
Yang vd. (2007b)
simülasyon algoritması
23
Küme kaplama ve ÇNKV
Farahani ve Asgari
(2007)
Depo yeri seçimi
24
AHP ve TOPSĠS,
ELECTRE, Gri Teori,
Özcan vd. (2011)
Depo yeri seçimi
25
ANP ve Veri Zarflama
Analizi
Khadivi ve Ghomi (2012)
Katı atık tesisi yer
seçimi
26
Doğrusal Programlama
ve SMAA-TRI
Karabay (2013)
Kamu tesisi yer seçimi
Lojistik dağıtım merkezi
yer seçimi
e. Kullanılan Kriterlere ĠliĢkin Literatür
Literatürde tesis yer seçimi problemlerine tek ya da çok kriterli
olarak karĢılaĢılmaktadır. Tek kriterli yerleĢim problemlerinde genellikle kriter
maliyet ya da kaplama olmaktadır. Ancak çok kriterli problemlerde en az bir
kriter daha mevcuttur ve bu tür problemlerin doğası gereği birinci kriter ile
çatıĢmaktadır. Ġki veya çok amaçlı yerleĢim problemleri için en çok
karĢılaĢılan kriterler maliyet, kâr, kaplama ya da eĢitlik, hizmet seviyesi ve
etkinliği ile çevresel riskler Ģeklinde özetlenmiĢtir. Çok nitelikli yerleĢim
problemlerinde ise kullanılan kriterler Ģu baĢlıklar altında toplanabilir
(Farahani vd., 2009);
-
Maliyet,
-
Değer ve faydalar,
-
Kaynaklara ulaĢılabilirlik ve faydalanma,
-
Kamu tesislerine ulaĢılabilirlik,
-
Çevresel Riskler,
-
Nüfus yoğunluğu,
-
Rekabet,
-
Ekonomiklik,
43
-
Kapasite,
-
Mesafe ve uygunluktur.
Yer seçim karar sürecinde dikkate alınması gereken ya da bu
kararı etkileyen; arazi, yatırım, kurulum ve iĢgücü maliyetleri, pazarlara ve
müĢterilere yakınlık, tedarikçilerin mevcudiyeti, çevresel ve siyasi riskler,
politik durum, vergiler, yaĢam kalitesi gibi bir çok nitel ve nicel kriter vardır.
Chou vd., bu kriterleri üç kategoride sınıflanmıĢtır (Chou vd., 2008);
(1)
Önemli kriterler (kamu hizmetlerinin varlığı, halkın tutumu),
(2)
Objektif kriterler (yatırım ve iĢgücü maliyetleri),
(3)
Sübjektif (kiĢiye bağlı) kriterler (pazarlara ve müĢterilere
yakınlık, siyasi istikrar, yaĢam kalitesi).
Smith, yurt içinde hizmet verecek bir fabrika yer seçimi için son
teslim zamanı, müĢterilere yakınlık, ulaĢım ve iletiĢim altyapılarına eriĢimi,
bölgesel ya da yurtdıĢı hizmet veren fabrikalar için bu kriterlerin yanında mali
teĢvikler, vergi sistemleri ve siyasi istikrarın önemli kriterler olduğunu ve
dikkate alınması gerektiğini söylemektedir (Smith, 2002).
Chase vd., üretim tesisi ve depo yer planlanmasını etkileyen
kriterleri Ģu baĢlıklar altında toplamıĢtır (Chase vd., 2007);
-
MüĢterilere yakınlık,
-
ĠĢ iklimi,
-
Toplam maliyetler,
-
Alt yapı,
-
ĠĢgücü kalitesi,
-
Tedarikçiler,
-
Sahip olduğu diğer tesisler,
-
Serbest ticaret bölgeleri,
-
Siyasi riskler,
-
Hükümet engelleri,
44
-
Ticari bloklar,
-
Çevresel düzenlemeler,
-
Ev sahibi toplum ve rekabet avantajıdır.
Farahani vd. yapmıĢ olduğu literatür araĢtırması ile 2009 yılı ve
öncesi ÇNKV yerleĢim problemlerinde yaygın olarak kullanılan karar
kriterlerini düzenlemiĢtir. Bu kriterlere, 2010-2014 yılları arasında yapılan
çalıĢmalarda kullanılan kriterler de ilave edilerek yeniden düzenlenmiĢ ve
Tablo-2‟de gösterilmiĢtir.
Tablo-2: Çok Nitelikli YerleĢim Problemlerinde Kullanılan Belirleyici Kriterler
KRĠTERLER
YAZARI VE YILI
Maliyet
(Arazi, kira, ulaşım,
kurulum, yatırım,
operasyonel, bakım
maliyetleri)
Guimaraes Pareira
vd. (1994)
Guo ve He (1999)
Lahdelma vd.(2002)
Tzeng vd. (2002)
Aras vd. (2004)
Chan and Chung
(2004)
Yong (2006)
Farahani ve Asgari (2007)
Chou vd. (2008)
Tabari vd. (2008)
Tuzkaya vd. (2008)
Türetken (2008)
Wadhwa vd. (2009)
Değeri ve faydalar
(Gelir, arazi ve
mülkün değeri, ürün
değeri)
Guimaraes Pareira
vd. (1994)
Guo and He (1999)
Lahdelma vd.(2002)
Doğal ve çevresel
riskler
(Afet, trafik, sağlık
sorunları, ses ve
gürültü kirliliği, iklim,
kokular, atık
toplama, hava ve su
kirliliği)
Barda vd. (1990)
Guimaraes Pareira
vd. (1994)
Aras vd. (2004)
Fernandes ve Ruiz
(2009)
Kaynaklara
eriĢilebilirlik ve
tesisten
faydalanma
Barda vd. (1990)
Lahdelma vd.(2002)
Aras vd. (2004)
Chan and Chung
(2004)
Yong (2006)
Norese (2006)
Viswanadham ve
Kameshwaran (2007)
Kinra ve Kotzab (2008)
Chou vd. (2008)
Fernandes ve Ruiz
(2009)
Awasthi vd. (2011)
Kamu tesislerine
ulaĢılabilirlik
(Hava alanı,
karayolu, demiryolu,
park ve dinlenme
alanları, konaklama
tesisleri)
Barda vd. (1990)
Guimaraes Pareira
vd. (1994)
Lahdelma vd. (2002)
Tzeng vd. (2002)
Aras vd. (2004)
Norese (2006)
Viswanadham ve
Kameshwaran (2007)
Kinra ve Kotzab (2008)
Chou vd. (2008)
Fernandes ve Ruiz
(2009)
Shen ve Yu (2009)
Önüt vd. (2010)
Awasthi vd. (2011)
Ashrafzadeh (2012)
Fernandes ve Ruiz
(2009)
Önüt vd. (2010)
Awasthi vd. (2011)
Özdağoğlu (2011)
Kuo (2011)
Ashrafzadeh (2012)
Norese (2006)
Önüt vd. (2010)
Farahani ve Asgari (2007) Awasthi vd. (2011)
Tuzkaya vd. (2008)
Ashrafzadeh (2012)
Lahdelma vd.(2002)
Norese (2006)
Türetken (2008)
Tuzkaya vd. (2008)
45
Önüt vd. (2010)
Awasthi vd. (2011)
Özdağoğlu (2011)
Ashrafzadeh (2012)
Tablo-2’nin Devamı: Çok Nitelikli YerleĢim Problemlerinde Kullanılan
Belirleyici Kriterler
KRĠTERLER
YAZARI VE YILI
Siyasi konular ve
düzenlemeler
(Toplumun
düşüncesi, ülkenin
önlemleri, kamu
düzenlemeleri)
Badri (1999)
Kahraman vd. (2003)
Canbolat vd. (2007)
Viswanadham ve
Kameshwaran (2007)
Chou vd. (2008)
Türetken (2008)
Tabari vd. (2008)
Kinra ve Kotzab (2008)
Ertuğrul ve KarakaĢoğlu
(2008a)
Shen ve Yu (2009)
Wadhwa vd.
(2009)
Rekabet
(Rekabet ortamı,
rakip firma sayısı)
Badri (1999)
Tzeng vd. (2002)
Kahraman vd. (2003)
Chou vd. (2008)
Önüt vd. (2010)
Özdağoğlu (2011)
Ekonomi kriterleri
maliyet ve değer
yanında
(İş gücü imkânı, iş
fırsatları, paranın
değeri, iş iklimi)
Barda vd. (1990)
Guimaraes Pareira
vd. (1994)
Badri (1999)
Kahraman vd. (2003)
Norese (2006)
Yong (2006)
Canbolat vd. (2007)
Viswanadham ve
Kameshwaran (2007)
Chou vd. (2008)
Ertuğrul ve KarakaĢoğlu
(2008a)
Kinra ve Kotzab (2008)
Tabari vd. (2008)
Tuzkaya vd. (2008)
Türetken (2008)
Fernandes ve Ruiz
(2009)
Shen and Yu
(2009)
Wadhwa vd.
(2009)
Ashrafzadeh
(2012)
Nüfus yoğunluğu
Guimaraes Pareira
vd. (1994)
Tzeng vd. (2002)
Lahdelma vd.(2002)
Norese (2006)
Canbolat vd. (2007)
Önüt vd. (2010)
Kapasite ve
büyüklüğü
(Büyüme ve
genişleme imkânı,
esneklik)
Tzeng vd. (2002)
Norese (2006)
Tuzkaya vd. (2008)
Önüt vd. (2010)
Awasthi vd. (2011)
Ashrafzadeh
(2012)
Yakınlık/Uzaklık
(Pazara-müşteriyetedarikçiyekaynağa yakınlık,
yasak- tehlikeliistenmeyen
tesislerden- afet
bölgesinden
uzaklık)
Guimaraes Pareira
vd. (1994)
Norese (2006)
Viswanadham ve
Kameshwaran (2007)
Ertuğrul ve KarakaĢoğlu
(2008a)
Tuzkaya vd. (2008)
Kuo (2011)
Awasthi vd. (2011)
Özdağoğlu (2011)
Ashrafzadeh
(2012)
Uygunluk
(Kültürel, sosyal,
teknik, arazi
kullanımına, doğal
tehditlere, trafik
sistemi, altyapı,
yaşam kalitesi)
Barda vd. (1990)
Aras vd. (2004)
Norese (2006)
Viswanadham ve
Kameshwaran (2007)
Canbolat vd. (2007)
Diğer Kriterler
(Çekicilik, talep
seviyesi, operasyon
yeteneği
Önüt vd. (2010)
Awasthi vd. (2011)
Özdağoğlu (2011)
46
Ertuğrul ve
KarakaĢoğlu
(2008a),
Chou vd. (2008)
Awasthi vd. (2011)
Kuo (2011)
Kuo (2011)
ÜÇÜNCÜ BÖLÜM
BULANIK MANTIK VE ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ
1.
GĠRĠġ
Karar verme; belirli bir problemi çözme ya da istenilen amaca
ulaĢmak için, problemin sahip olduğu kriterlerin etkisi altında, mevcut tüm
alternatifler arasından en uygununu seçme iĢlemidir. Bir baĢka ifadeyle karar
verme, zihinsel süreçlerin sonunda, çeĢitli alternatifler arasından birisinin
seçilmesi sürecidir (Chanas, 1989). Karar verme iĢlemi, optimizasyon
kriterlerine göre hareket tarzları arasından bir tanesinin seçimidir (Saat,
2000). Bu iĢlem, yaĢantımız boyunca her konuda basit veya karmaĢık bir
yapıda karĢımıza çıkmaktadır. Gerek kiĢisel gerekse toplumsal ihtiyaçların
karĢılanması amacıyla, karmaĢık ve çok sayıda kriteri içeren bir problem için,
çeĢitli alternatifler arasından en uygun alternatifi seçmek oldukça zor bir
karar süreci olabilmektedir.
KarmaĢık sistemlerin karar analizinde, “çok kriterli”, “çok amaçlı”
veya “çok nitelikli” gibi kavramlar karar durumlarının tanımlamalarında sıklıkla
birbirlerinin yerlerine kullanılmaktadır. Genel olarak terminolojide, çok kriterli
karar verme (ÇKKV) kavramı, çok amaçlı karar verme (ÇAKV) ya da çok
nitelikli karar verme (ÇNKV) kavramının yerine kullanılmaktadır. Bu iki
kavram ÇKKV problemlerinin ana kategorileridir. ÇNKV yöntemleri sınırlı
sayıda alternatifi olan ve içlerinden en iyisini seçmeyi amaçlayan
problemlerde kullanılırken, ÇAKV metotları genellikle çok sayıda alternatif
kümesine sahip problemler için kullanılmaktadır (Tabucanon, 1988).
Karar problemleri çoğunlukla birden fazla ve birbiriyle çeliĢen kriterler
içermektedir. Genellikle bu tür problemlerin çözümü için çok kriterli karar
verme metotları kullanılmaktadır. ÇKKV, bir karar vericinin birden fazla
alternatif arasından genellikle birbiri ile çeliĢen kriterler altında yaptığı seçim
iĢlemidir. ÇKKV, birden çok kritere sahip yine birden fazla alternatifin
karĢılaĢtırma, sıralama ve seçme iĢlemlerini içeren bir metodolojiler
47
toplamıdır (Levy, 2005). Amaçlar genellikle çeliĢkilidir ve bu nedenle, çözüm
karar vericisinin tercihine son derece bağlıdır ve bir uzlaĢma olması
gerekmektedir. Problemlerin çoğunda, farklı karar verici grupları sürece dâhil
edilmektedir. Her grup, karĢılıklı anlayıĢ ve uzlaĢı çerçevesinde çözülmesi
gereken sorunlara karĢı farklı kriter ve bakıĢ açısı getirmektedir (Pohekar vd.,
2004).
Gerçek hayattaki olaylarda pek çok problem birden fazla karar
kriterine sahiptir. Bu yüzden ÇKKV yöntemleri karmaĢık problemleri çözmek
için geliĢtirilmiĢtir.
ÇKKV‟nin amacı alternatif seçenekler arasından tüm
tercihleri belirlemektir. Amacına göre, ÇKKV yöntemleri alternatiflerin
sıralanması veya seçeneklerin nihai kararı için kullanılabilir (Ersöz ve Kabak,
2010).
Karar vericilerin kriter değerlendirmesinde farklı düĢüncelere sahip
olması karar verme sürecinin asıl çatıĢma sebeplerinden birisidir. Bu çatıĢma
ortamında kalitatif ve kantitatif kriterlerin birlikte bulunması ve çoğunlukla bu
kriterlerin kesin olmayan ya da bulanık değerler alması kaçınılmazdır.
Örneğin maliyet, konum, rahatlık ve büyüklük kriterine göre satın alınacak bir
ev için alınacak karar sürecinde maliyet kriteri diğer kriterler ile çatıĢma
içerisinde olacak, büyüklük, rahatlık ve konum kriteri ise bulanık ifadelerle
temsil edilecektir. Tipik bir ÇKKV probleminin üç temel bileĢeni vardır. Bunlar;
alternatifler, kriterler ve her bir kriterin göreceli ağırlığıdır. Bu problemlerin
matris formatı aĢağıda gösterilmiĢtir (Chen, 2000);
C1
C2
… Cn
[
[
]
]
Burada; A1, A2, … Am karar vericiler tarafından seçilecek alternatifleri,
C1, C2, … Cn alternatiflerin performans değerlerinin ölçümünde kullanılacak
kriterleri, xij Ai alternatifinin Cj kriteri açısından aldığı değeri, wj ise Cj kriterinin
48
ağırlık değerini temsil etmektedir. Klasik ÇKKV problemlerinde kriter değer ve
ağırlıkları kesin değerlerdir (Chen, 2000). Çok kriterli karar verme süreci
genellikle ġekil-4‟te gösterilen adımları içermektedir (Kim ve Chung, 2013);
Karar vericilerin
belirlenmesi
Kriterlerin
seçilmesi
Alternatiflerin
tanımlanması
Yöntemin
seçilmesi
Kriterlerin
ağırlıklandırılması
Alternatiflerin
değerlendirilmesi
Kriter değerlerinin
ölçülebilir birimlere
döüĢtürülmesi
ÇKKV
teknik(ler)inin
uygulanması
Duyarlılık analizi
yapılması
Son kararın
verilmesi
ÇKKV teknikleri
uygulama safhası
ġekil-4: Çok Kriterli Karar Verme Süreci
2.
BULANIK MANTIK
Bulanık kelimesi, tanımlanmaları iyi yapılmamıĢ olan faaliyetler
kümesi ya da gözlemler ile tanımlamaların yapılamadığı durumu ifade
etmektedir (Chen ve Hwang, 1992). Bulanık modellerdeki belirsizlik;
sayılamayan, eksik ya da elde edilemeyen bilgi gibi çeĢitli durumlardan
oluĢmaktadır (Kahraman ve Çebi, 2009). Bulanıklık, sistemler üzerinde
çalıĢılırken elde edilen verilerin yetersiz olduğu zaman ortaya çıkmaktadır.
Bu
durumda
bulanık
bilgiler
anlamlı
bulanık
mantık
kullanılarak
çözümlenebilmektedir (ġen, 2001).
Bulanık mantık kavramı ilk olarak Zadeh tarafında belirsizliği
açıklamak maksadıyla ortaya konulmuĢtur. Bulanık mantıkta kriter değerleri
49
kesin sınırlamalarla sınıflandırılmamaktadır. Bu nedenle, belirsiz ve kesin
olmayan kriter değerlerine sahip gerçek yaĢam problemleri için kolayca
kullanılabilmektedir. Bulanık mantıkta evet ya da hayır gibi kesin değerler
yerine düĢük, orta, yüksek gibi değerler kullanılmaktadır. Bu değerler 0 ile 1
aralığında derecelendirilmektedir.
Klasik (ikili) mantık anlayıĢında değerlendirmeler doğru ve yanlıĢ
üzerine kurulmuĢtur. Aristo mantığı olarakta adlandırılan bu anlayıĢa göre
olaylar siyah ile beyaz kadar keskindir. Bu iki değer arasına kesin olmadığı
için değer verilmez (ġen, 2001). Ancak klasik mantık yaklaĢımlı matematiksel
modeller, karmaĢık, iç içe geçmiĢ ve kiĢisel değerlendirmelere dayanan
problemlerin çözümünde yeterli olmamaktadır (Kaufmann ve Gupta, 1988).
Bulanık mantıkta dilsel ifadelerde kullanılan kelime ya da kelime gruplarına
dilsel değiĢkenler denilmektedir. Dilsel değiĢkenleri anlamlı hale getirebilmek
için bulanık küme teorisi ile bulanık kümeler geliĢtirilmiĢtir.
3.
BULANIK KÜME TEORĠSĠ
Günlük hayatta karĢılaĢılan pek çok durum sayısal bilgilerden ziyade
görüĢ, tercih ve düĢüncelerle ifade edilmekte ve yorumlanmaktadır. Örneğin,
“hava sıcak” denildiğinde havanın ısısı ile ilgili düĢünce ortaya konulmakta
ancak bu anlamsal olarak kiĢiler arasında farklılık yaratabilmektedir. Bu tercih
Doğu Anadolu bölgesinde yaĢayan birisi için 20 derecelik bir sıcaklığı ifade
ederken, Akdeniz bölgesinde yaĢayan birisi için 35 derecelik bir sıcaklığı
tanımlayabilmektedir. Dolayısıyla sıcaklık kelimesi ile ilgili bir belirsizlik söz
konusu bulunmaktadır (Yıldız, 2013).
Gerçek hayatta, karĢılaĢılan tüm nesne sınıfları kesin olarak bir
üyelik kriteri ile tanımlanamamaktadır. Örneğin, hayvanlar sınıfında köpekler,
atlar, kuĢlar gibi üyeler bulunurken, taĢlar, sıvılar ve bina gibi nesneleri
içermemektedir. Ancak denizyıldızı, bakteri gibi bazı nesneler hayvan sınıfına
göre belirsiz statüye sahiptir. Aynı Ģekilde belirsizlik, 10 gibi gerçek bir
sayının birden daha büyük tüm gerçek sayılar sınıfına iliĢkin üyelik durumu
50
ile ortaya çıkmaktadır. Açıkçası, “birden daha büyük tüm gerçek sayılar
sınıfı”, “güzel bayanlar sınıfı” veya “uzun erkekler sınıfı” gibi kümeleri ya da
sınıfları alıĢılmıĢ matematiksel yöntemlerle oluĢturmak mümkün değildir
(Zadeh, 1965).
Klasik küme teorisi, bireyin bir kümeye ait olup olmaması ile ilgilidir.
Yani ya üyesidir ya da değildir. Bulanık küme teorisi, temelinde klasik küme
teorisine dayanır. Bu teori, klasik küme teorisinin yeterli olmadığı durumlarda
daha açıklayıcı olmak için geliĢtirilmiĢtir. Klasik küme teorisine göre; klasik
kümelerde bir birey o kümenin ya elemanıdır ya da değildir. Bu nedenle, o
bireyin hangi kümenin elemanı olduğunu ayırt etmek bu kadar kesin ve belirli
sınırlarla ayrıldığı için çok kolaydır. Klasik küme teorisinde bir elemanın bir
kümede aynı anda hem olması hem de olmamasına izin verilmez. Klasik
küme teorisinin bir elemanın kısmen bir kümeye ait olması söz konusu
değildir.
Bu
nedenle,
tanımlanamamakta
kümesinin
ve
elemanıyken
gerçek
yaĢam
problemleri
zamanda
yeterince
Örneğin bir nesne, A
çözümlenememektedir.
aynı
için
B
kümesinin
de
elemanı
olabilmektedir. Oysa ki, klasik küme teorisinde A kümesine ait ise asla B‟de
yer alamamaktadır. “Kısmen ne kadar ait?” sorusunu ise üyelik fonksiyonları
açıklamaya yardımcı olur (Chen ve Pham, 2001).
Bulanık küme teorisi (fuzzy logic) 1965 yılında Lütfü Asker Zadeh
tarafından geliĢtirilmiĢtir. Bulanık küme teorisi matematiksel olarak uzayda
bulanan her bir nesneye bulanık bir kümenin üyesi olma derecesini ifade
eden bir değer verilmesi olarak tanımlanmaktadır. Bu değer 0 ile 1 arasında
değiĢen doğal sayılardan oluĢmaktadır. Böylece klasik küme teorisindeki gibi
her bir elemanın, bir kümenin elemanı olup olmamasını keskin sınırlar ile
belirlenmesi yerine, daha düĢük ya da daha yüksek yakınlık derecesi ile dâhil
olabilmesine imkân tanınmaktadır (Zadeh, 1965).
Bulanık kümelerde, U evrensel kümesine ait herhangi bir ̃
elemanının bulanık kümesine üyelik derecesi
̃
ile ifade edilmektedir.
Bulanıklığı ifade etmek için “~” sembolü kullanılmaktadır. Üyelik derece
51
aralığı 0 ile 1 arasındadır ve
[
̃
] Ģeklinde gösterilir. Burada 0
değeri, o elamanın bulanık kümeye ait olmadığını, 1 değeri tam üye
olduğunu, bu iki değer arasındaki herhangi bir sayı ise ilgili nesnenin üyelik
derecesini göstermektedir.
̃
değeri 1‟e ne kadar yakın olursa x
değerinin bulanık kümeye elemanı olma derecesi o kadar güçlüdür.
(Zimmermann, 1991). Üyelik fonksiyon tipleri literatürde fonksiyon biçimlerine
ya da geometrik Ģekil benzerliklerine göre ele alınmıĢtır. ġekil yönünden
birçok
çeĢidi
olmasına
rağmen,
üçgen,
yamuk ve
Gaussal
üyelik
fonksiyonları pratikte yaygın olarak kullanılmaktadır (Gülcan, 2012). Üçgen
bulanık sayıların grafiksel gösterimi ġekil-5‟de gösterilmiĢtir.
Bir üçgen bulanık sayısı ̃
(
)
net değeri
olacak Ģekilde üçlü sayısı ile tanımlanır. Bu sayılardan; a1 parametresi en
küçük değeri, a2 parametresi en çok beklenen değeri, a 3 parametresi en
büyük değeri temsil etmektedir. Bir
̃ üçgen bulanık sayısının
fonksiyonuna üyeliği aĢağıdaki formül ile hesaplanır (Chen ve Wang, 2009);
⁄
̃
(5)
⁄
{
~ )
̃




ġekil-5: Üçgen Bulanık Sayıların Grafiksel Gösterimi
52
̃ ve ̃ iki üçgen bulanık sayısı sırasıyla (
) ve (
) üçlü
olarak parametre edilen bu sayıların matematiksel kuralları aĢağıda
gösterilmiĢtir:
̃
̃
(
)
,
(6)
̃
̃
(
)
,
(7)
̃
̃
̃
̃
̃
(
)
(
(
̃
,
)
(8)
,
),
⁄
⁄
(9)
(10)
⁄
(11)
Sözel değiĢkenlerle ifade edilen kriterlerin önem tercihleri ile
alternatiflerin kriterlere göre aldığı performans değerlerinin sayısal değerlere
dönüĢtürülmesinde Chen tarafından önerilen üçgen bulanık sayılardan
yararlanılabilinir. Kriterlerin önem ağırlığının belirlenmesinde kullanılan sözel
değiĢkenler ile alternatiflerin kriterlere göre değerlendirilmesinde kullanılan
sözel ifadeler Tablo-3‟de gösterilmiĢtir (Chen, 2000).
Tablo-3: Kriter Önem Ağırlıkları ile Alternatiflerin Değerlendirilmesinde
Kullanılan Sözel DeğiĢkenler
Kriter önem ağırlığının
belirlenmesinde kullanılan dilsel
değiĢkenler
Çok DüĢük (ÇD)
(0, 0, 0.1)
Alternatiflerin
değerlendirilmesinde kullanılan
dilsel değiĢkenler
Çok Zayıf (ÇZ)
(0, 0, 1)
DüĢük (D)
(0, 0.1, 0.3)
Zayıf (Z)
(0, 1, 3)
Orta DüĢük (OD)
(0.1, 0.3, 0.5)
Orta Zayıf (OZ)
(1, 3, 5)
Orta (O)
(0.3, 0.5, 0.7)
EĢit (E)
(3, 5, 7)
Orta Yüksek
(0.5, 0.7, 0.9)
Orta Ġyi (OĠ)
(5, 7, 9)
Yüksek (Y)
(0.7, 0.9, 1.0)
Ġyi (Ġ)
(7, 9, 10)
Çok Yüksek (ÇY)
(0.9,1.0,1.0)
Çok Ġyi (ÇĠ)
(9, 10, 10)
53
4.
BULANIK TOPSĠS YÖNTEMĠ
a.
TOPSIS Yöntemi
Technique for order performance by similarity to ideal solution
(TOPSIS) yöntemi ilk kez 1981 yılında Hwang ve Yoon tarafından bir ÇKKV
probleminin çözümünde kullanılmak üzere geliĢtirilmiĢtir. TOPSIS yöntemi
alternatiflerin tercih sırasını yapmak ve en iyi çözüm tercihini belirlemek
maksadıyla yaygın olarak kullanılmaktadır. Bu yöntemin temel prensibi,
seçilen alternatifin pozitif ideal çözümden uzaklığı en az, negatif ideal
çözümden uzaklığı da en fazla olmasıdır.
Pozitif ideal çözüm, istenen kriterleri maksimize eder, istenmeyen
kriterleri en aza indirirken, negatif ideal çözüm istenmeyen kriterleri
maksimize eder istenen kriterleri en aza indirir. TOPSIS uygulama süreci
içinde kullanılan kriter değer ve ağırlıkları kesin değerlerdir (Chen, 2000).
Ancak günlük hayatta çeĢitli koĢullar altında karĢılaĢılan birçok
olayı modellemede, net veriler yetersiz kalmaktadır. Çünkü insanın karar
tercihleri belirsizdir ve her zaman kesin değerlerle tercihlerini ifade edemez.
Sayısal değerlerin yerine dilsel değerlendirmeler kullanmak daha gerçekçi bir
yaklaĢım olabilir. Yani, problem içindeki kriter değeri ve ağırlıklarının
derecelendirmelerini [1, 3, 4, 6, 9, 15] gibi dilsel değiĢkenler aracılığıyla
değerlendirilir. ĠĢte; bulanık ortamda, çok kiĢili (grup) ve ÇKKV probleminin
çözümü için bulanık TOPSIS yöntemi Chen tarafından geliĢtirilmiĢtir (Chen,
2000).
b.
Bulanık TOPSIS Yöntemi
Bulanık
TOPSIS
yöntemi
geleneksel
TOPSIS
yönteminin
geniĢletilmiĢ halidir. Bu yöntemde kriter değerleri ile grup karar verme
sürecindeki bulanıklık göz önüne alındığında, kriter ağırlıkları ile kriterlere
göre alternatiflerin değerlendirilmesinde dilsel değiĢkenler kullanılmaktadır.
54
Bulanık TOPSIS yönteminde karar vericiler karar kriterleri ve alternatifleri
değerlendirmek için üçgen ya da yamuk bulanık sayıları kullanarak,
alternatifleri yakınlık katsayısına göre değerlendirmektedir.
Öncelikle elde edilen dilsel değiĢkenler sayısallaĢtırılarak bulanık
ağırlıklı matris ve bulanık karar matrisi oluĢturulmaktadır. Daha sonra bu
matrisler
normalize
edilmiĢ
bulanık
ağırlıklar
ve
karar
matrislerine
dönüĢtürülmektedir. Her alternatifin için elde edilen bu matrisler ile bulanık
pozitif ideal çözüm (BPĠÇ) ve bulanık negatif ideal çözüm (BNĠÇ)‟den olan
uzaklıkların hesaplanmasında verteks metodundan yararlanılmaktadır.
Verteks
yöntemi
yakınlık
katsayılarının
bulunmasında
kullanılmaktadır. En iyi alternatifin seçimi için elde edilen sayılar küçükten
büyüğe sıralanmaktadır. Bulanık TOPSIS yöntemin adımları aĢağıda
gösterilmiĢtir (Chen vd., 2000);
Adım 1: Ġ adet değerlendirme kriterinden oluĢan bir kriter kümesi
(K), j adet alternatiften oluĢan bir alternatifler kümesi (A) ve k adet kiĢiden
oluĢan bir karar verici grubu (KV) kurulur.
K = { K1, K2, … Ki},
A= { A1, A2, … Aj},
KV = { KV1, KV2, … KVk},
Adım 2: Alternatiflerin kriterlere göre aldığı değerler ile kriter
önem ağırlıklarını değerlendirmek için uygun dilsel değiĢkenler belirlenir.
Karar vericiler bu dilsel değiĢkenler aracılığıyla hem kriterlerin önem
ağırlıklarını belirler, hem de alternatifleri kriterlere göre değerlendirir.
55
Adım 3: K adet karar vericinin dilsel değiĢkenler ile ifade ettiği
alternatiflerin kriterlere göre aldığı değerler ve kriter önem ağırlıkları bulanık
sayılara dönüĢtürülür. Bulanık sayılara dönüĢtürmek için Tablo-3‟ten istifade
edilir. DönüĢtürülen bulanık sayılar (12) ve (13) numaralı formüllerden
yararlanılarak tek bir bulanık sayı olacak Ģekle getirilir.
̃
[̃
̃
̃ ]
(12)
̃
[̃
̃
̃ ]
(13)
Burada, ̃
i alternatifinin j kriterine göre aldığı değeri, ̃ j
kriterinin karar vericiden aldığı önem ağırlığını, K ise karar verici sayısını
temsil etmektedir. Tüm kriter ve alternatifler için tek bir değer elde edildikten
sonra bulanık karar matrisi oluĢturulur.
Adım 4: Alternatiflerin kriterlere göre performans değerlerini
gösteren bulanık karar matrisi (̃ ) ve bulanık kriter ağırlıkları matrisi ( ̃ ) (14)
numaralı eĢitlikte gösterildiği Ģekilde oluĢturulur.
̃
C1
̃
C2
̃
̃
̃
[̃
… Cn
̃
̃
̃
̃
̃
[̃
̃
̃ ]
(14)
]
̃ bulanık karar matrisi, ̃ ise bulanık kriter ağırlıkları matrisini
göstermektedir. ̃
değeri üçgen bulanık sayılar ile ifade edilebilir. Bir ̃
üçgen bulanık sayısı (aij, bij, cij),
̃ ağırlığı ise (
olacak Ģekilde tanımlanabilir.
56
) üçlü sayıları
Adım 5: Bulanık karar matrisinin oluĢturulmasından sonra
bulanık karar matrisi normalize edilir. Normalize edilmiĢ bulanık karar matrisi
( ̃ ) (15) numaralı formül gösterildiği Ģekilde gösterilir. Kriterlerin fayda (F)
veya maliyet (M) yapılı olmasına göre (16) veya (17) numaralı formüller
kullanılarak normalize edilme iĢlemi yapılır. Fayda yapılı ise (18) maliyet
yapılı ise (19) numaralı eĢitlik değeri dikkate alınır.
̃
[
]
(15)
̃
(
),
(fayda yapılı),
̃
(
),
(maliyet yapılı),
(16)
(17)
(18)
(19)
Bu iĢlemler sonucunda üçgen bulanık sayılar, aralık değerleri
korunmuĢ olarak 0 ile 1 değerleri arasında ölçeklendirilmiĢ olur.
Adım 6:
Normalize edilmiĢ bulanık kriter matrisinden sonra
ağırlıklı normalize edilmiĢ karar matrisi ( ), (20) ve (21) numaralı eĢitlikle
gösterildiği Ģekilde hesaplanarak kurulur. Ağırlıklı normalize edilmiĢ bulanık
karar matrisindeki her ̃
bulanık sayısı, normalize edilmiĢ pozitif üçgen
bulanık sayıdır ve bu değer 0 ile 1 ölçek değeri arasındadır.
[̃ ]
̃
̃
(20)
̃
(21)
57
Adım 7: Tüm alternatiflerin en iyi (A*) ve en kötü (
) bulanık
değerlerden uzaklığını gösteren bulanık pozitif ideal çözüm (BPĠÇ,
bulanık negatif ideal çözüm (BNĠÇ,
) ve
) değerleri (22) ve (23) numaralı
eĢitlikler dikkate alınarak belirlenir.
̃ ̃
̃
̃ , ̃
̃
̃
,
(22)
, ̃
.
(23)
Chen vd. çalıĢmasında, BPĠÇ üçgen bulanık değeri için (1,1,1) ve
BNĠÇ üçgen bulanık değeri için ise (0,0,0) değerini kullanmıĢtır. Ġki bulanık
sayı arasındaki uzaklıkların bulunmasında (24) numaralı formülde gösterilen
Vertex metodundan faydalanılır (Chen vd., 2000).
̃ ̃
√ [
]
(24)
Adım 8: Her bir alternatifin bulanık ideal çözümlerden uzaklık
değerleri, en iyi bulanık pozitif ideal çözüm değeri ( ̃ ) ile en kötü bulanık
negatif ideal çözüm ( ̃ ) değerinden çıkarılır. Daha sonra bu değerler (25) ve
(26) numaralı formüller yardımıyla toplanarak
ve
değerleri elde edilir;
∑
(̃
̃ )
(25)
∑
(̃
̃ )
(26)
değeri bir alternatifin ağırlıklı normalize edilmiĢ karar
matrisindeki
kriterlerden
aldığı
değerin
değerinden olan uzaklıklarının toplamını,
bulanık
pozitif
ideal
çözüm
değeri ise bir alternatifin ağırlıklı
normalize edilmiĢ karar matrisindeki kriterlerden aldığı değerin bulanık
negatif ideal çözüm değerinden olan uzaklıklarının toplamını göstermektedir.
58
Adım 9: Her bir alternatifin yakınlık katsayısı değerleri (
)
hesaplanır. Yakınlık katsayısı tüm alternatiflerin sırasını belirlemek için
kullanılır ve (27) numaralı formül yardımıyla hesaplanır.
,
(27)
Adım 10: Yakınlık katsayısı değerlerine göre alternatiflerin
sıralaması yapılır. Alternatifler büyükten küçüğe doğru sıralanır ve yakınlık
katsayısı değeri 1‟e yakın olan alternatif tercih edilmesi en uygun seçenektir.
Alternatiflerin sıralamasına yakınlık katsayı değerlerine göre karar verilse de,
bu değerlerin değerlendirilmesi için dilsel değiĢkenler tanımlamak ve
bunlardan faydalanmak daha gerçekçi bir yaklaĢım olabilir.
Alternatiflerin yakınlık katsayı değerlerini [0,1] değer aralığında
beĢ alt aralığa bölerek, her bir aralık için dilsel değiĢkenler tanımlanmıĢtır. Bu
alt aralık değerleri ve dilsel değiĢkenleri gösteren kabul koĢulları Tablo-4‟te
gösterilmiĢtir (Chen vd., 2006).
Tablo-4: Kabul KoĢulları
Yakınlık Katsayısı (
c.
Değerlendirme Durumu
)
[
Tavsiye edilmez
[
Yüksek risk ile tavsiye edilir
[
DüĢük risk ile tavsiye edilir
[
Kabul edilir
[
Kabul edilir ve tercih edilir
Bulanık TOPSIS Yöntemi Uygulama Alanları
ÇKKV
yöntemleri,
alternatiflerin
değerlendirilmesi
ve
sıralanmasında araĢtırmacıların ve uygulayıcıların her zaman dikkatini
59
çekmiĢtir. Bu yöntemlerden biri olan TOPSIS yöntemi literatürde pek çok
çalıĢma alanında kullanılmıĢtır. Behzadian vd., 2000-2012 yılları arasında
TOPSIS yöntemi ile ilgili yapılan çalıĢmaları; (1) tedarik zinciri yönetimi ve
lojistik, (2) tasarım, mühendislik ve üretim sistemleri, (3) iĢ ve pazarlama
yönetimi, (4) sağlık, güvenlik ve çevre yönetimi, (5) insan kaynakları
yönetimi, (6) enerji yönetimi, (7) kimya mühendisliği, (8) Su kaynakları
yönetimi ve (9) diğer konular olmak üzere toplam dokuz bölümde toplamıĢtır
(Behzadian vd., 2012).
Literatürde Bulanık TOPSIS yönteminden ise özellikle yer seçimi
ile birlikte; personel seçimi (Chen vd., 2006), tedarikçi seçimi (Ding, 2011),
araç seçimi (Baykasoğlu vd., 2013), silah seçimi (Dağdeviren vd., 2009),
robot seçimi (Chu ve Lin, 2003), performans değerlendirmesi (Akkoç ve
Vatansever, 2013), risk değerlendirmesi (Wang ve Elhag, 2006), yapı proje
seçimi (Tan vd., 2010), strateji seçimi (Paksoy vd., 2012), enerji planlaması
seçimi (Kaya ve Kahraman, 2011a) konularında faydalanılmıĢtır.
Chen, TOPSIS yöntemini bulanık çevre için geniĢletmiĢtir.
Önerdiği yöntemde örnek problem olarak bir yazılım firması için sistem analiz
mühendisi seçimini ele almıĢtır. BaĢvuran adaylar arasından seçilen üç aday,
beĢ karar kriterine göre üç karar verici tarafından değerlendirilmiĢtir (Chen,
2000).
Ertuğrul ve KarakaĢoğlu, üniversiteye akademik personel seçimi
için üçgen bulanık sayılar ile değerlendirmelerini yaptığı Bulanık TOPSIS
yöntemini uygulamıĢtır (Ertuğrul ve KarakaĢoğlu, 2007). Kelemenis ve
Askounis, bir organizasyonun baĢarısında önemli bir faktör olan insan
kaynakları konusunda kalifiye personel seçimi için bulanık TOPSIS yöntemini
kullanmıĢtır (Kelemenis ve Askounis, 2010).
Chen vd., tedarikçi seçimi problemi için Bulanık TOPSIS
yöntemini kullanmıĢtır. Ġleri teknoloji firması için tedarikçi seçimi probleminde
kriterlerin değerlendirilmesi ve ağırlıklandırılmasında dilsel değiĢkenlerden
60
faydalanmıĢtır.
Üç
karar
vericinin
dilsel
değiĢkenleri
ile
yaptığı
değerlendirmeleri sayısal olarak gösterimi için yamuk bulanık sayıları
kullanmıĢtır. Örnek uygulamasında, beĢ alternatif tedarikçinin seçimi ve
değerlendirmesi için beĢ karar kriterinden yararlanmıĢtır (Chen vd., 2006).
Ding, varsayımsal olarak kurduğu örnek problemde deniz
taĢımacılığı yapan bir firmanın iĢ büyütmesi amacıyla ortak tedarikçi
seçiminde bulanık AHP, entropi ağırlık metodu ve bulanık TOPSIS yöntemini
birlikte kullanmıĢtır (Ding, 2011). Mangır ve Erdoğan, ekonomik kriz yaĢayan
altı ülkenin (Ġtalya, Yunanistan, Ġspanya, Portekiz, Ġrlanda ve Türkiye)
makroekonomik performans değerlerini (ekonomik büyüme, enflasyon oranı,
iĢsizlik oranı, cari iĢlemler dengesi ve bütçe denge oranı) karĢılaĢtırmak için
bulanık TOPSIS yöntemini kullanmıĢtır (Mangır ve Erdoğan, 2011).
Tan vd., bir inĢaat firmasının proje seçimine yönelik teklifi kararı
için, üç alternatif projeyi dokuz karar kriterini göre değerlendirdiği örnek bir
problemi ele almıĢtır. En uygun proje seçimi teklifi için bulanık TOPSIS
yöntemini uygulamıĢtır (Tan vd., 2010).
Wang ve Elhag, köprü risk değerlendirmesi için alfa seviye
kümelerine bağlı bulanık TOPSIS yöntemini kullanmıĢtır. Gerçek bir
problemin çözümü için Chen (2000) ile Triantaphyllou ve Lin‟in (1996)
önerdiği bulanık TOPSIS ile
kendilerinin
sunduğu
bulanık TOPSIS
yöntemlerini ayrı ayrı uygulayarak sonuçlarını karĢılaĢtırmıĢ ve daha etkili bir
sonuç elde ettiklerini savunmuĢlardır (Wang ve Elhag, 2006).
Chu ve Lin, bir imalat firmasının malzeme elleçleme görevi için
ihtiyaç duyduğu bir robotun seçiminde bulanık TOPSIS yönteminden
faydalanmıĢtır. Dört karar verici grubu, altı karar kriterine göre üç alternatif
robotu
dilsel
değiĢkenler
ile
üçgen
bulanık
sayılar
kullanılarak
değerlendirmiĢtir (Chu ve Lin, 2003). Bulanık TOPSIS yöntemi ile ilgili farklı
alanlarda yapılan çalıĢmalara göstermek maksadıyla örnekleme gösterime
yönelik özet bilgi Tablo-5‟de gösterilmiĢtir.
61
Tablo-5: Bulanık TOPSIS Yöntemi Uygulama Alanları
S.NU.
YÖNTEM
YAZAR(LAR) VE YILI
UYGULAMA ALANI
Bir yazılım Ģirketi için
sistem mühendisi seçimi
Bir ileri teknoloji firması
için tedarikçi seçimi
1
Bulanık TOPSIS
Chen (2000)
2
Bulanık TOSIS
Chen vd. (2006)
3
Bulanık TOPSIS
4
Bulanık TOPSIS
5
Bulanık TOPSIS
Bottani ve Rizzi
(2006)
Ertuğrul ve
KarakaĢoğlu (2007)
Kelemenis ve
Askounis (2010)
6
Bulanık ANP ve Bulanık
TOPSIS
Önüt vd. (2009)
Tedarikçi seçimi
7
Bulanık TOPSIS
Shahanaghi ve
Yazdian (2009)
Otomobil firması için
tedarikçi seçimi
8
Bulanık AHP, Entropi Ağırlık
Metodu ve Bulanık TOPSIS
Ding (2011)
Nakliye firma seçimi
9
Bulanık TOPSIS ve Çok
Liao and Kao (2011)
Seçenekli Hedef Programlama
Ünlü bir saat imalatçısı
için tedarikçi seçimi
Bulanık TOPSIS ve Çok
Seçenekli Hedef Programlama
Bulanık DEMATEL ve Bulanık
HiyerarĢik TOPSIS
Bulanık AHP ve Bulanık
TOPSIS
Rouyendegh ve
Saputro (2014)
Baykasoğlu vd.
(2013)
Dağdeviren vd.
(2009)
Tarım ürünü için
tedarikçisi seçimi
13
Bulanık TOPSIS
Chu ve Lin (2003)
14
Bulanık TOPSIS
15
Bulanık TOPSIS
16
Bulanık TOPSIS
Akkoç ve
Vatansever (2013)
Wang ve Elhag
(2006)
Wang ve Chang
(2007)
Malzeme elleçleme için
robot seçimi
Banka performans
değerlendirmesi
Köprü risk
değerlendirmesi
Pilot baĢlangıç eğitim
uçağı seçimi
Zaerpour vd. (2009)
Üretim stratejisi seçimi
Kaya ve Kahraman
(2011a)
Mangır ve Erdoğan
(2011)
Enerji planı seçimi
10
11
12
17
18
Bulanık AHP ve Bulanık
TOPSIS
Bulanık AHP ve Bulanık
TOPSIS
3PL firma seçimi
Akademik personel seçimi
Personel seçimi
Tır seçimi
Silah seçimi
19
Bulanık TOPSIS
20
Bulanık AHP ve HiyerarĢik
Bulanık TOPSIS
Paksoy vd. (2012)
Dağıtım kanalı yönetimi
için strateji seçimi
21
Bulanık AHP ve Bulanık
TOPSIS
Alcan vd. (2013)
Enerji tüketiminde birleĢik
üretim sistemi seçimi
22
23
24
25
Bulanık ANP ve Bulanık
TOPSIS
Bulanık ANP ve Bulanık
TOPSIS
Bulanık ANP ve Bulanık
TOPSIS
Bulanık AHP ve Bulanık
TOPSIS
Büyüközkan ve
Ruan (2007)
Büyüközkan ve Çiftçi
(2012)
Tavana vd. (2013)
Taylan vd. (2014)
62
Proje seçimi
Web sitesi performans
değerlendirmesi
Elektronik hizmet kalitesi
değerlendirmesi
E-devlet hazırlık
değerlendirmesi
Yapı projeleri seçimi
5.
BULANIK VIKOR YÖNTEMĠ
a.
VIKOR Yöntemi
ÇKKV problemlerinde uygulanmak üzere kolay uygulanabilir bir
teknik olarak geliĢtirilen VIKOR yöntemi, ilk defa 1988 yılında Opricovic
tarafından tanıtılmıĢtır. VIKOR yöntemi,
optimizasyonu için geliĢtirilmiĢtir.
karmaĢık sistemlerin çok kriterli
Bu yöntem; uzlaĢık bir sıralama listesi,
uzlaĢık bir çözüm ve baĢlangıç (verilen) ağırlıkları ile elde edilen uzlaĢık bir
çözüm tercihi istikrarı için ağırlıklı istikrar aralıklarını belirlemektedir. Bu
yöntem, çeliĢkili kriterlerin varlığı altında alternatifler kümesindeki alternatifleri
sıralamaya ve bir alternatifi seçmeye odaklanmıĢtır. Temeli “ideal çözüme
yakınlık” ölçümüne dayanan çok kriterli karar sıralama indeksi (dizini) olarak
da tanıtılmıĢtır (Opricovic ve Tzeng, 2004).
ÇeliĢkili kriterleri olan bir problem için uzlaĢık bir çözüm, nihai bir
karara varmak için karar vericilere yardımcı olabilir. UzlaĢık çözümün
temelleri Yu (1973) ve Zeleny (1982) tarafından atılmıĢtır. UzlaĢık çözüm,
ideale en yakın olan uygun çözümdür ve uzlaĢma ortak kabul üzerinde
anlaĢmaya varmaktır. Bu yöntem, aynı ölçekte olmayan ve çeliĢen kriterlere
sahip kesikli karar verme problemlerinin çözümü için bir ÇKKV problemi
yöntemi olarak geliĢtirilmiĢ ve bu tür problemlerin içinde uygulanabilir bir
teknik olarak sunulmuĢtur (Opricovic ve Tzeng, 2004).
Her bir alternatifin her kriter fonksiyonuna göre değerlendirildiğini
varsayarak,
uzlaĢık
sıralama
ideal
alternatife
yakınlık
ölçüsü
ile
karĢılaĢtırılarak yapılabilir. UzlaĢık sıralama için çok kriterli ölçeği, uzlaĢık
programlama yönteminde toplama fonksiyonu olarak kullanılan
metrik
ölçeğinden geliĢtirilmiĢtir (Opricovic ve Tzeng, 2004).
Alternatiflerin ile “ ” temsil edildiği bir durumda,
‟nci kriter açısından değerlendirme derecesi
alternatifinin
alternatifi için
ile gösterilir, yani
nci kriter fonksiyon değerini temsil etmektedir.
63
,
ise kriter
sayısını
göstermektedir.
oluĢturan
VIKOR
metodunun
geliĢiminin
baĢlangıcını
metrik ölçeği (28) numaralı eĢitlikle gösterilmiĢtir (Opricovic ve
Tzeng, 2004).
⁄
{∑[
(
)⁄
] }
VIKOR yönteminde
ve
, sıralama ölçütlerini formüle
etmekte kullanılır.
‟den elde edilen sonuç maksimum grup faydasını
(çoğunluk kuralı),
‟den elde edilen çözüm karĢıt grubun minimum
bireysel piĢmanlığını ifade eder.
UzlaĢık çözüm
ideale en yakın olan uygun çözümdür. UzlaĢık
ifadesi burada karĢılıklı taviz ile kurulan anlaĢma anlamına gelmektedir ve
(29) numaralı eĢitlikte gösterildiği Ģekilde ifade edilmektedir:
(29)
ÇKKV problemlerinin çözümü için doğru uygulamalar seçilmelidir.
Bu nedenle bu tür problemlerin karakteristikleri ile VIKOR yönteminin
aĢağıda belirtilen özelliklerinin eĢleĢmesi gerekmektedir (Opricovic ve Tzeng,
2007; Ertuğrul ve KarakaĢoğlu, 2008b);
- Fikir çatıĢmalarının çözümünde uzlaĢma kabul edilmelidir.
- Karar verici, en yakın ideal çözümü kabul etmeye istekli
olmalıdır.
- Karar verici için fayda ile her kriter fonksiyonu arasında
doğrusal bir iliĢki olmalıdır.
- Kriterler ölçülemeyen ve birbiriyle çatıĢan özellikte olmalıdır.
- Alternatifler, tüm belirlenen kriterlere göre değerlendirilmelidir.
- Karar vericinin tercihleri bilinen ya da simüle edilen ağırlıklar ile
ifade edilir.
64
- VIKOR yöntemi, karar vericinin interaktif katılımı olmadan
baĢlar fakat karar verici nihai çözümü onaylamaktan sorumludur ve bu nihai
çözüme kendi tercihlerini de dâhil etmelidir.
- Önerilen uzlaĢık çözüm (bir veya daha fazla) bir avantaj
değerine sahiptir.
- Bir kararlılık analizi ağırlık istikrar aralıkları belirler.
b.
Bulanık VIKOR Yöntemi
Bulanık
VIKOR
yöntemin
aĢağıda
gösterilen
adımları
içermektedir (Chen ve Wang, 2009);
Adım
1:
Uygun
alternatiflerin
üretilmesi,
değerlendirme
kriterlerinin belirlenmesi ve bir karar verici grubunun oluĢturulması için m
adet alternatif, k adet kriter ve n adet karar verici seçilir.
Adım 2: Belirlenen kriterlerin ve alternatiflerin değerlendirilmesi
için dilsel değiĢkenler ile bununla eĢdeğere sahip üçgen bulanık sayılar
belirlenir. Dilsel değiĢkenler, kriterlerin önem değerleri ile alternatiflerin farklı
kriterlere göre değerlendirmeleri için kullanılır.
Adım 3: Dilsel değiĢkenler ile bunlara karĢılık gelen bulanık
sayıların belirlenmesinden sonra karar vericilerin tercih ve fikirleri birleĢtirilir.
Karar vericilerden elde edilen bulanık kriter önem ağırlıklarının birleĢtirilmesi
için (30) numaralı eĢitlik kullanılır;
[∑ ̃ ]
Burada j kriter sayısını, n ise karar verici sayısını temsil
etmektedir. Bununla birlikte karar vericilerin alternatifleri kriterler göre
değerlendirmesi sonucu elde edilen bulanık değerlerinin birleĢtirilmesinde
65
(31) numaralı eĢitlikten yararlanılır ve birleĢtirilmiĢ bulanık değerler elde
edilir;
[∑ ̃ ]
Adım 4: Bütün kriter ve alternatiflerin bulanık ağırlıklı ortalama
değerleri hesaplandıktan sonra (32) numaralı eĢitlikte gösterildiği Ģekilde
bulanık karar matrisi ̃ oluĢturulur.
̃
̃
…
C1
̃
C2
̃
̃
̃
̃
[̃
̃
̃
[̃ ̃
Ck
̃
(32)
]
̃ ]
Bulanık karar matrisinde ( ̃ ), ̃ Cj kriterine göre Ai alternatifinin
değerini ve ̃ ise j‟nci kriterin önem ağırlığını göstermektedir. Bu çalıĢmada
sözel değiĢkenler ̃ ve ̃ değiĢkenleri üçgen bulanık sayı ile ifade edilmiĢtir.
Adım 5: Bulanık karar matrisinde yer alan ve fayda açılı
değerlendirilen her bir kritere ait en iyi ( ) ve en kötü (
) bulanık değerler
(33) numaralı eĢitlik yardımıyla belirlenir.
̃
̃
̃
̃
(33)
Adım 6: Her bir kritere göre
alternatifin en iyi bulanık değere
olan uzaklıklarının toplamını gösteren ̃ değeri (34) numaralı eĢitlik ile
66
alternatifinin j‟nci kritere göre en iyi bulanık değerlerinden olan maksimum
uzaklık değerini ifade eden ̃ değeri (35) numaralı eĢitlik ile hesaplanır;
̃
∑̃(̃
̃ ) (̃
[̃ ( ̃
̃
̃ )
̃ ) (̃
̃ )]
(35)
Adım 7: ̃ ve ̃ değerleri (36) numaralı eĢitlik ile, ̃ ve ̃
değerleri (37) numaralı eĢitlik ile, ̃
değeri ise (38) numaralı eĢitlik
yardımıyla hesaplanır.
̃
̃
̃
̃
̃
̃
̃
(̃
̃
(36)
̃
̃ ) (̃
(37)
̃ )
(̃
̃ ) (̃
̃ )
(38)
Burada, ̃ değeri, maksimum çoğunluk kuralını ya da maksimum
grup faydası olan ̃ ‟nin minimum değerini, ̃
değeri ise farklı görüĢteki
kiĢilerin minimum piĢmanlığı olan ̃ ‟nin minimum değerini gösterir. Böylece,
hem grup faydasına hem de karĢıt görüĢtekilerin minimum bireysel
piĢmanlığına dayalı olan ̃ indeksi elde edilir. Ġlave olarak buradaki
maksimum grup faydası sağlayan stratejinin önemini gösterir.
0.5‟ten büyük olduğu zaman (
değeri,
değerinin
) karar vericilerin kararlarının maksimum
grup faydasına eğilimli olduğunu, eğer
değeri 0.5‟e eĢit ise (
) karĢıt
görüĢtekilerin minimum piĢmanlık kararına eğilimli olduğunu göstermektedir.
UzlaĢık çözüm için
0.5 değeri kullanılabilir. (Opricovic, 2011).
Adım 8: ̃ üçgen bulanık değerleri durulaĢtırılır ve alternatifler
̃
değerine
göre
dönüĢtürülmesinde
sıralanır.
birçok
Bir
bulanık
durulaĢtırma
67
sayının
stratejisi
net
değerleri
bulunmaktadır.
Bu
çalıĢmada
üçgen
bulanık
sayının
ortalaması
alınarak kesin
sayıya
dönüĢtürülmüĢtür. Sonuç olarak en küçük değeri alan ̃ değeri en iyi
alternatiftir.
Adım 9:
̃ indeks değerini kullanarak aĢağıda gösterilen iki
kabul edilebilir koĢulun karĢılanması durumunda tek bir alternatif için uzlaĢık
çözüme ( ́ ) karar verilir.
1’inci koĢul (C1) Kabul edilebilir avantaj: En iyi ikinci alternatif
değeri
değeri arasındaki fark
ile birinci alternatif
eĢit ya da bu değerden büyük olmalıdır.
değerine
değeri ise (39) numaralı eĢitlik
yardımı ile hesaplanır;
) (39)
Burada m alternatif sayısını ifade etmektedir. Eğer alternatif
sayısı dörde eĢit ya da dörtten küçük ise
için 0.25 değeri kullanılır.
2’inci koĢul (C2) Karar vermede kabul edilebilir istikrar: En
aynı zamanda
iyi alternatif
değerlerinde de en iyi
ve/veya
olmalıdır. Eğer birinci koĢul (C1) sağlanamazsa ve
ve
aynı uzlaĢık çözümdür. Böylece
uzlaĢık çözümler
(
)
ise
üstünlük avantajı yoktur ve
aynıdır.
Eğer ikinci koĢul (C2) kabul edilmezse, karar vermedeki istikrar
‟nın üstünlük avantajı olmasına rağmen eksiktir. Böylece uzlaĢık
ve
alternatifleri aynıdır.
Adım 10: En iyi alternatif seçilir. Minimum
en iyi alternatif çözüm olarak seçilir.
68
değerine sahip
c.
Bulanık VIKOR Yöntemi Uygulama Alanları
VIKOR yöntemi, birbiri ile çeliĢen kriterlere sahip ÇKKV
problemleri için mevcut alternatifler arasında uzlaĢık bir çözüm bulmayı
amaçlayan bir yöntemdir (Chatterjee vd., 2009). Bu metot, bir alternatifler
kümesinden uygun alternatifi seçmeye ve sıralamaya odaklanarak çeliĢkili
kriterlere sahip bir problem için uzlaĢık çözüm sunar ve karar vericilere nihai
sonucu elde etmeye yönelik yardımcı olur (Opricovic ve Tzeng, 2007).
UzlaĢık sonucun ideal çözüme en yakın çözüm olması istenir. Ġdeal çözüme
yakınlık ölçüsünü temel alan çok nitelikli sıralama indeksi ise belirli Ģartlar
altında oluĢturulur (Opricovic, 1998).
Bulanık VIKOR metodu literatürde yer seçimi ile birlikte; tedarikçi
değerlendirme ve seçimi, strateji seçimi, teçhizat seçimi, bilgi sistemleri
seçimi, performans değerlendirmesi ile enerji politikası belirleme konularında
çalıĢmalar yapılmıĢtır. Sanayei vd., otomobil parçası üreten bir tedarikçi firma
seçimi için beĢ alternatif firmayı değerlendirmek üzere bulanık VIKOR
metodunu kullanmıĢtır. Problemde, üç karar vericiden oluĢan bir grup beĢ
kriter açısından alternatifleri ve kriter ağırlıkların yamuk bulanık sayılara
karĢılık gelen dilsel değiĢkenler ile değerlendirmiĢtir. Modelinde tedarik zinciri
sistemi içerisinde faaliyet gösteren tedarikçi seçimi için bulanık küme ve
VIKOR metodunu içeren hiyerarĢik yapılı bir çözüm önerisi sunmuĢtur.
(Sanayei vd., 2010).
Shemshadi vd., tedarikçi seçimi için objektif ağırlığı entropi
ölçeğine dayalı bulanık VIKOR metodundan faydalanmıĢtır. Modelde karar
vericiler tarafından objektif ağırlığın atanmasında Shanon‟un entropi ölçeği
konsepti kullanılmıĢtır. Karar vericilerin fikirlerinin grup olarak dikkate alındığı
problem için dilsel değiĢkenler yamuk bulanık sayılara dönüĢtürülmüĢtür. Q,
R ve S değerleri hesaplanarak nihai sonuç elde edilmiĢtir. Önerilen metoda
iliĢkin örnek bir uygulama yapılmıĢtır (Shemshadi vd., 2011). Amiri vd.,
Ġran‟da faaliyet gösteren büyük bir otomobil parçası üreticisi için tedarikçi
seçiminde bulanık VIKOR metodunu kullanmıĢtır (Amiri vd., 2011). Kaya ve
69
Kahraman, Ġstanbul Ģehri için en iyi ağaçlandırma alanı seçiminde Bulanık
AHP ve Bulanık VIKOR metodunu birlikte kullanmıĢtır (Kaya ve Kahraman,
2011b).
Görener beĢ farklı tedarik zinciri stratejisi (yalın, çevik, yalınçevik, yalın strateji ekseninde dikey entegrasyon odaklı ve dıĢ kaynak
kullanımı odaklı) değerlendirme ve seçiminde bulanık VIKOR metodunu
kullanmıĢ ve önerdiği modeli üretici bir üretici firma üzerinde on altı kriteri
dikkate alarak uygulamıĢtır. Firma genel müdürü, lojistik sorumlusu ve
akademisyenlerden oluĢan karar
verici grubu alternatifleri
ve
kriter
ağırlıklarını dilsel değiĢkenler kullanarak değerlendirmiĢtir. Dilsel değiĢkenleri
dönüĢtürmek için üçgen bulanık sayılardan faydalanılmıĢtır. Uygulama
sonucunda firmanın uygulayacağı en uygun stratejiyi belirlemiĢtir (Görener,
2013). Jeya Girubha ve Vinodh, elektrikle çalıĢan bir araçta kullanılan panel
cihazı için malzeme seçiminde çevresel faktörleri göz önünde bulundurarak
bulanık VIKOR yöntemini kullanmıĢtır (Jeya Girubha ve Vinodh, 2012).
Büyüközkan vd., dünyada eğitim alanında tanınmıĢ yirmi bir adet
web sitesinin performansını, anket araĢtırması ile belirlediği yedi kriter açısı
ile
üç
karar
verici
tarafından
değerlendirmiĢtir.
Alternatiflerin
değerlendirilmesinde üçgen bulanık sayılardan faydalanmıĢtır (Büyüközkan
vd., 2007). Büke, hastane bilgi sistemleri yazılımı tedarikçisi seçimi için
bulanık VIKOR metodunu kullanarak bir karar destek modeli önermiĢtir.
Modelinde, öncelikle literatür araĢtırması sonucu elde ettiği kriterleri
belirlemiĢ, daha sonra anket araĢtırması yaparak kriterler önem ağırlıklarını
tespit
etmiĢtir.
Alternatif
tedarikçilerin
değerlendirilmesi
ile
kriter
ağırlıklandırılmasında yamuk bulanık sayılardan faydalanmıĢ ve Ankara‟da
özel bir hastanede örnek uygulama ile modelini test etmiĢtir (Büke, 2011).
Kaya ve Kahraman, Ġstanbul Ģehri için en iyi yenilenebilir enerji
politikası (alternatifi) belirlenmesi ve en iyi üretim yerinin seçilmesine yönelik
bulanık VIKOR ve AHP yöntemlerinin birlikte kullanıldığı bir çözüm
yaklaĢımını sunmuĢlardır. AHP yöntemi ile kriter ağırlıkları belirlenmiĢ,
VIKOR yöntemi ile alternatifler arasından bir seçim yapılmıĢtır. Hem AHP
70
hem de VIKOR yöntemi için kriter değerlerinde bulanık mantıktan
faydalanılmıĢtır (Kaya ve Kahraman, 2010). Opricovic, Sırbistan‟ın Mlava
Ģehrinde oluĢturulması muhtemel baraj bölgelerinde kullanılacak su tutmaya
yönelik alternatif planların en uygunun tespiti için bulanık VIKOR yöntemi
kullanılmıĢtır. Altı adet alternatif plan, yatırım maliyetleri, su rezervi, sosyal
etki ve manastır‟ın etkisi kriterleri açısından üçgen bulanık sayılar kullanılarak
değerlendirmiĢtir (Opricovic, 2011). Bulanık VIKOR metodu uygulama alanları
yönelik yapılan çalıĢmalar ile ilgili özet bilgiler Tablo-6‟da gösterilmiĢtir.
Tablo-6: Bulanık VIKOR Yöntemi Uygulama Alanları
S.NU.
YÖNTEM
YAZAR(LAR) VE YILI
UYGULAMA ALANI
Bilgi sistemleri hizmet
sağlayıcısı seçimi
Otomobil parçası üretici
firma seçimi
1
Bulanık VIKOR
Chen ve Wang (2009)
2
Bulanık Küme ve VIKOR
Sanayei vd. (2010)
3
Bulanık VIKOR
Amiri vd. (2011)
4
Bulanık VIKOR
Shemshadi vd. (2011)
5
Bulanık VIKOR
Akyüz (2012)
6
Bulanık VIKOR
Görener (2013)
Tedarik zinciri stratejisi
seçimi
7
Bulanık VIKOR
Jeya Girubha ve
Vinodh (2012)
Malzeme seçimi
8
Bulanık VIKOR
Opricovic (2011)
Su kaynakları planlaması
9
Bulanık VIKOR
Yıldız ve Deveci (2013)
Teknoloji firması için
personel seçimi
10
Bulanık AHP ve bulanık
VIKOR
Kaya ve Kahraman
(2011b)
Ağaçlandırma alanı seçimi
11
Bulanık VIKOR
Büyüközkan vd. (2007)
Web sitelerinin
değerlendirmesi
12
Bulanık VIKOR
Büke (2011)
13
Bulanık VIKOR
Büyüközkan ve Ruan
(2007)
14
Bulanık VIKOR
Kim ve Chung (2013)
15
Bulanık VIKOR ve bulanık
AHP
Kaya ve Kahraman
(2010)
16
Sezgisel bulanık VIKOR
Devi (2011)
17
Bulanık VIKOR
Vinodh vd. (2013)
71
Ġran‟da bir otomobil parçası
üreticisi için tedarikçi seçimi
Petro kimya fabrikası için
tedarikçi seçimi
Mobilya üretici için ambalaj
tedarikçisi seçimi
Hastane bilgi sistemi
yazılımı tedarikçi seçimi
ERP yazılım
değerlendirmesi
Su kaynağı hassasiyetinin
değerlendirilmesi
Enerji politikası ve yeri
seçimi
Malzeme elleçleme için
robot seçimi
Konsept tasarım seçimi
6.
STOKASTĠK ÇOK KRĠTERLĠ KABUL EDĠLEBĠLĠRLĠK ANALĠZĠ
(SMAA) METODU
a.
GiriĢ
ÇKKV problemleri genellikle, karar vericilerden elde edilen
değerlendirmelere göre bütün alternatiflerin belli bir sıraya konması ya da en
iyi alternatifin belirlenmesi Ģeklinde yapılmaktadır. Ancak özellikle politik kara
verme süreçlerinde karar vericiler tercihlerini açıkça ifade etmekten
kaçınmaktadırlar. Kamusal alanda karar verici durumundakiler potansiyel
eylemlerini ve onların sonuçlarını uygun bir Ģekilde anlatmaktan ziyade,
tercihlerini açıkça ifade etmeyi ihtiyaç duyulamayacak yöntemleri tercih
etmektedir (Lahdelma vd., 1998).
Karar süreçleri;
(1) Tüm paydaĢların belirlenmesi,
(2) Bütün olası alternatiflerin belirlenmesi,
(3) MüĢterek kabul edilen karar kriterleri kümesinin oluĢturulması,
(4) Kriterlerin ölçümü,
(5) ÇKKV model ve metotların uygulandığı karĢılaĢtırma safhası
Ģeklinde uygulanır. Sonuçlar karar vericilere daha fazla değerIendirme
yapabilmeleri için sunulur (Lahdelma vd., 1998).
Gerçek hayat problemlerinde karar vericilerden sağlanan kriter
ağırlık değerleri ile alternatiflerin kriterlere göre aldıkları değerlerin tamamına
kesin ve net değerlerle ulaĢmak her zaman mümkün olmamaktadır. Karar
vericilerin birden çok olduğu ve verilerin büyük ölçüde değiĢkenlik gösterdiği
durumlarda söz konusu değerlerin doğru Ģekilde belirlenmesi daha da
karmaĢık bir hal almaktadır (Lahdelma vd., 1998).
SMAA, ağırlık uzayını keĢfetmeye dayalı birden fazla karar verici
için bir çok kriterli karar destek tekniğidir. Kesin olmayan ya da belirsiz veri
72
girdileri olasılık dağılımları ile ifade edilebilmektedir. Bunun yerine bir çeĢit
değerlendirme yapan teknik analizler her bir alternatifi tercih edilen
yapmaktadır. Metot her bir alternatif için bu alternatifi destekleyen farklı
değerlendirme çeĢitleri belirleyen ve ölçek kabul edilebilirlik indislerini
üretmektedir. Merkezi ağırlık vektörü bu karar içinde sonuçlanan tipik
değerlendirmeleri ortaya kayar ve güvenilirlik faktörleri ölçümü de uygun bir
karar verilebilmesi için veri giriĢinin doğru yapılıp yapılmadığını belirler.
SMAA yöntemi çok sayıda karar vericiyi desteklemek için
kamusal alanda karar vermeye yardım etmeyi sağlama bağlamında
kullanılmıĢtır (Lahdelma vd., 1998).
b. SMAA Metodunun GeliĢimi ve Tanımlayıcı Ölçekleri
SMAA metodu varsayılan fayda fonksiyonuna dayalı ağırlık
uzayını keĢfetmek için geliĢtirilmiĢ bir yöntemdir. Ağırlık uzayını keĢfetme
çalıĢması ilk olarak Bana e Costa‟nın üç boyutlu ağırlık uzayında hacim
olarak farklı tercihleri (ağırlık kombinasyonlarını) çeĢitliliğini ölçmesi ve her
alternatif için bir kabul edilebilirlik indisi hesaplaması ile baĢlamıĢtır. Bu
çalıĢmada genel üç boyutlu bir çerçeve sunulmuĢ, ancak hesaplama
formülleri ve sunulan çözüm örneği üç boyutlu durum için çalıĢılmıĢtır. Bu
metodoloji, kriter değerlerini N-boyutlu stokastik olasılık dağılım değerleri gibi
dikkate alarak geliĢtirilmiĢtir. (Lahdelma vd., 1998).
Kriter değerleri kesin olarak belirlenebilen ve tek bir ağırlık
vektöründe uzlaĢılan bir problem için, karar süreci her alternatifin fayda
fonksiyonun hesaplanması ve en yüksek fayda değerine sahip alternatifin
seçilmesiyle sonuçlanır. Ancak her veriye kesin değerleri atamak her zaman
mümkün değildir. SMAA metodu da hem kriter değerlerinin hem de kriter
ağırlıklarının kesin olarak bilinemediği problemlerin çözümünde kullanılmak
amacıyla geliĢtirilmiĢtir.
73
SMAA
metodu
varsayılan
fayda
fonksiyonu
ile
stokastik
değerlere dayalı n-boyutlu ağırlık uzayını bulmaktadır. Belirsiz ya da kesin
olmayan alternatif kriter değerleri stokastik değiĢkenler ile temsil edilirler.
Aynı Ģekilde karar vericilerin üzerinde uzlaĢamadığı kriter ağırlıkları da
birleĢik yoğunluk fonksiyonlu ağırlık dağılımı ile temsil edilirler. Ġlk SMAA
metodunda temel amaç tanımlayıcı ölçekler vasıtasıyla karar desteği
sağlamaktır (Lahdelma ve Salminen, 2001).
Stokastik çok kriterli kabul edilebilirlik analizi tekniğinde karar
vericilerin açıkça veya kısmen kendi tercihlerini ifade etmelerine gerek
duyulmamaktadır. Bunun yerine teknik hangi tür değerlendirmelerin her bir
alternatifi tercih edilebilir yapabileceğini analiz etmektedir (Lahdelma vd.,
1998). Bu yöntem, problemin çözümünde üç tip ölçek sunmaktadır. Bunlar;
her bir alternatif için bir kabul edilebilirlik indeksi, bir merkezi ağırlık vektörü
ve güvenilirlik faktörü ölçeğidir (Lahdelma ve Salminen, 2001).
Kabul edilebilirlik indisi (ai), ilk ayırt edici ölçektir. Uygun
ağırlıkların (n-1) boyutlu beklenen hacmi olarak tanımlanmaktadır. Kabul
edilebilirlik indisi üzerinde çalıĢılan alternatifi tercih edilebilir yapan farklı
değerlerin çeĢitliğinin bir ölçeğidir. Bu değer, uygun ağırlık uzayı ve stokastik
kriter (ξ) dağılımlarına göre çok boyutlu integrallerle hesaplanmaktadır.
∫
∫
(40)
Kabul edilebilirlik indisi, alternatiflerin az ya da çok kabul edilebilir
olanlar (a>0) ile kabul edilemeyenler (a i=0 ya da sıfıra yakın olanlar) olarak
sınıflandırma için kullanılmaktadır. Sıfır kabul edilebilirlik indisi, varsayılan
fayda fonksiyonu bakımından alternatifin yetersiz olduğuna iĢaret etmektedir.
Merkezi ağırlık vektörü (
), uygun ağırlık uzayının beklenilen
ağırlık merkezi olarak tanımlanmaktadır. Merkezi ağırlık vektörü, kriter ve
ağırlık dağılımlarının üzerinden ağırlık vektörünün integrali ile aĢağıdaki
formül ile hesaplanır.
74
∫
∫
(41)
Varsayılan ağırlık dağılımlı merkezi ağırlık vektörü xi alternatifini
destekleyen karar vericilerin tercihlerini tek bir vektör olarak temsil
edilmesidir. Merkezi ağırlıklar, karar vericilere farklı ağırlıkların nasıl farklı
seçeneklere karĢılık gelebileceğine yardımcı olmaktadır.
), merkezi ağırlık vektörünün seçilmesi
Güvenilirlik faktörü (
durumunda, alternatifi tercih edilebilir olması olasılığı ile tanımlanır.
Güvenilirlik faktörü kriter dağılımları üzerinden Ģu formülle hesaplanır,
∫
(
)
(
)
(42)
Güvenilirlik faktörü merkezi ağırlık vektörü kullanıldığında, kriter
verilerinin alternatifleri yeteri kadar ayırt edip etmediğini ölçmektedir. Benzer
olarak, güvenilirlik faktörü, herhangi bir alternatif ya da ağırlık vektörü için
hesaplanabilir. Güvenilirlik faktörü, verilen ağırlık vektörü ile alternatif en iyi
yapan stokastik kriter uzayı oranı olarak ifade edilebilir.
c. SMAA-2 Yöntemi
SMAA-2 metodu, 2001 yılında Lahdelma ve Salminen tarafından
birden çok karar vericinin olduğu kesikli stokastik ÇKKV problemleri için
geliĢtirilmiĢtir (Tervonen ve Lahdelma, 2007). SMAA metodunun geliĢtirilmiĢ
bir versiyonu olan bu metot, en iyi alternatifin seçimi dıĢında alternatiflerin de
bir sıralamasını yapabilmektedir. SMAA-2 metodu, her alternatifi herhangi bir
sıralamaya yerleĢtiren veya en çok tercih edilebilir yapan ne tür tercihlerin
olduğunu tanımlamak için ters ağırlık uzayı analizini uygulamaktadır. Bu
metot, karar vericiye alternatiflerin son durumları hakkında daha fazla bilgi
sağlamak amacıyla beĢ yeni tip ölçek geliĢtirmiĢtir. Bunlar; sıra kabul
75
edilebilirlik indisi, üç tip en iyi sıra ölçeği ve tümleĢik kabul edilebilirlik indisidir
(Lahdelma ve Salminen, 2001).
Karar problemi, n adet kritere göre değerlendirilen bir m adet
alternatif kümesi {x1,x2,x3, … xm} ile temsil edilir. Karar vericinin tercih yapısı,
gerçek değerli fayda ya da değer fonksiyonu u(xi, w) ile temsil edilir. SMAA-2
metodu ne kriter ölçütlerinin ne de kriter ağırlıklarının kesin olarak
bilinemediği durumlar için geliĢtirilmiĢtir.
Belirsiz veya kesin olmayan kriter
değerleri, X uzayında birleĢik olasılık dağılımlı f(ξ) yoğunluk fonksiyonu ve ξ ij
stokastik değiĢkeni ile temsil edilirler. Karar vericilerin bilinmeyen ya da
kısmen bilinen tercihleri, W uygun ağırlık kümesinde f(w) birleĢik yoğunluk
fonksiyonlu ağırlık dağılımıyla ifade edilirler. Tercih bilgisinin toplam eksikliği
W içindeki uniform ağırlık dağılımıyla gösterilir (Tervonen ve Lahdelma,
2007).
f(w) = 1/ vol(W)
(43)
Ağırlıklar negatif değer alamazlar ve normalize değerlerdir.
ve ∑
(44)
Değer fonksiyonu, stokastik kriter ve ağırlık dağılımlarını
değer dağılımları içine yerleĢtirilmesinde kullanılır. Değer dağılımına dayalı
olarak aĢağıda belirtilen sıralama fonksiyonu aracılığıyla her alternatifin
sıralaması en iyi (=1), en kötü (=m) tamsayı değeri olacak Ģekilde
sıralamasını yapılır. ρ (doğru) ise =1, ρ (yanlıĢ) ise =0 olur.
∑
(45)
SMAA-2 daha sonra stokastik uygun sıra ağırlıkları kümesi
analizini yapar.
olan farklı alternatifler için herhangi bir ağırlık
değerini uygun olarak atamasıyla, xi alternatifi r sırasını alır.
76
(46)
SMAA-2‟nin ilk tanımlayıcı ölçeği sıra kabul edilebilirlik indisi
,
SMAA‟daki kabul edilebilir indisinin sıralama yapacak Ģekilde geniĢletilmiĢ
durumudur. Bir alternatifin o sırada olma ihtimalini gösterir. Her alternatif için
ayrı değerler alır. En yüksek kabul edilebilir (en iyi) alternatifler en iyi sıralar
için yüksek kabul edilebilir olanlardır. Sıra kabul edilebilirlik indisi 0,1 değer
aralığındadır. Sıfır değeri, alternatifin hiçbir zaman verilen sıralamayı
sağlamayacağını, 1 ise seçilen herhangi bir ağırlık için verilen sıralamanın
her zaman sağlanacağını gösterir. Kriter dağılımları ve uygun sıra
ağırlıklarının üzerinde çok boyutlu integraller ile sayısal olarak (47) numaralı
eĢitlik yardımıyla hesaplanır;
∫
∫
(47)
Diğer sıra kabul edilebilirliklerin dikkate alınması kabul edilebilirlik
analizine yeni bilgiler katmakta yardımcı olmaktadır. Bu ilave bilgiler
problemlerin ele alınmasında Ģu Ģekilde kullanılır;
(1) Çok yüksek ilk sıra kabul edilebilirlik değerini elde eden aĢırı
uç alternatifler, aynı zamanda diğer kabul edilebilirlik indislerinde de yüksek
sıralarda olmazlarsa, genel değerlendirme açısından iyi değerlendirilmezler.
(2) Birbirlerinin ilk sıra kabul edilebilirliğini azaltan komĢular,
birbirlerinin sonraki sıralar için birbirlerinin sıra kabul edilebilirliklerini artırarak
bunu telafi ederler.
(3) Sıfır ya da sıfır olmayan (sıfıra yakın) ilk sıra kabul
edilebilirliği olan muhtemel uzlaĢık alternatifler, sıklıkla diğer sırlamalarda da
iyi ise, genel değerlendirmede iyi kabul edilebilirler.
Sıralama kabul edilebilirlikler doğrudan alternatiflerin çok kriterli
değerlendirmesinde kullanılabilir. Büyük problemler için en iyi k sıra kabul
edilebilirlik indisinin (kbr) analiz edildiği iteratif bir süreç önerilmektedir. Her k
iterasyonu (48) numaralı eĢitlikte gösterildiği Ģekilde hesaplanır;
77
∑
Kbr kabul edilebilirliği
alternatifini en iyi k sıralamasından
,
birine atayan farklı değerlendirmelerin çeĢitliliğinin bir ölçümüdür. Bir
alternatif için en iyi k sıralamasına karĢılık gelen ağırlık uzayı da
olarak
ifade edilen en iyi k sıra kabul edilebilirlik ağırlık vektörü vasıtasıyla
tanımlanabilir ve (49) numaralı eĢitlikten faydalanarak hesaplanır;
∫
∑∫
Varsayılan ağırlık dağılımı ile merkezi kbr ağırlık vektörü, bir
alternatifi 1 den k‟ya herhangi bir sıraya atayarak tipik bir karar vericinin
tercihlerini temsil eden en iyi tek vektördür. Merkezi kbr ağırlıkları, merkezi
ağırlık vektörleri olarak aynı Ģekilde SMAA‟da kullanılır.
Kbr güvenilirlik faktörü
, merkezi ağırlık vektörünün seçilmesi
durumunda, alternatifin 1‟den k‟ya herhangi bir sırayı alma olasılığı olarak
tanımlanır ve x kriter dağılımları üzerinden integral olarak (50) numaralı
formülle hesaplanır;
∫
Alternatiflerin, sıralama indislerine göre karĢılaĢtırma problemi,
ikinci sıra bir ÇKKV problemi olarak görülebilir. Sıra kabul edilebilirlik
indislerinin tümleĢik değerlendirmesi
,
eĢitlikten faydalanarak hesaplanır;
∑
78
meta ağırlıkları ile (51) numaralı
d. SMAA ÇeĢitleri ve Uygulama Alanları
SMAA
metodu
doğrudan
alternatiflerin
sıralamasını
yapmamaktadır. Bunun yerine, sadece alternatiflerin kabul edilebilir olup
olmadığını belirlemektedir. Ġleriki dönemlerde alternatiflerin seçim ve
sıralamasını yapmak amacıyla SMAA-2, SMAA-3, SMAA-O, Ref-SMAA
metotları, sınıflandırmasını yapmak için ise SMAA-TRĠ metodu geliĢtirilmiĢtir.
Her bir metot kendi özelliklerine göre çözüm önerisi sunmaktadır.
SMAA metotlarının gerçek yaĢam problemlerine uygun olmasının
nedenlerini Tervonen ve Lahdelma Ģu maddeler ile sıralamıĢtır;
(1)
Grup
karar
verme
problemlerinde
karar
vericilerin
alternatifleri değerlendirmelerinde kesin tercih değerlerine ulaĢılamıyorsa, bu
değerler uzlaĢık bir istatistiki dağılım ve aralık değeri olarak ifade edilebilmesi,
(2)
Kesin olmayan ya da eksik tercih bilgisi ve kriter
ağırlıklarının stokastik dağılımlarla ifade edilmesiyle modelin çözümüne imkân
tanıması,
(3)
Hesaplamalar sayısal çözüm metotları sayesinde çok etkin
bir Ģekilde uygulanabilmesidir (Tervonen ve Lahdelma, 2007).
SMAA metotları ile farklı alanlardaki gerçek yaĢam problemlerine
çözüm önerileri sunulmuĢtur. Tervonen vd., SMAA-2 metodunu kullanarak
bir asansör planlama problemini çözmüĢlerdir. ÇalıĢmada yirmi katlı bir bina
için on uygun asansör grubu konfigürasyonu karĢılaĢtırılmıĢtır. Yazarlar,
kriterlerin elde edilmesinde, KONE asansör planlama trafik simülatörü,
analitik modeller ve uzman görüĢünden faydalanmıĢlardır. Modelde kriterler
farklı tipte parametrelerle ifade edilmektedir. Bazı kriterler normal dağılımla,
bazı kriterler deterministik değerlerle, bazı kriterler ise ordinal (sıralı)
değerlerle ifade edilmektedir. ÇalıĢmada son olarak maliyet, asansörün
kapladığı alan, bekleme zamanı ve seyahat zamanı kriterleri açısından
değerlendirme yapılarak en iyi asansör gurubunun seçimi yapılmıĢtır
(Tervonen vd., 2008).
79
Hokkanen vd., Helsinki'de bulunan Toukulanranta yerleĢim
alanındaki kirlenmiĢ toprağın temizlenmesi için gerçekleĢtirilen aday seçim
sürecinde SMAA-2 metodunun nasıl kullanıldığını açıklamıĢlardır. YarıĢmaya
katılan adaylar sekiz uzmandan oluĢan rekabet kurulu tarafından belirlenmiĢ
kriterler açısından değerlendirilmiĢtir. Finalistler arasından en iyisinin seçimi,
öncelik değerlerinin tam olarak tespit edilemediği durumlarda kullanılmak
üzere geliĢtirilmiĢ SMAA-2 metodu ile yapılmıĢtır. Sonuç olarak, SMAA-2
metodunun, birbirlerinden farklı kuvvetli ve zayıf tarafları olan az sayıda
alternatif arasından en iyisinin seçiminde uygun bir metot olduğu belirtilmiĢtir
(Hokkanen vd., 2000).
Lahdelma ve Salminen, çalıĢmasında mevcut alternatiflerin en
iyisin belirlenmesinin yanı sıra, diğer alternatiflerin sırasıyla ilgili de bilgi
veren SMAA metodunun bir uzantısı olan SMAA-2 metodunu ilk defa
açıklamıĢlardır. Yazarlar oluĢturdukları metodu gerçek bir yaĢam problemi
olan Helsinki‟deki liman yer seçimi problemine uygulamıĢlar ve SMAA ile
SMAA-2 metotlarıyla elde ettikleri sonuçları karĢılaĢtırmıĢlar. Sonuç olarak
karar vericiler açısından SMAA-2 metodunun kullanılmasının daha uygun
olduğu sonucuna varmıĢlardır (Lahdelma ve Salminen, 2001).
Kangas vd., bu çalıĢmada SMAA-2 metodunun bağımlı belirsizlik
içeren stratejik orman planlamasında nasıl uygulanacağını göstermiĢlerdir.
Problemde kriterlerdeki belirsizlikler çok değiĢkenli normal dağılımla ifade
edilmiĢtir. DeğiĢkenler arasındaki korelasyon uzman görüĢü doğrultusunda
değerlendirilmiĢtir. Uygulamada daha önce farklı metotlarla çözülmüĢ bir
orman planlama uygulaması incelenmiĢtir. Burada amaç üç ortağın sahip
olduğu bir orman arazisinde uygulanmak üzere, yirmi farklı hasat planının
beĢ kriter altında değerlendirilerek en uygun planın seçilmesidir. ÇalıĢmanın
sonuç kısmında bağımlı belirsizlik altında ki çözümün güvenilirliği belirtilmiĢtir
(Kangas vd., 2006). SMAA yöntemlerinin uygulama alanları Tablo-4‟te
gösterilmiĢtir. SMAA metotları ile ilgili yapılan çalıĢmalar Tablo-7‟de
sunulmuĢtur (Karabay, 2013).
80
Hokkanen ve diğ.
(1998)
Lahdelma ve diğ.
(1998)
Hokkanen ve diğ.
(1999)
Hokkanen ve diğ.
(2000)
Lahdelma ve
Salminen (2001)
Lahdelma ve diğ.
(2002)
Lahdelma ve diğ.
(2003)
Kangas ve diğ.
(2003a)
J. Kangas ve A.
Kangas (2003b)
Lahdelma ve diğ.
(2005)
Kangas ve diğ.
(2005)
Lahdelma ve
Salminen (2006)
Kangas ve diğ.
(2006)
Tervonen ve diğ.
(2007)
Tervonen ve diğ.
(2008)
Lahdelma ve diğ.
(2009)
Tervonen ve diğ.
(2009)
Menou ve diğ.
(2010)
Özkaya (2010)
Aertsen ve diğ.
(2011)
Tervonen ve diğ.
(2011)
Okul (2012)
Kadzinski ve
Tervonen (2013)
Karabay (2013)
AğdaĢ ve diğ.
(2014)
Ballı ve diğ. (2014)
Genel planlama
SMAATOPSIS
Ref-SMAA
SMAA-TRI
SMAA-2
SMAA-O
Uygulama Alanı
SMAA
Kaynak
SMAA-3
Tablo-7: SMAA Yöntemleri Uygulama Alanları
X
SMAA için örnek uygulama
X
Liman yer seçimi
X
KirletilmiĢ bölgenin temizliği
için adayların sıralanması
Liman yer seçimi SMAA ve
SMAA-2 karĢılaĢtırma
X
X
Atık arıtma tesisi yer seçimi
Belediye katı atık yönetim
sistemi seçimi
X
X
Ekosistem yönetim planlaması
Orman planı seçimi
X
X
Elektrik perakendecisi için
stratejik karar seçimi
X
Sosyo ekolojik yer planlaması
X
Helsinki kargo limanı yeri
seçimi
X
Stratejik orman planlaması
X
Maden ocakları bölgelerinin
risk kategorilerine ayrılması
X
Asansör planlaması
X
Elektrik perakendecisi için
stratejik karar seçimi
Nano malzemelerin
sınıflandırılması
Hava kargo ana üssü yer
seçimi
Üniversitelerin sıralanması
Orman kaynakları verimlik
tahmini için modelleme
teknikleri seçimi
Ġlaç fayda ve risk analizi
Makineli tüfek seçimi
Üniversite kalitesine göre
Avrupa ülkelerinin sıralanması
Kamu kurumu için hizmet
tesisi yer seçimi
Afet dağıtım merkezi yer
seçimi
Alternatif yolların risk
kategorilerine ayrılması
81
X
X
X
X
X
X
X
X
X
X
X
X
X
DÖRDÜNCÜ BÖLÜM
UYGULAMA
1.
PROBLEMĠN TANIMI
Kamu kurumu, yurt genelinde konuĢlu olduğu birim ile lojistik
tesislerinin dağınıklığının giderilmesi ve yeniden yapılandırılması maksadıyla
bir çalıĢma baĢlatmıĢtır. Hali hazırda, söz konusu kurumun birim ve lojistik
tesisleri ülke genelinde dağınık bir yapıda görevlerini icra etmektedir.
Teknolojinin geliĢmesine paralel olarak Ģehirlerin ve yaĢam alanlarının
büyümesiyle bu birim ve lojistik tesisler Ģehir içerisinde kalmıĢtır. Kurum,
sahip olduğu birim ile lojistik tesislerinin yeniden düzenlenmesi ve uygun
bölgelere yerleĢimi ile daha az sayıda ve etkin olacak Ģekilde faaliyetlerini
yürütmeyi amaçlamaktadır.
Kurum, öncelikle ana birimlerinin konuĢlu olduğu bina ve tesis
standartlarını arttırmak amacıyla bir tesis tasarım çalıĢması baĢlatmıĢtır.
Tasarım çalıĢması ile birlikte yeni kuracağı tesislerin ideal yerlerini
belirlemeyi planlamaktadır. Birimlerini konuĢlandıracağı arazinin, hem
kurumun verdiği görevi yapacak Ģekilde hizmet etmesini hem de bu
tesislerde çalıĢan personel ve ailelerinin tüm ihtiyaçlarını karĢılayabileceği
yaĢam alanları Ģeklinde oluĢturulmasını arzulamaktadır.
Kurumun sahip
olduğu mevcut tesislerinden çok azı belirlenen standartları karĢılamaktadır.
Kurum, tasarımı tamamlanan birim ve lojistik tesislerinin seçilecek yeni bir
arazi üzerinde kurulmasını tercih etmektedir.
Dağınık
birim ve
lojistik tesislerinin
yeniden
yapılandırılması
projesinin alt bölümlerinden bir tanesi yeni kurulacak birim ve lojistik tesisler
için yer seçimi çalıĢmasıdır. Kamu kurumunun yeni kuracağı birim tipleri
arasında ana birimlerinin lojistik desteğini sağlayan ikmal ve bakım merkezi
gibi lojistik tesisleri de bulunmaktadır. Bu çalıĢmada, kamu kurumunun yeni
açacağı bir ikmal merkezi için yerleĢim problemi ele alınmıĢtır.
82
Amaç, kamu kurumunun ana ikmal faaliyetlerini yürüttüğü lojistik
ikmal tesislerini (ikmal merkezi) yeni bir yerde açması durumunda, bu tesisin
en uygun yerde kurulmasına imkân sağlayacak Ģekilde bir çözüm önerisi
sunmaktır. Tesis yer seçimi, nitel ve nicel birçok kriteri içinde barındıran ve
en uygun çözümün çeĢitli matematiksel modellerin yardımıyla elde edildiği bir
karar problemidir. Bu problemde, yeni bir ikmal merkezi yerleĢim problemi ele
alınmıĢ ve bu tesisin yerleĢimine yönelik üç adet çok kriterli karar verme
yöntemi kullanılmaktadır. Bu maksatla, öncelikle ikmal merkezinin ideal
yerinin belirlenmesinde etkili olan kriterlerin ve faktörlerin tespit edilmesi
maksadıyla kurum çalıĢanlarına geniĢ katılımlı bir anket uygulaması
yapılmıĢtır. Anketten elde edilen sonuçlar incelenmiĢ ve çeĢitli istatistiksel
analizler neticesinde kriterlerin önem dereceleri elde edilmiĢtir. Ankete iliĢkin
yapılan detaylı analiz, anket uygulaması ve kriterlerin belirlenmesi alt
bölümünde açıklanmaktadır.
Problem için Trakya bölgesi jenerik bir senaryonun oluĢturulacağı
alan olarak seçilmektedir. OluĢturulan jenerik senaryoya göre, bu bölge
içinde bir adet ikmal merkezi kurulması planlanmaktadır. Planlanan ikmal
merkezi için dört adet alternatif yer mevcuttur. Ayrıca kurum, yeni kurulacak
bu ikmal merkezinden on iki adet ana biriminin ikmal desteğini sağlamasını
istemektedir. Ġkmal merkezi, bu birimlerin ihtiyaç duyduğu giyim, kuĢam,
teçhizat ve mutfak malzemeleri gibi ana malzeme, tüketim malzemeleri ile
yedek parçalarının ana lojistik birimlerinden alınması, alınan malzemelerin
tasnifi, depolanması, depoda iken bakımını ve ihtiyaç duyulduğunda
birimlerine dağıtımı ve ikmal desteğini sağlamakla sorumludur. Bu ana
birimler, Trakya bölgesinde konuĢlu bulunmaktadır. Ana birimler ile diğer
tesislerin konuĢlu olduğu yerler ġekil-6„da gösterilmektedir.
Ġkmal merkezi yer seçimi için, bu kurumda görevli, karar verme
konusunda yeterli tecrübe ve deneyime sahip üç üst düzey yönetici
belirlenmiĢtir. Bu yöneticilerden alternatiflerin belirlenen kriterlere göre sözel
ifadeler ile değerlendirilmesi istenmiĢtir. Üst düzey yönetici personel alternatif
83
yerleri değerlendirirken alternatif yerlerin kriterlerin aldığı istatistiki değerleri
incelemiĢtir.
ġekil-6: Ana Birimler ile Diğer Tesislerin KonuĢlu Olduğu Yerler
Ai
: i alternatifinin yeri
: Hava alanı
: Kurum birim yeri
: Bakım tesisi
: Nükleer tesis yeri
: Ġkmal tesisi
: Atık toplama yeri
: Giyim evi
GÖREV
: AlıĢ veriĢ merkezi
KN
i
: i kritik noktası
84
: Görev yeri
2.
ANKET UYGULAMASI VE KRĠTERLERĠN BELĠRLENMESĠ
Birim ve lojistik tesislerin yer seçiminde kriterlerin önem derecesini
belirlemek amacıyla yapılandırılan anket literatürde bu konuya iliĢkin yapılan
çalıĢmalar incelenerek hazırlanmıĢtır. Bu çalıĢmalarda tesis yer seçimine
iliĢkin hususlar incelenmiĢ ve yer seçiminde kullanılabilecek kriterler tespit
edilmiĢtir. Bu kriterler uzman görüĢü alınarak anket sorusu haline
dönüĢtürülmüĢtür. Anket nihai gruba uygulanmadan önce pilot bir örnekleme
uygulanmıĢ, geçerliliği ve güvenilirliğine iliĢkin geri bildirim alınarak gerekli
düzenlemeler yapılmıĢtır. Son olarak, belirlenen kriterlerin önem ağırlıkları ile
önem derecelerinin tespit edilebilmesi için bu kurumda görev yapan
personele anket çalıĢması uygulanmıĢtır.
Anket iki bölümden oluĢturulmuĢtur. Birinci bölüm, kurumun tüm
kuracağı birim tipleri için genel özellikleri içeren kriterlerin oluĢturduğu
bölümdür. Ġkinci bölüm ise, kurulacak birimin lojistik tesis olması durumunda
birinci bölüme ilave olarak kullanılacak lojistik tesisin yerleĢimine yönelik
kriterlerin oluĢturduğu bölümdür. Yeni tesis yer seçimi konusu ile ilgili anket,
kurumun sahip olduğu elektronik bilgi sistemi üzerinden iki hafta süre ile
uygulanmıĢ ve toplam altı yüz doksan üç kiĢi tarafından cevaplanmıĢtır.
Ankete katılan personelin statüsüne göre dağılımı ġekil-7‟de sunulmuĢtur.
Ankette veri analizi için SPSS 17.0 paket programı kullanılmıĢtır.
Anketin güvenilirliğini ölçmek maksadıyla güvenilirlik analizi yapılmıĢtır.
Güvenilirlik analizi, daha önceden belirlenmiĢ bir ölçek türüne göre
hazırlanmıĢ ankete verilen yanıtların tutarlılığını ölçmek için yapılan bir
analizdir. Güvenilirlik analizi için kullanılan temel analiz Cronbach Alpha (α)
değerinin bulunmasıdır. Tüm sorular için elde edilen α değeri o anketin
toplam güvenilirliğini gösterir ve 0.7′den büyük olması beklenir, bu değerden
düĢük α değerleri anketin zayıf güvenilirliği olduğunu gösterir, α > 0.8 olması
ise anketin yüksek güvenilirliğe sahip olduğunu göstermektedir. Anket,
toplam doksan sorudan oluĢmaktadır. Tüm sorulara göre yapılan güvenilirlik
85
analizi sonucu güvenilirlik oranı % 96,4 çıkmıĢtır. Elde edilen değere göre
anketin yüksek derecede güvenilir olduğu tespit edilmiĢtir.
450
411
400
350
300
250
200
200
150
100
60
50
22
0
Statü A
Statü B
Statü C
Statü D
ġekil-7: Ankete Katılan Personelin Statü Dağılımı
Ankette kullanılan kriterlerin açıkladığı boyutları belirlemek ve
soruların kriter sayısını azaltmak için faktör analizi yapılmıĢtır. Ayrıca, tesis
yer seçiminde kullanılacak kriterlerin önem derecelerinin belirlenmesi için
elde edilen kriter değerlerinin ortalaması, medyan ve mod değerleri
hesaplanmıĢ ve kriterler incelenmiĢtir. Faktör analizi sonucunda beĢ adet
kriter, ankete yapmıĢ olduğu katkının diğer kriterlere göre daha az olması
nedeniyle çıkarılmıĢtır. Bunlar;
- Alt ve üst birimler ile haberleĢme imkânı sağlaması,
- SavaĢta sivillerin zarar görmesini engelleyecek bir yerde kurulması,
- Kurulduktan sonra çevreye olumsuz etkisi,
- Bölgedeki teknik ve vasıflı personel sayısı,
- Çevre emniyetini kolaylaĢtıracak yapıda olmasıdır.
86
Ayrıca anket içinde her iki bölümde de yer alan on bir kriter mükerrer
değerlendirme yapılmaması maksadıyla modelden çıkarılmıĢtır. Bu kriterler;
-
Destekleyeceği birimlere yakın olması,
-
Sanayi sitesi/bölgesine yakın olması,
-
Karayoluna yakın olması,
-
Demiryolu istasyonuna yakın olması,
-
Hava alanına yakın olması,
-
Limana yakın olması,
-
Akaryakıt dağıtım noktasına yakın olması,
-
Tedarik kaynaklarına yakın olması,
-
Alt ve üst birimlerine ulaĢım maliyeti,
-
ĠĢ gücü merkezlerine yakın olması,
-
DıĢ kaynak kullanımı için firma sayısıdır.
Ġkmal merkezi tesis yeri seçimi için yetmiĢ dört kritere indirgenen
kriterler; çok önemli, nispeten önemli ve az önemli olmak üzere üç bölüme
ayrılmıĢtır. Kriterleri bölümlere ayırmada, anket analizi sonucu belirlenen
kriter ortalama değerleri dikkate alınmıĢtır. Önem değerlendirmelerinde
ortalama değer dikkate alındığında yüz puan üzerinden 70 puan ve üzerinin
çok önemli, 62.7-69.4 puan arası nispeten önemli, 52.9 – 62.3 puan arası az
önemli
olarak
değerlendirilmiĢtir.
Bu
puanlandırma
değeri
1
ile
7
değerlendirme ölçeğine göre yeniden düzenlenmiĢ ve aĢağıda gösterilmiĢtir.
Ortalama değer :
Bölüm
:
 4.87 - 6.07 arası
Çok önemli
 4.39 - 4.86 arası
Nispeten Önemli
 3.70 - 4.36 arası
Az önemli
Çok önemli olduğu değerlendirilen bu kırk iki kriter Tablo-8‟de
gösterilmiĢtir.
87
Tablo-8: Ġkmal Merkezi Yer Seçiminde Çok Önemli (ÇÖ) Görülen Kriterler
Kriter
Nu.
Kriterin Adı
Kriter
Nu.
Kriterin Adı
ÇÖ-1
Ġkmal merkezinin büyüklüğü
ÇÖ-22
Malzeme teslim süresi
ÇÖ-2
ġehir ve ilçe merkezine uzaklık
ÇÖ-23
Demiryoluna istasyonuna yakın
olması
ÇÖ-3
YaĢam kalitesi
ÇÖ-24
Çevreye ve doğal yaĢama
olumsuz etkisi
ÇÖ-4
Sosyal imkânları içinde
barındırması
ÇÖ-25
KomĢu ülkelerin etkili silah
menzilinden uzak olması
ÇÖ-5
Tehlikeli ve istenmeyen
tesislerden uzak olması
ÇÖ-26
Destekleyeceği birimlere yakın
olması
ÇÖ-6
Sosyal imkânlara yakın olması
ÇÖ-27
Malzeme depolama ve dağıtım
alanına sahip olması
ÇÖ-7
UlaĢtırma sistemlerinin (otobüs,
metro, raylı sistem) mevcudiyeti
ÇÖ-28
Köprü, tünel, geçit gibi kritik
noktalara yakın olması
ÇÖ-8
Personel eĢleri için çalıĢma
imkânı sağlaması
ÇÖ-29
Birimin Ģimdiki ve gelecekte icra
edeceği göreve katkı sağlaması
ÇÖ-9
Hava kalitesi
ÇÖ-30
Trafik yoğunluğu
ÇÖ-10
Eğitim, atıĢ ve spor alanlarını
içinde barındırması
ÇÖ-31
Hava savunmasına uygun arazi
olması
ÇÖ-11
Mevcut ulaĢım imkânları kalitesi
ÇÖ-32
Hava limanına yakın olması
ÇÖ-12
Patlayıcı maddeleri depolamaya
uygun arazi olması
ÇÖ-33
Görerek atıĢ yapmaya uygun
arazi olması
ÇÖ-13
Muhtemel afet bölgesinden uzak
olması
ÇÖ-34
Ġleri ve tersine lojistik ağ
yapısına uyumlu olması
ÇÖ-14
Karayoluna yakın olması
ÇÖ-35
Birim tipine uygun arazi yapısına
sahip olması
ÇÖ-15
Ġklim koĢullarının elveriĢliliği
ÇÖ-36
Sınır hattından uzak olması
ÇÖ-16
Ġhtiyaçlara cevap verebilme
süresi ve hızı
ÇÖ-37
Tedarikçilere yakın olması
ÇÖ-17
Toprağın (zeminin) dayanıklı
olması
ÇÖ-38
Destekleyeceği birimlere ulaĢım
maliyeti
ÇÖ-18
Dağılma imkânı vermesi
ÇÖ-39
Arazinin büyümeye/geniĢlemeye
uygun arazi olması
ÇÖ-19
Lojistik tesislere yakın olması
ÇÖ-40
DıĢ kaynak kullanımı için firma
sayısı
ÇÖ-20
Cep telefonu operatörleri ile
haberleĢme imkânı sağlaması
ÇÖ-41
Mal ve hizmetlerin tedarik
maliyeti
ÇÖ-21
Suç oranı
ÇÖ-42
Görev alanına yakın olması
Ġkmal merkezi yer seçimi probleminde, istatistiksel analiz (mod,
medyan ve ortalama değerleri) ve yapılan değerlendirme neticesinde, diğer
88
kriterlere göre nispeten daha az önemli olduğu belirlenen yirmi iki kriter ise
Tablo-9‟da sunulmuĢtur.
Tablo-9: Ġkmal Merkezi Yer Seçiminde Nispeten Önemli (NÖ) Görülen Kriterler
Kriter
Nu.
Kriter
Nu.
Kriterin Adı
NÖ-1
Enerji hizmet noktalarına yakın
olması
NÖ-12
NÖ-2
ġehir geliĢim planı ve istikameti
NÖ-13
NÖ-3
NÖ-4
MüĢterek harekât yapmaya
uygun arazi olması
Arazinin, birimin kamufle
olmasına uygun yapıda olması
NÖ-14
NÖ-15
Kriterin Adı
Tatbikat/atıĢ alanlarına ulaĢım
maliyeti
Sanayi sitesi/bölgesine yakın
olması
Akaryakıt dağıtım noktasına
yakın olması
Hareket kabiliyetinin artması için
Ģehir merkezine uzak olması
Görmeyerek atıĢ yapmaya uygun
arazi olması
NÖ-5
Yetenekli iĢgücü sayısı
NÖ-16
NÖ-6
ĠĢgücü kaynağına yakın olması
NÖ-17
Çevresel gürültü
NÖ-18
Kamu hizmet binalarına yakın
olması
NÖ-19
Bölgesel iĢgücü maliyeti
NÖ-20
Ġkmal merkezinin üst yapı
maliyeti
NÖ-21
Uzun sürede inĢa edilme maliyet
NÖ-22
Limana yakın olması
NÖ-7
NÖ-8
NÖ-9
NÖ-10
NÖ-11
MüĢterek üretim yapacağı
firmalara yakın olması
ġimdiki nüfus sayısı ve geliĢim
eğilimi
Ġkmal merkezinin alt yapı maliyeti
Hava ve denizden personel ile
malzeme nakline uygun olması
Eğitim ve araĢtırma kurumlarına
yakın olması
Ġkmal merkezi yer seçiminde, kriter değerlerinin ortalaması, medyanı
ve mod değerleri gibi istatistiksel veri analizleri sonucu en az öneme sahip
olduğu belirlenen on kriter Tablo-10‟da gösterilmiĢtir.
Tablo-10: Ġkmal Merkezi Yer Seçiminde Az Önemli (AÖ) Görülen Kriterler
Kriter
Nu.
Kriterin Adı
Kriter
Nu.
Kriterin Adı
AÖ-1
Bölgeye iĢgücü katkısı
AÖ-6
Hazine arazisi olmaması durumunda
maliyeti uygun arazi olması
AÖ-2
Bölgeye ekonomik katkı
sağlaması
AÖ-7
ġehrin nispeten geliĢmemiĢ bölgesine
kurulması
AÖ-3
Sosyal geliĢime katkısı
AÖ-8
Teknoloji bölgelerine yakın olması
AÖ-4
Kültürel geliĢime katkısı
AÖ-9
Hammadde kaynaklarına yakın olması
AÖ-5
Hazine arazisine
kurulması maliyeti
AÖ-10
Su kaynaklarına yakın olması
89
Ayrıca uzman görüĢü doğrultusunda yapılan kriter değerlendirmelerine
göre, çok önemli görülen kırk iki kriter içinde, bütün alternatifler tarafından
arazi değerlendirme ve seçim aĢamasından önce ya da tesisin tasarımı
aĢamasında
sahip
olması
gereken
kriterler
mevcuttur.
Bu
kriterler
alternatiflerin belirlenmesinden (seçim ve değerlendirilme aĢaması) önce bu
Ģartları sağlaması gerekmektedir. Ġkmal merkezi yer seçimi problemi için,
bazı çok önemli kriterlerin arazi seçilmeden önce ya da tesis tasarımı
aĢamasında değerlendirilmesi gerektiğinden jenerik probleme kriter olarak
dâhil edilmemiĢtir. Bunlar;
- Ġkmal merkezinin büyüklüğü,
- Arazinin büyümeye/geniĢlemeye uygun arazi olması,
- Dağılma imkânı vermesi,
- ġimdiki ve gelecekte icra edeceği göreve katkı sağlaması,
-
Malzeme depolama ve dağıtım alanına sahip olması,
- Sosyal imkânları içinde barındırması,
- Birimin ya da lojistik tesisin yapacağı göreve uygun eğitim, atıĢ ve
spor alanlarını içinde barındırması,
- Birimin ya da lojistik tesisin tipine uygun arazi yapısına sahip olması,
- Ġhtiyaçlara cevap verebilme süresi ve hızı,
- Toprağın (zeminin) dayanıklı olması,
- Patlayıcı maddelerin depolanmasına uygun olmasıdır.
Ayrıca, ikmal merkezi yer seçimi probleminde aĢağıda belirtilen
kriterler, alternatiflerin değerlendirilmesinde farklı değerler göstermediği için
jenerik probleme dâhil edilememiĢtir. Bunlar;
- UlaĢım sistemlerinin mevcudiyeti,
- UlaĢım imkânları kalitesi,
- Cep telefonu operatörleri ile haberleĢme imkânı sağlaması,
- KomĢu ülkelerin etkili silah menzilinden uzak olması,
- Ġleri ve tersine lojistik ağ yapısına uyumlu olması,
- Görerek atıĢ yapmaya uygun arazi olması,
- Hava savunmasına uygun arazi olmasıdır.
90
Sonuç olarak, ikmal merkezi yer seçimi jenerik probleminde alternatif
yerlerin değerlendirilmesi için belirlenen yirmi beĢ kriter Tablo-11‟de
gösterilmiĢtir. Ġkmal merkezi yerleĢimi için Trakya bölgesinde standart
büyüklükte ve dört farklı bölgede alternatif arazi belirlenmiĢtir. Belirlenen
alternatif
arazilerinin
büyüklüğünde
olduğu
tamamının
kabul
bu
desteği
edilmiĢtir.
Ayrıca,
sağlayabilecek
kullanılan
arazi
kriterlerin
değerlendirilmesine iliĢkin açıklamalar aĢağıda yer almaktadır.
Tablo-11: Jenerik Problemde Kullanılan Kriterler
Kriter
Nu.
L1
L2
L3
L4
3.
Kriter
Nu.
Kriterin Adı
ġehir/ilçe merkezine uzaklık
Muhtemel afet bölgesine uzak
olması
Tehlikeli ve istenmeyen
tesislerden uzak olması
Çevreye ve doğal yaĢama
olumsuz etkisi
Kriterin Adı
L14
Demiryoluna istasyonuna yakın
olması
L15
Hava limanına yakın olması
L16
Lojistik tesislere yakın olması
(diğer)
L17
Trafik yoğunluğu
L5
Ġklim koĢullarının elveriĢliliği
L18
Hazine arazisi olmaması
durumunda arazi maliyeti
L6
YaĢam kalitesi
L19
Malzeme teslim süresi
L7
Suç oranı
L20
Sınır hattından uzak olması
L8
Hava kalitesi
L21
Destekleyeceği birimlere yakın
olması
L9
Sosyal imkânlara yakın olması
L22
Tedarikçilere yakın olması
L10
Personel eĢleri için çalıĢma
imkânı
L23
L11
Görev yerine yakın olması
L24
L12
Köprü, tünel, geçit gibi kritik
noktalara yakın olması
L25
L13
Karayoluna yakın olması
DıĢ kaynak kullanımı için firma
sayısı
Mal ve hizmetlerin tedarik
maliyeti
Destekleyeceği birimlere ulaĢım
maliyeti
KRĠTERLERĠN AÇIKLANMASI
a. ġehir/ilçe merkezlerine uzaklık (L1): Alternatiflere yakın il ya da
ilçe merkezlerine olan uzaklıklara göre değerlendirilme yapılmıĢtır. Bu
91
değerler Tablo-12‟de gösterilmiĢtir. Ġkmal merkezinin Ģehir/ilçe merkezinden
25-50 km arası uzaklıkta olması istenmektedir.
Tablo-12: Alternatiflerin ġehir/Ġlçe Merkezlerine Uzaklıkları
ġehir/Ġlçe Merkezi
A1
A2
A3
A4
K
33 km
32 km
68 km
53 km
Ç
68 km
104 km
53 km
72 km
L
19 km
54 km
55 km
28 km
B
24 km
32 km
77 km
22 km
E
71 km
31 km
108 km
63 km
T
112 km
92 km
98 km
51 km
Toplam
327 km
345 km
459 km
289 km
b. Muhtemel
afet
bölgesine
uzaklık
(L2): Türkiye‟nin
afet
haritasına göre Trakya bölgesi, deprem, sel, heyelan gibi doğal felaketlerin
en az sayıda yaĢandığı ve en düĢük risk grubunda yer alan bölgelerinden
birisidir (Meteoroloji Genel Müdürlüğü [web], 2014a). 1940-2010 yılları arası
meydana gelen doğal afetlerin toplam sayısı ġekil-8‟de gösterilmiĢtir.
ġekil-8: 1940-2010 Yılları Arasında Gözlenen Afetlerin Toplam Sayısı
Mevcut problemde, alternatif noktaların aralarındaki mesafenin fazla
olmaması ve arazilerin afet riski açısından aynı değerlere sahip olması
nedeniyle muhtemel afet bölgesine uzaklığı kriteri açısından alternatif yerlerin
92
seçiminde
fark
yaratmayacak
ve
modelin
çözümüne
katkıda
bulunmayacaktır. Ancak gerçek yaĢam problemlerinde bu merkezlerin farklı
bölgelere kurulması ihtimali de yüksektir. Bu kapsamda düĢünüldüğünde
kullanılması zorunlu bir kriter olduğundan jenerik modelde yer almıĢtır. Her
bir alternatif bölge için 1940-2010 yılları arasında meydana gelen doğal
afetlerin toplam sayısına göre değerlendirilme yapılmıĢ ve Tablo-13‟de
gösterilmiĢtir. Afet sayısı az olan alternatif yüksek değeri alacaktır.
Tablo-13: Alternatiflerin Bağlı Olduğu Ġllerde YaĢanan Toplam Afet Sayısı
Doğal afet sayısı
A1
A2
A3
A4
54
115
124
93
c. Tehlikeli ve istenmeyen tesislerden uzak olması (L3): Trakya
bölgesinde nükleer santral, petrol rafinerisi, büyük yakıt ve kimyasal
depolama alanları gibi tehlikeli tesisler hâlihazırda bulunmamaktadır. Ancak
bu tip tesisler ülke genelinde bulunmakta ya da yenilerinin yapılması
planlanmaktadır. Ayrıca; bölgede atık depolama, su arıtma ve çöp yakım gibi
istemeyen tesisler bulunmaktadır. Ġkmal merkezinin bu tesislerden mümkün
olduğunca uzak olması istenmektedir. Ġkmal merkezinin gelecek dönemlerde
ülkenin farklı bölgelerine de kurulabileceği düĢünülerek, jenerik problemde bir
adet tehlikeli tesis ile yedi adet istenmeyen tesis yeri belirlenmiĢ ve bu
tesislerden olan toplam uzaklıklar Tablo-14‟de gösterilmiĢtir.
Tablo-14: Tehlikeli ve Ġstenmeyen Tesislere Olan Uzaklık
Yerler
A1
A2
A3
A4
Atık Depo Yeri 1
28 km
X
62 km
29 km
Atık Depo Yeri 2
30 km
29 km
X
24 km
Atık Depo Yeri 3
X
31 km
X
X
Atık Depo Yeri 4
X
19 km
X
X
Atık Depo Yeri 5
32 km
X
18 km
X
Atık Depo Yeri 6
X
X
X
43km
Atık Depo Yeri 7
X
X
41
X
80 km
118 km
26 km
99 km
170 km
197 km
147 km
195 km
Nükleer Tesis
Toplam
93
d. Çevreye ve doğal yaĢama olumsuz etkisi (L4): Alternatif
yerlerin çevreye ve doğal yaĢama yaptığı olumsuz etkisi değerlendirilmiĢtir.
Alternatifler; Trakya bölge haritası incelenerek ağaçlık alan, tarım arazisi,
nehir ya da dere yatağı, hayvanların doğal yaĢam alanın olmaması gibi
değerler açısından incelenmiĢ ve bölgeye en az zarar verecek yer en yüksek
değeri alacak Ģekilde değerlendirilmiĢtir.
e. Ġklim koĢullarının elveriĢliliği (L5): Her bir alternatif yer;
ortalama sıcaklık değerleri, ortalama güneĢlenme saati, yağıĢlı gün sayısı ve
nem oranı gibi bölgenin coğrafi özellikleri dikkate alınarak değerlendirilmiĢtir.
Bu veriler için Meteoroloji Genel Müdürlüğü‟nün illere ait 1960–2012 yılları
arasındaki istatistiki verilerinden yararlanılmıĢ ve Tablo-15‟de gösterilmiĢtir
(Meteoroloji Genel Müdürlüğü [web], 2014b). En iyi iklim koĢuluna sahip olan
yer en yüksek değeri alacak Ģekilde değerlendirilme yapılmıĢtır.
Tablo-15: Ġklim KoĢullarının ElveriĢliliği
KoĢullar
A1
A2
A3
A4
Ġlk Altı Ay Ortalama Sıcaklık Değeri (°C)
11.7
11.3
11.2
11.2
Son Altı Ay Ortalama Sıcaklık Değeri (°C)
16.7
16.1
16.8
16.8
Yıllık Ortalama GüneĢlenme Saati
6.1
6.1
5.7
5.7
Yıllık Ortalama YağıĢlı Gün Sayısı (Saat)
8
9
8
8
Nispi Ortalama Nem Oranı Tahmini (%)
80
85
85
85
f.
YaĢam kalitesi (L6): Alternatifler yerlere en yakın il/ilçe
merkezlerinin sosyo-ekonomik geliĢmiĢlik düzeyleri için 2004 yılında
Kalkınma Bakanlığının yapmıĢ olduğu bir çalıĢmaya ait veriler dikkate
alınmıĢ ve birbirleriyle karĢılaĢtırmalı olarak değerlendirilmiĢtir (Kalkınma
Bakanlığı [web], 2014). Bu endeks değerleri Tablo-16‟da gösterilmiĢtir.
Tablo-16: Alternatiflere Yakın ġehir Merkezlerinin Sosyo-Ekonomik
GeliĢmiĢlik Endeks Değeri
Sosyo-ekonomik
geliĢmiĢlik endeksi
A1
A2
A3
A4
2.08161
2.14004
3.08189
0.74868
94
g. Suç oranı (L7): Suç oranı kriteri açısından alternatifler en yakın il
veya ilçe merkezlerinde meydana gelen suç olay sayısı dikkate alınarak
değerlendirilmiĢtir. Alternatif yerlere yakın illerin suç olayı sayıları Tablo17‟de gösterilmiĢtir.
Tablo-17: Alternatif Yerlere Yakın Ġllerin Suç Olayı Sayıları
Suç Olayı Sayısı
A1
A2
A3
A4
306
818
485
440
h. Hava kalitesi (L8): Alternatiflerin hava kalitesi açısından
değerlendirilmesinde illerin hava kirliliği oranları dikkate alınmıĢtır. Bu
problemde hava kalitesini değerlendirmek için Türkiye Ġstatistik Kurumunun
2010 yılı illerin kükürt dioksit (SO2) değerleri (TÜĠK [web], 2014) ile Çevre ve
ġehircilik Bakanlığı‟nın Hava Kalitesi Ġzleme Ġstasyonu Partikül Maddeler
(PM10) değerleri dikkate alınmıĢ (Çevre ve ġehircilik Bakanlığı [web], 2014)
ve Tablo-18‟de gösterilmiĢtir.
Tablo-18: Alternatif Yerlere Yakın Ġllerin Hava Kalitesi Değerleri
A1
A2
A3
A4
Kükürt dioksit
23
45
134
134
Partikül Madde
31-94
29-96
38-114
38-114
i.
Sosyal imkânlara yakın olması (L9): Kurum, yeni kurulacak
birimlerinin tesis tasarımında, sosyal imkânları tesis içinde barındırılmasını
istemektedir. Ancak planlanamadığı durumlar için bu imkânlara yakın yerde
olmasını arzu etmektedir. Jenerik problemde, alternatif yerlerin, birçok sosyal
imkânı içerisinde barındıran alıĢveriĢ merkezlerine toplam uzaklık değerleri
dikkate alınmıĢtır. Alternatif yerlerin sosyal imkânlara olan mesafeleri Tablo19‟da gösterilmiĢtir.
95
Tablo-19: Alternatiflerin Sosyal Ġmkânlara Mesafesi
A1
Sosyal Ġmkânlara Mesafe
j.
A2
A3
A4
20.69 km 26.68 km 21.87 km 27.16 km
Personel eĢleri için çalıĢma imkânı (L10): Alternatiflerin bu
kriter açısından değerlendirilmesinde illerin 2013 yılı sonunda düzenlenen
kamu personel kadro ve pozisyonlarına iliĢkin il istihdam rakamları
kullanılmıĢtır (T.C. Devlet Personel BaĢkanlığı [web], 2014). Bu kriter açısından
alternatif yerlerin sahip olduğu kadro miktarının fazla olması istenmektedir.
Alternatiflere yakın illere ait il istihdam rakamları Tablo-20‟de gösterilmiĢtir.
Tablo-20: Alternatiflere Yakın Ġllere Ait Ġl Ġstihdam Rakamları
Ġl Ġstihdam Rakamları
A1
A2
A3
A4
10.639
16.977
8.547
11.989
k. Görev alanına yakın olması (L11): Alternatif yerlerin jenerik
olarak icra edeceği görev alanlarına olan uzaklığı dikkate alınmıĢtır.
Mesafenin kısa olması istenmektedir. Alternatiflerin görev alanına olan
mesafeleri Tablo-21‟de gösterilmiĢtir
Tablo-21: Alternatiflerin Görev Alanına Mesafesi
Görev Alanına Mesafe
l.
A1
A2
A3
A4
136 km
87 km
197 km
129 km
Kritik noktalara yakın olması (L12): Alternatif bölgelerin
civarında bulunan, icra edeceği görev esnası ve sonrasında bu görevi
etkileyecek derece önemli köprü, tünel ve geçit gibi çeĢitli kritik arazi
arızalarına olan uzaklık değerleri dikkate alınarak değerlendirilmiĢtir. Kritik
noktalara olan toplam mesafenin yakın olması istenmektedir. Alternatiflerin
kritik arazi arızalarına olan mesafeleri Tablo-22‟de gösterilmiĢtir.
96
Tablo-22: Alternatiflerin Kritik Arazi Arızalarına Mesafesi
A1
A2
A3
A4
Kritik Arazi_1
31 km
37 km
30 km
54 km
Kritik Arazi_2
53 km
11 km
101 km
43 km
Kritik Arazi_3
72 km
80 km
130 km
70 km
Toplam
156 km
128 km
261 km
167 km
m. Kara yoluna yakın olması (L13): Ġkmal merkezi alternatif
yerlerinin öncelikle otoyola yoksa D100 kara yoluna olan mesafesine göre
değerlendirme yapılmıĢtır. Alternatiflerin iki önemli kara yolu ulaĢım hattına
olan en yakın mesafeleri Tablo-23‟de gösterilmiĢtir.
Tablo-23: Alternatiflerin Ġki Önemli Kara Yolu UlaĢım Hattına Mesafesi
A1
A2
A3
A4
Otoyol
9.42 km
4 km
28.85 km
26 km
D-100
19.06 km
12.73 km
37 km
11.44 km
Toplam
28.48 km
16.73 km
65.85 km
37.44 km
n. Demir yolu istasyonuna yakın olması (L14): Ġkmal merkezi
alternatif
yerlerinin
demir
yolu
istasyonuna
olan
mesafesine
göre
değerlendirme yapılmıĢtır. Alternatiflerin demir yolu istasyonlarına olan
mesafeleri Tablo-24‟de gösterilmiĢtir.
Tablo-24: Alternatiflerin Demir Yolu Ġstasyonlarına Mesafesi
Tren Ġstasyonu Uzaklıkları
A1
A2
A3
A4
19.5 km
30 km
26.9 km
8 km
o. Hava limanına yakın olması (L15): Ġkmal merkezinin hava
limanına olan mesafesine göre değerlendirme yapılmıĢtır. Alternatiflerin
bölgeye yakın olan üç hava limanına olan mesafeleri Tablo-25‟de
gösterilmiĢtir.
97
Tablo-25: Alternatiflerin Hava Limanlarına Mesafesi
A1
A2
A3
A4
A Hava limanı
165 km
193.6 km
108 km
185 km
Ç Hava limanı
81 km
114 km
57.76 km
85.1 km
Ü Hava limanı
177 km
213 km
98.13 km
192 km
Toplam
423 km
520.6 km
263.89 km
462.1 km
p. Lojistik
tesislere
yakın
olması
Ġkmal
(L16):
merkezini
destekleyen diğer lojistik tesislere olan mesafesi ile toplam mesafe
değerlerine göre değerlendirme yapılmıĢtır. Alternatiflerin bu lojistik tesislere
olan mesafeleri Tablo-26‟da gösterilmiĢtir.
Tablo-26: Alternatiflerin Lojistik Tesislere Mesafesi
A1
A2
A3
A4
Ġkmal Merkezi
129 km
169 km
61 km
135 km
Bakım Merkezi
69 km
111 km
45 km
78 km
Giyim Merkezi
179 km
211 km
143 km
185 km
Ana Depo
679 km
719 km
611 km
685 km
1.056 km
1.210 km
860 km
1.083 km
Toplam
q. Trafik yoğunluğu (L17): Jenerik problemde alternatif yerlere en
yakın il/ilçe merkezinde kara taĢıt sayısı verilerine göre değerlendirme
yapılmıĢtır. Alternatif il/ilçelerde bulunan motorlu kara taĢıt sayısı değerleri
için Türkiye Ġstatistik Kurumu 2013 yılı verilerinden faydalanılmıĢ ve bu veriler
Tablo-27‟de gösterilmiĢtir (Türkiye Ġstatistik Kurumu [web], 2014)
Tablo-27: 2013 Yılı Motorlu Kara TaĢıt Sayısı
Toplam Kara TaĢıt Sayısı
A1
A2
A3
A4
100.099
127.695
98.825
101.600
98
r.
Hazine arazisi olmaması durumundaki arazi maliyeti (L18):
Alternatif yerler için arazi birim maliyetleri, arazilerin Ģehir merkezine uzaklıkları
dikkate alınarak hesaplanmıĢtır. ġehir merkezine en yakın arazinin en pahalı
olacağı varsayımı ile birbirleriyle kıyaslama yapılarak değerlendirilmiĢtir. Bu
değerler Tablo-28‟de gösterilmiĢtir.
Tablo-28: Arazi Maliyeti
Arazi Maliyeti
s.
A1
A2
A3
A4
1.3 br.
1.6 br.
1.1 br.
1.5 br.
Malzeme teslim süresi (L19): Alternatif yerlerden destekleyeceği
birimlere aynı tip bir malzeme grubunun teslimi için karayolu ile ulaĢım süresi
dikkate alınarak değerlendirilmiĢtir. UlaĢım süresinin hesaplanmasında kamyon
için karayolu ve oto yol hız sınırları dikkate alınarak hesaplanmıĢtır. Alternatiflere
karayolu ile olan malzeme teslim süreleri Tablo-29‟da gösterilmiĢtir.
Tablo-29: Alternatiflere Karayolu Ġle Malzeme Teslim Süreleri
A1
A2
A3
A4
Birim_L
22 dk.
34 dk.
65 dk.
52 dk.
Birim_B
29 dk.
26 dk.
76 dk.
23 dk.
Birim_T
107 dk.
136 dk.
118 dk.
85 dk.
Birim_1
24 dk.
66 dk.
37 dk.
61 dk.
Birim_K
181 dk.
115 dk.
197 dk.
158 dk.
Birim_G
202 dk.
149 dk.
226 dk.
173 dk.
Birim_M
109 dk.
121 dk.
166 dk.
57 dk.
Birim_MA
118 dk.
149 dk.
116 dk.
149 dk.
Birim_Ç
54 dk.
78 dk.
29 dk.
112 dk.
Birim_TO
105 dk.
124 dk.
143 dk.
133 dk.
Birim_KIY
86 dk.
19 dk.
99 dk.
67 dk.
Birim_KIR
37 dk.
40 dk.
64 dk.
68 dk.
1.073 dk.
1.057 dk.
1.335 dk.
1.139 dk.
Toplam Süre
99
t.
Sınır hattından uzak olması (L20): Ġkmal merkezinin sınır hattına
olan mesafesine göre değerlendirme yapılmıĢtır. Alternatiflerin sınır hattına
uzaklıkları Tablo-30‟da gösterilmiĢtir.
Tablo-30: Alternatiflerin Sınır Hattına Mesafesi
Sınır Hattına Mesafesi
A1
A2
A3
A4
88.82 km
44.15 km
143.73 km
93.25 km
u. Destekleyeceği birimlere yakın olması (L21): Ġkmal merkezinin
ikmal
desteğinden
sorumlu
olduğu
birimlere
olan
mesafesine
göre
değerlendirme yapılmıĢtır. Alternatif yerlerin destekleyeceği birimlere olan
uzaklık değerleri Tablo-31‟de gösterilmiĢtir.
Tablo-31: Alternatif Yerlerin Destekleyeceği Birimlere Mesafesi
A1
A2
A3
A4
Birim_L
18 km
51 km
54 km
43 km
Birim_B
24 km
28 km
81 km
19 km
Birim_T
89 km
125 km
98 km
71 km
Birim_1
20 km
55 km
31 km
51 km
Birim_K
151 km
96 km
164 km
132 km
Birim_G
168 km
124 km
188 km
144 km
Birim_M
91 km
101 km
138 km
47 km
Birim_MA
177 km
224 km
145 km
196 km
Birim_Ç
80 km
108 km
25 km
93 km
Birim_TO
157 km
186 km
109 km
172 km
Birim_KIY
72 km
28 km
129 km
80 km
Birim_KIR
31 km
33 km
54 km
57 km
1.079 km
1.159 km
1.215 km
1.106 km
Toplam Mesafe
100
v. Tedarikçilere yakın olması (L22): Ġkmal merkezinin tedarik
faaliyetlerini icra etmesi için bölgesinde bulunan tedarik kaynaklarına olan
mesafesine göre değerlendirme yapılmıĢtır. Tedarik kaynaklarının tamamının
Ģehir ya da ilçe merkezinde bulunmasından dolayı Ģehir merkezine uzaklık
tablo değerlerine göre değerlendirme yapılmıĢtır.
w. DıĢ kaynak kullanımı için firma sayısı (L23): Ġkmal merkezinin
görevini
yürütmesinde
hizmet
desteği
alacağı
firma
sayısını
göre
değerlendirme yapılmıĢtır. Değerlendirmede alternatif yerlere yakın olan
illerin ithalat ve ihracat yapan firma sayılarından faydalanılmıĢ ve Tablo-32‟de
gösterilmiĢtir ( T.C. Ekonomi Bakanlığı [web], 2014).
Tablo-32: Alternatif Yerlere Yakın Ġllerin Ġthalat ve Ġhracat Yapan Firma
Sayıları
A1
A2
A3
A4
Ġhracatçı Firma
57
67
195
207
Ġthalatçı Firma
101
119
196
255
Toplam Sayı
158
186
391
462
x. Mal ve hizmetlerin tedarik maliyeti (L 24): Ġkmal merkezinin
ihtiyaç duyduğu mal ve hizmetlerin satın alımında il ya da ilçelerdeki tedarikçi
firma sayısı ile ihtiyaç duyulan ürünlerin satın alma maliyeti açısından
uygunluğuna göre değerlendirme yapılmıĢtır.
y. Destekleyeceği birimlere ulaĢım maliyeti (L25): Karayolu ile
desteklediği tüm birimlerine olan aynı tip yük malzemesinin toplam ulaĢım
maliyetine göre değerlendirme yapılmıĢtır. Karayolu ile yük taĢıma
maliyetinin
hesaplanmasında,
2008
yılı
karayoluyla
yurtiçi
eĢya
taĢımacılığında uygulanacak taban ücret tarifesi hakkında tebliğinden
faydalanılmıĢtır. Alternatiflerin destekleyeceği birimlere ulaĢım maliyeti Tablo33‟de gösterilmiĢtir.
101
Tablo-33: Alternatiflerin Destekleyeceği Birimlere UlaĢım Maliyeti
Maliyet (TL)
A1
A2
A3
A4
Birim_L
Birim_B
Birim_T
Birim_1
1.040 TL.
1.100 TL.
1.790 TL.
1.060 TL.
1.390 TL.
1.140 TL.
2.260 TL.
1.430 TL.
1.420 TL.
1.700 TL.
1.880 TL.
1.180 TL.
1.300 TL.
1.050 TL.
1.600 TL.
1.390 TL.
Birim_K
Birim_G
Birim_M
Birim_MA
Birim_Ç
2.730 TL.
3.040 TL.
1.810 TL.
3.460 TL.
1.690 TL.
1.860 TL.
2.240 TL.
1.830 TL.
4.300 TL.
1.950 TL.
2.960 TL.
3.400 TL
2.490 TL.
2.870 TL.
1.110 TL.
2.390 TL.
2.600 TL.
1.350 TL.
3.800 TL.
1.830 TL.
Birim_TO
Birim_KIY
Birim_KIR
3.100 TL.
1.610 TL.
1.180 TL.
3.620 TL.
1.140 TL.
1.200 TL.
2.230 TL.
2.330 TL.
1.410 TL.
3.370 TL.
1.690 TL.
1.450 TL.
23.590 TL.
24.360 TL.
24.990 TL.
23.810 TL.
Toplam Maliyet
4.
ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠNĠN UYGULANMASI
Jenerik problemin çözümü için üç adet ÇKKV metodu belirlenmiĢtir.
Bu metotlar; bulanık VIKOR, bulanık TOPSIS ve SMAA-2 yöntemleridir. Her
üç metottan elde edilecek sonuçlar bu bölümün sonunda karĢılaĢtırılmıĢtır.
a. Bulanık TOPSĠS Yöntemi
Adım 1: Ġkmal merkezi tesis yer seçimi için dört alternatif yer,
alternatiflerin değerlendirilmesi için yirmi beĢ kriter ve karar vermeye yetkin üç
üst düzey yönetici karar verici olarak belirlenmiĢ ve aĢağıda gösterilmiĢtir;
A= { A1, A2, A3, A4}, K = { K1, K2, … K25}, KV = { KV1, KV2, KV3}
Adım 2: Ġkmal merkezinin yer seçimi için belirlenen dört alternatif
arazi üç üst düzey yönetici tarafından yirmi beĢ adet kriter dikkate alınarak
Tablo-3‟de gösterilen dilsel değiĢkenler yardımıyla değerlendirilmiĢtir. Karar
vericilerin alternatifleri kriterlere göre dilsel değiĢkenlerle değerlendirmesi
Tablo-34‟de gösterilmektedir.
102
Tablo-34: Karar Vericilerin Alternatifleri Kriterlere Göre Dilsel DeğiĢkenlerle
Değerlendirilmesi
KARAR VERĠCĠLER
KV1
KV2
KV3
KRĠTER
L1
L2
A1
A2
A3
A4
A1
A2
A3
A4
A1
A2
A3
A4
Ġ
ÇĠ
OĠ
E
E
E
Ġ
OĠ
ÇĠ
ÇĠ
Ġ
OĠ
Z
OĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Z
Z
ÇZ
ÇĠ
Z
L3
L4
L5
L6
OĠ
OĠ
ÇĠ
Ġ
ÇĠ
E
Ġ
Ġ
E
E
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
OZ
OĠ
Ġ
Ġ
Ġ
ÇĠ
Z
OĠ
Ġ
Z
OĠ
E
ÇĠ
Ġ
Ġ
E
OZ
OĠ
OĠ
Ġ
Ġ
Ġ
OĠ
OĠ
Ġ
OZ
Ġ
OZ E
OZ OZ
Ġ
E
L7
L8
L9
L10
L11
ÇĠ
Ġ
Ġ
Ġ
Ġ
Z
Ġ
E
ÇĠ
ÇĠ
Ġ
OZ
OĠ
OZ
OĠ
OĠ
OZ
OZ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
OZ
ÇĠ
OĠ
Ġ
Ġ
OĠ
OĠ
ÇĠ
OZ
OĠ
OĠ
OĠ
E
OĠ
Ġ
Ġ
Ġ
Ġ
OĠ
OĠ
Z
OĠ
OĠ
Ġ
ÇĠ
OĠ
E
OĠ
E
OZ
E
E
E
OĠ
Ġ
L12
L13
L14
L15
OĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
OZ
OĠ
Z
E
E
ÇĠ
OĠ
OĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
OĠ
OĠ
ÇĠ
OZ
E
E
E
OZ
Ġ
Ġ
OĠ
ÇĠ
OĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
OĠ
OZ
OĠ
OĠ
OĠ
ÇĠ
E
Ġ
ÇĠ
OĠ
L16
L17
L18
L19
L20
Ġ
Ġ
Ġ
ÇĠ
Ġ
OĠ
E
OĠ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
E
OĠ
OĠ
Ġ
E
ÇĠ
Ġ
ÇĠ
E
ÇĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
OZ
OĠ
OĠ
ÇĠ
OZ
Ġ
Ġ
ÇĠ
OĠ
ÇĠ
E
Ġ
OĠ
OĠ
Ġ
L21
L22
L23
L24
Ġ
Ġ
OĠ
Ġ
OĠ
Ġ
OĠ
Ġ
E
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
E
OĠ
OĠ
OĠ
E
E
E
E
OĠ
OĠ
Ġ
ÇĠ
Ġ
E
Ġ
ÇĠ
Ġ
E
OĠ
Ġ
Ġ
OĠ
OĠ
OĠ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
OĠ
L25
Ġ
E
OZ
Ġ
OĠ
Ġ
Ġ
OĠ
Ġ
OĠ
E
OĠ
ÇĠ: Çok iyi, Ġ: Ġyi, OĠ: Orta Ġyi, E: EĢit, OZ: Orta Zayıf, Z: Zayıf, ÇZ: Çok Zayıf.
Kriter önem ağırlıklarının belirlenmesinde anket uygulamasından
faydalanılmıĢtır. Ankete katılan altı yüz doksan üç personelin dilsel
değiĢkenler
ile
yapmıĢ
olduğu
değerlendirmelerin
tamamı
EK-B‟de
sunulmuĢtur. Ankete katılan ilk üç ve son üç karar vericinin kriter önem
ağırlıkları ile ilgili dilsel ifadeler ile değerlendirmeleri Tablo-35‟de gösterilmiĢtir.
103
Tablo 35: Ġlk Üç ve Son Üç Personelin Karar Kriterleri Önem Dereceleri ile
Ġlgili Dilsel Ġfadeleri
ANKETĠ CEVAPLAYAN PERSONEL
KRĠTERLER
L1
L2
L3
P1
O
ÇY
ÇY
P2
OD
Y
ÇY
P3
OY
O
O
…
…
…
…
…
…
…
…
P691
OD
Y
ÇY
P692
ÇY
Y
ÇY
P693
OY
Y
Y
L4
L5
L6
L7
O
ÇY
ÇY
ÇY
Y
O
OY
OY
Y
OY
OY
OY
…
…
…
…
…
…
…
…
Y
Y
OY
Y
Y
Y
ÇY
ÇY
ÇY
D
Y
OY
L8
L9
L10
L11
L12
ÇY
ÇY
O
Y
Y
Y
O
O
OD
OD
OD
O
OY
OD
OY
…
…
…
…
…
…
…
…
…
…
OY
Y
Y
O
ÇY
ÇY
ÇY
ÇY
O
OY
O
Y
ÇY
ÇY
ÇY
L13
L14
L15
L16
O
O
O
Y
OY
OY
O
ÇY
Y
Y
O
OY
…
…
…
…
…
…
…
…
Y
ÇY
Y
ÇY
Y
ÇY
ÇY
OY
Y
Y
OY
Y
L17
L18
L19
L20
L21
ÇY
O
O
O
O
O
OD
OY
O
OY
O
OY
Y
ÇY
O
…
…
…
…
…
…
…
…
…
…
ÇY
ÇY
Y
O
Y
ÇY
OY
OY
OD
Y
OY
Y
Y
O
OY
L22
L23
L24
L25
O
O
ÇY
O
OY
O
OY
OY
Y
O
OY
OD
…
…
…
…
…
…
…
…
OY
Y
Y
Y
O
OY
ÇY
OY
Y
OY
Y
Y
ÇY: Çok Yüksek, Y:Yüksek, OY: Orta Yüksek, O: Orta, OD: Orta DüĢük, D:
DüĢük, ÇD: Çok DüĢük.
Personel kriterlerin önem ağırlıklarını belirlemek için çok
düĢükten (ÇD) çok yükseğe (ÇY) kadar olan yedili dilsel değiĢkenler ile
kriterleri değerlendirmiĢtir. Örneğin, birinci personel (P1) L1 kriterini orta
önemli olarak ifade ederken, altı yüz doksan üçüncü personel (K 693) bu kriteri
oldukça yüksek önemli olarak değerlendirmiĢtir.
104
Adım 3: Ġkmal merkezinin yerleĢimi için belirlenen kriter önem
ağırlıkları ile alternatiflerin kriterlerden aldığı değerlendirmeler Tablo-3‟den
faydalanılarak üçgen bulanık sayılara dönüĢtürülmüĢtür. Anketi cevaplayan
ilk üç ve son üç karar vericinin üçgen bulanık sayılara dönüĢtürülen kriter
önem ağırlıkları Tablo-36‟da sunulmuĢtur.
Tablo-36: Kriterlerin Bulanık Önem Ağırlıkları
ANKETĠ CEVAPLAYAN KARAR VERĠCĠLER
KRĠTERLER
P1
P2
P3
P691
P692
P693
L1
(0.3,0.5,0.7) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.1,0.3,0.5) (0.9, 1.0,1.0) (0.5,0.7,0.9)
L2
(0.9, 1.0,1.0) (0.7,0.9,1.0) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0)
L3
(0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.3,0.5,0.7) (0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0)
L4
(0.3,0.5,0.7) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.9, 1.0,1.0)
L5
(0.9, 1.0,1.0) (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.0,0.1,0.3)
L6
(0.9, 1.0,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.7,0.9,1.0)
L7
(0.9, 1.0,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9)
L8
(0.9, 1.0,1.0) (0.7,0.9,1.0) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.3,0.5,0.7)
L9
(0.9, 1.0,1.0) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0)
L10
(0.3,0.5,0.7) (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.9, 1.0,1.0)
L11
(0.7,0.9,1.0) (0.1,0.3,0.5) (0.1,0.3,0.5) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.9, 1.0,1.0)
L12
(0.7,0.9,1.0) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.9, 1.0,1.0)
L13
(0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0)
L14
(0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0)
L15
(0.3,0.5,0.7) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9)
L16
(0.7,0.9,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0)
L17
(0.9, 1.0,1.0) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9)
L18
(0.3,0.5,0.7) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0)
L19
(0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0)
L20
(0.3,0.5,0.7) (0.3,0.5,0.7) (0.9, 1.0,1.0) (0.3,0.5,0.7) (0.1,0.3,0.5) (0.3,0.5,0.7)
L21
(0.3,0.5,0.7) (0.5,0.7,0.9) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.5,0.7,0.9)
L22
(0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.3,0.5,0.7) (0.7,0.9,1.0)
L23
(0.3,0.5,0.7) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9)
L24
(0.9, 1.0,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0)
L25
(0.3,0.5,0.7) (0.5,0.7,0.9) (0.1,0.3,0.5) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0)
105
Üç üst düzey yönetici tarafından değerlendirilen alternatiflerin
kriterlerden aldığı değerlerin Tablo-3‟den faydalanılarak üçgen bulanık
sayılarla ifade edilmesi ise Tablo-37‟de gösterilmiĢtir.
Tablo-37: Alternatiflerin Kriterlerden Aldığı Değerlerin Üçgen Bulanık Sayılar
ile Gösterilmesi
A1
KV1
KV2
A2
KV3
KV1
KV2
KV3
L1 (7, 9, 10) (9, 10, 10) (7, 9, 10) (5, 7,
9) (7, 9, 10) (7, 9, 10)
L2 (9, 10, 10) (9, 10, 10) (7, 9, 10) (3, 5,
7) (5, 7,
L3 (7, 9, 10) (5, 7,
9) (5, 7,
L4 (9, 10, 10) (7, 9, 10) (5, 7,
9) (1, 1,
3)
9) (9, 10, 10) (9, 10, 10) (7, 9, 10)
9) (3, 5,
7) (1, 3,
5) (5, 7,
9)
L5 (9, 10, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7,
9) (5, 7,
9)
L6 (7, 9, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10)
L7 (9, 10, 10) (7, 9, 10) (7, 9, 10) (1, 1,
5) (1, 1,
3)
L8 (7, 9, 10) 9, 10, 10) (7, 9, 10) (7, 9, 10) (9, 10, 10) (5, 7,
9)
L9 (7, 9, 10) (9, 10, 10) (7, 9, 10) (3, 5,
9)
L10 (7, 9, 10) (5, 7,
3) (1, 3,
7) (5, 7,
9) (5, 7,
9) (5, 7,
9) (9, 10, 10) (7, 9, 10) (7, 9, 10)
L11 (7, 9, 10) (7, 9, 10) (5, 7,
9) (9, 10, 10) (7, 9, 10) (9, 10, 10)
L12 (5, 7,
9) (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7,
9) (7, 9, 10)
L13 (7, 9, 10) (7, 9, 10) (9, 10, 10) (9, 10, 10) (9, 10, 10) (9, 10, 10)
L14 (9, 10, 10) (7, 9, 10) (7, 9, 10) (1, 3,
5) (1, 3,
5) (5, 7,
9)
L15 (7, 9, 10) (5, 7,
9) (3, 5,
7) (1, 3,
5)
9) (5, 7,
9) (3, 5,
7) (1, 3,
5)
L17 (7, 9, 10) (7, 9, 10) (7, 9, 10) (3, 5,
7) (5, 7,
9) (5, 7,
9)
L18 (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7,
9) (5, 7,
9) (5, 7,
9)
9) (7, 9, 10) (5, 7,
L16 (7, 9, 10) (7, 9, 10) (5, 7,
L19 (9, 10, 10) (7, 9, 10) (7, 9, 10) (9, 10, 10) (7, 9, 10) (9, 10, 10)
L20 (7, 9, 10) (5, 7,
9) (7, 9, 10) (1, 1,
3) (3, 5,
7) (1, 3,
5)
L21 (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7,
9) (5, 7,
9) (5, 7,
9)
L22 (7, 9, 10) (7, 9, 10) (9, 10, 10) (7, 9, 10) (5, 7,
9) (7, 9, 10)
L23 (5, 7,
7) (7, 9, 10)
9) (3, 5,
7) (7, 9, 10) (5, 7,
L24 (7, 9, 10) (5, 7,
9) (3, 5,
L25 (7, 9, 10) (5, 7,
9) (7, 9, 10) (3, 5,
9) (3, 5,
7) (7, 9, 10) (3, 5,
106
7) (5, 7,
9)
7) (7, 9, 10) (5, 7,
9)
Tablo-37’nin devamı: Alternatiflerin Kriterlerden Aldığı Değerlerin Üçgen
Bulanık Sayılar ile Gösterilmesi
A3
KV1
A4
KV2
KV3
KV1
KV2
KV3
L1
(3, 5,
7) (1, 3,
5) (1, 3,
5) (5, 7,
9) (9, 10, 10) (9, 10, 10)
L2
(3, 5,
7) (5, 7,
9) (0, 0,
1) (5, 7,
9) (7, 9, 10) (1, 3,
L3
(3, 5,
7) (1, 1,
3) (1, 3,
5) (9, 10, 10) (7, 9, 10) (7, 9, 10)
L4
(3, 5,
7) (5, 7,
9) (1, 3,
5) (5, 7,
9) (7, 9, 10) (3, 5,
7)
L5
(5, 7,
9) (3, 5,
7) (1, 1,
3) (5, 7,
9) (3, 5,
7) (1, 3,
5)
L6
(9, 10, 10) (9, 10, 10) (7, 9, 10) (1, 3,
5) (1, 3,
5) (3, 5,
7)
L7
(7, 9, 10) (5, 7,
9) (5, 7,
9) (5, 7,
9) (5, 7,
9) (3, 5,
7)
L8
(1, 3,
5) (5, 7,
9) (3, 5,
7) (1, 3,
5) (5, 7,
9) (3, 5,
7)
L9
(5, 7,
9) (9, 10, 10) (5, 7,
9) (1, 3,
5) (3, 5,
7) (3, 5,
7)
L10 (1, 3,
5) (1, 3,
5) (3, 5,
7) (7, 9, 10) (5, 7,
9) (5, 7,
9)
L11 (5, 7,
9) (5, 7,
9) (1, 3,
5) (9, 10, 10) (7, 9, 10) (7, 9, 10)
L12 (1, 1,
3) (3, 5,
7) (5, 7,
9) (5, 7,
9) (7, 9, 10) (3, 5,
L13 (3, 5,
7) (3, 5,
7) (5, 7,
9) (5, 7,
9) (5, 7,
L14 (3, 5,
7) (1, 3,
5) (5, 7,
9) (9, 10, 10) (9, 10, 10) (9, 10, 10)
L15 (9, 10, 10) (7, 9, 10) (9, 10, 10) (5, 7,
7)
9) (7, 9, 10)
9) (5, 7,
9)
L16 (9, 10, 10) (9, 10, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (3, 5,
7)
L17 (9, 10, 10) (7, 9, 10) 7,
9, 10) (7,
9 10) (7, 9, 10) (7, 9, 10)
L18 (9, 10, 10) (9, 10, 10) (9, 10, 10) (5, 7,
L19 (5, 7,
9) (3, 5,
7) (5, 7,
9) (5, 7,
5)
9) (5, 7,
9) (5, 7,
9)
9) (7, 9, 10) (5, 7,
9) (5, 7,
9)
L20 (9, 10, 10) (9, 10, 10) (9, 10, 10) (7, 9, 10) (5, 7,
9) (7, 9, 10)
L21 (3, 5,
7) (3, 5,
7) (5, 7,
9) (7, 9, 10) (7, 9, 10) (7, 9, 10)
L22 (5, 7,
9) (3, 5,
7) (5, 7,
9) (7, 9, 10) (9, 10, 10) (7, 9, 10)
L23 (9, 10, 10) (5, 7,
9) (9, 10, 10) (9, 10, 10) (7, 9, 10) (9, 10, 10)
L24 (9, 10, 10) (5, 7,
9) (5, 7,
L25 (1, 3,
5) (7, 9, 10) (3, 5,
9) (9, 10, 10) (3, 5,
7) (5, 7,
9)
7) (5, 7,
9) (5, 7,
9)
9) (5, 7,
Adım 4: Alternatiflerin kriterlere göre performans değerlerini
gösteren bulanık karar matrisi (̃ ) ve bulanık kriter ağırlıkları matrisi ( ̃ )
oluĢturulmuĢtur. Bulanık karar matrisi Tablo-38‟de sunulmuĢtur.
107
Tablo-38: Bulanık Karar Matrisi (̃ )
A1
A2
A3
A4
L1
(7.67, 9.33, 10.00) (6.33, 8.33, 9.67)
(1.67, 3.67, 5.67)
(7.67, 9.00, 9.67)
L2
(8.33, 9.67, 10.00) (3.00, 4.33, 6.33)
(2.67, 4.00, 5.67)
(4.33, 6.33, 8.00)
L3
(5.67, 7.67, 9.33)
(8.33, 9.67, 10.00) (1.67, 3.00, 5.00)
(7.67, 9.33, 10.00)
L4
(7.00, 8.67, 9.67)
(3.00, 5.00, 7.00)
(3.00, 5.00, 7.00)
(5.00, 7.00, 8.67)
L5
(7.67, 9.33, 10.00) (5.67, 7.67, 9.33)
(3.00, 4.33, 6.33)
(3.00, 5.00, 7.00)
L6
(7.00, 9.00, 9.67)
L7
(7.67, 9.33, 10.00) (1.00, 1.67, 3.67)
(5.67, 7.67, 9.33)
(4.33, 6.33, 8.33)
L8
(7.67, 9.33, 10.00) (7.00, 8.67, 9.67)
(3.00, 5.00, 7.00)
(3.00, 5.00, 7.00)
L9
(7.67, 9.33, 10.00) (4.33, 6.33, 8.33)
(6.33, 8.00, 9.33)
(2.33, 4.33, 6.33
(7.00, 9.00, 10.00) (8.33, 9.67, 10.00) (1.67, 3.67, 5.67)
L10 (5.67, 7.67, 9.33)
(7.67, 9.33, 10.00) (1.67, 3.67, 5.67)
(5.67, 7.67, 9.33)
L11 (6.33, 8.33, 9.67)
(8.33, 9.67, 10.00) (3.67, 5.67, 7.67)
(7.67, 9.33, 10.00)
L12 (6.33, 8.33, 9.67)
(6.33, 8.33, 9.67)
(3.00, 4.33, 6.33)
(5.00, 7.00, 8.67)
L13 (7.67, 9.33, 10.00) (9.00, 10.00, 10.00) (3.67, 5.67, 7.67)
(5.67, 7.67, 9.33)
L14 (7.67, 9.33, 10.00) (2.33, 4.33, 6.33)
(3.00, 5.00, 7.00)
(9.00, 10.00, 10.00)
L15 (6.33, 8.33, 9.67)
(3.00, 5.00, 7.00)
(8.33, 9.67, 10.00) (5.00, 7.00, 9.00)
L16 (6.33, 8.33, 9.67)
(3.00, 5.00, 7.00)
(8.33, 9.67, 10.00) (5.67, 7.67, 9.00)
L17 (7.00, 9.00, 10.00) (4.33, 6.33, 8.33)
(7.67, 9.33, 10.00) (7.00, 9.00, 10.00)
L18 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00)
(9.00, 10.00, 10.00) (5.00, 7.00, 9.00)
L19 (7.67, 9.33, 10.00) (8.33, 9.67, 10.00) (4.33, 6.33, 8.33)
L20 (6.33, 8.33, 9.67)
(1.67, 3.00, 5.00)
(5.67, 7.67, 9.33)
(9.00, 10.00, 10.00) (6.33, 8.33, 9.67)
L21 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00)
(3.67, 5.67, 7.67)
(7.00, 9.00, 10.00)
L22 (7.67, 9.33, 10.00) (6.33, 8.33, 9.67)
(4.33, 6.33, 8.33)
(7.67, 9.33, 10.00)
L23 (5.00, 7.00, 8.67)
(5.00, 7.00, 8.67)
(7.67, 9.00, 9.67)
(8.33, 9.67, 10.00)
L24 (5.00, 7.00, 8.67)
(5.00, 7.00, 8.67)
(6.33, 8.00, 9.33)
(5.67, 7.33, 8.67)
L25 (6.33, 8.33, 9.67)
(5.00, 7.00, 8.67)
(3.67, 5.67, 7.33)
(5.00, 7.00, 9.00)
Bulanık karar matrisindeki değerler her alternatifin tüm kriterlere
göre karar vericilerin yapmıĢ olduğu değerlendirmelerin ortalaması alınarak
elde edilmiĢtir.
108
Karar vericilerin bütün alternatifleri kriterlere göre üçgen bulanık
sayılar ile değerlendirmeleri tek bir üçgen bulanık sayıya (12) numaralı formül
yardımıyla dönüĢtürülmüĢtür. Örneğin birinci alternatifin tek bir üçgen bulanık
sayıya dönüĢtürülmesi Ģu Ģekilde hesaplanmıĢtır;
̃
[̃
̃
[
̃
[
̃ ]
̃
]
]
̃
üçgen bulanık sayısı elde edilmiĢtir.
Her bir kriterin bulanık önem ağırlığını tek bir üçgen bulanık
sayıya dönüĢtürmek için (13) numaralı formülden yararlanılmıĢtır. Örneğin
birinci kriterin bulanık önem ağırlığı değeri Ģu Ģekilde hesaplanmıĢtır.
̃
[̃
̃
[
̃
̃ ]
]
̃
üçgen bulanık sayısı elde edilmiĢtir.
Bu formüle göre hesaplanan tüm kriterlerin bütünleĢtirilmiĢ
bulanık
önem
ağırlıkları
matrisi
Tablo-39‟da
gösterilmiĢtir.
Tablo-39
incelendiğinde en büyük öneme sahip kriterin yaĢam kalitesi (w6), en düĢük
öneme sahip kriterin hazine arazisi olmaması durumundaki arazi maliyeti
(w18) olduğu görülmektedir. DönüĢtürülen bulanık sayılar (12) ve (13)
numaralı formüllerden yararlanılarak tek bir bulanık sayı olacak Ģekle
getirilmiĢtir.
109
Tablo-39: Kriterlerin BütünleĢtirilmiĢ Bulanık Önem Ağırlıkları Matrisi
Ağırlık(w)
Üçgen Bulanık Değerler
W1
W2
W3
W4
(0.3840,
(0.6437,
(0.7104,
(0.5766,
0.5355,
0.7991,
0.8548,
0.7395,
0.6791)
0.8944)
0.9273)
0.8554)
W5
W6
W7
W8
W9
W10
W11
(0.6110,
(0.7177,
0.7745,
0.8641,
0.8833)
0.9377)
W12
W13
(0.5921,
(0.6494,
(0.6967,
(0.6978,
(0.4495,
(0.5398,
(0.6237,
0.7446,
0.8068,
0.8465,
0.8404,
0.6157,
0.7079,
0.7860,
0.8475)
0.9033)
0.9261)
0.9141)
0.7584)
0.8356)
0.8895)
W14
W15
W16
W17
W18
(0.5765,
(0.5260,
(0.5869,
(0.5330,
(0.3821,
0.7398,
0.6922,
0.7563,
0.6981,
0.5361,
0.8550)
0.8192)
0.8755)
0.8250)
0.6825)
W19
W20
W21
W22
(0.5835,
(0.5065,
(0.5583,
(0.4949,
0.7488,
0.6737,
0.7280,
0.6658,
0.8649)
0.8066)
0.8534)
0.8043)
W23
W24
W25
(0.4859,
(0.4994,
(0.4973,
0.6574,
0.6645,
0.6677,
0.7968)
0.7973)
0.8048)
Adım 5: Bulanık karar matrisinin oluĢturulmasından sonra
bulanık karar matrisi normalize edilmiĢ ve normalize edilmiĢ bulanık karar
matrisi ( ̃ ) oluĢturulmuĢtur. Normalize edilmiĢ bulanık karar matrisi ( ̃ )‟nin
elde edilmesinde (15) numaralı formül kullanılmıĢtır. Normalize edilmiĢ
bulanık karar matrisinin kurulmasında her bir fayda kriteri için o kriterin tüm
alternatiflerden aldığı en büyük üçgen bulanık sayısının üçüncü değerine (
)
bölüm iĢlemi yapılmıĢtır. Modelde tüm kriterler fayda tabanlı olduğu için bu
110
değerin
hesaplanmasında
(18)
numaralı
formülden
yararlanılmıĢtır.
Normalize edilmiĢ bulanık karar matrisi Tablo-40‟da gösterilmiĢtir.
Tablo-40: Normalize EdilmiĢ Bulanık Karar Matrisi ( ̃ )
A1
A2
A3
A4
L1
(0.77, 0.93, 1.00)
(0.63, 0.83, 0.97)
(0.17, 0.37, 0.57)
(0.77, 0.90, 0.97)
L2
(0.83, 0.97, 1.00)
(0.30, 0.43, 0.63)
(0.27, 0.40, 0.57)
(0.43, 0.63, 0.80)
L3
(0.57, 0.77, 0.93)
(0.83, 0.97, 1.00)
(0.17, 0.30, 0.50)
(0.77, 0.93, 1.00)
L4
(0.70, 0.87, 0.97)
(0.30, 0.50, 0.70)
(0.30, 0.50, 0.70)
(0.50, 0.70, 0.87)
L5
(0.77, 0.93, 1.00)
(0.57, 0.77, 0.93)
(0.30, 0.43, 0.63)
(0.30, 0.50, 0.70)
L6
(0.70, 0.90, 0.97)
(0.70, 0.90, 1.00)
(0.83, 0.97, 1.00)
(0.17, 0.37, 0.57)
L7
(0.77, 0.93, 1.00)
(0.10, 0.17, 0.37)
(0.57, 0.77, 0.93)
(0.43, 0.63, 0.83)
L8
(0.77, 0.93, 1.00)
(0.70, 0.87, 0.97)
(0.30, 0.50, 0.70)
(0.30, 0.50, 0.70)
L9
(0.77, 0.93, 1.00)
(0.43, 0.63, 0.83)
(0.63, 0.80, 0.93)
(0.23, 0.43, 0.63)
L10
(0.57, 0.77, 0.93)
(0.77, 0.93, 1.00)
(0.17, 0.37, 0.57)
(0.57, 0.77, 0.93)
L11
(0.63, 0.83, 0.97)
(0.83, 0.97, 1.00)
(0.37, 0.57, 0.77)
(0.77, 0.93, 1.00)
L12
(0.63, 0.83, 0.97)
(0.63, 0.83, 0.97)
(0.30, 0.43, 0.63)
(0.50, 0.70, 0.87)
L13
(0.77, 0.93, 1.00)
(0.90, 1.00, 1.00)
(0.37, 0.57, 0.77)
(0.57, 0.77, 0.93)
L14
(0.77, 0.93, 1.00)
(0.23, 0.43, 0.63)
(0.30, 0.50, 0.70)
(0.90, 1.00, 1.00)
L15
(0.63, 0.83, 0.97)
(0.30, 0.50, 0.70)
(0.83, 0.97, 1.00)
(0.50, 0.70, 0.90)
L16
(0.63, 0.83, 0.97)
(0.30, 0.50, 0.70)
(0.83, 0.97, 1.00)
(0.57, 0.77, 0.90)
L17
(0.70, 0.90, 1.00)
(0.43, 0.63, 0.83)
(0.77, 0.93, 1.00)
(0.70, 0.90, 1.00)
L18
(0.70, 0.90, 1.00)
(0.50, 0.70, 0.90)
(0.90, 1.00, 1.00)
(0.50, 0.70, 0.90)
L19
(0.77, 0.93, 1.00)
(0.83, 0.97, 1.00)
(0.43, 0.63, 0.83)
(0.57, 0.77, 0.93)
L20
(0.63, 0.83, 0.97)
(0.17, 0.30, 0.50)
(0.90, 1.00, 1.00)
(0.63, 0.83, 0.97)
L21
(0.70, 0.90, 1.00)
(0.50, 0.70, 0.90)
(0.37, 0.57, 0.77)
(0.70, 0.90, 1.00)
L22
(0.77, 0.93, 1.00)
(0.63, 0.83, 0.97)
0.43, 0.63, 0.83)
(0.77, 0.93, 1.00)
L23
(0.50, 0.70, 0.87)
(0.50, 0.70, 0.87)
(0.77, 0.90, 0.97)
(0.83, 0.97, 1.00)
L24
(0.50, 0.70, 0.87)
(0.50, 0.70, 0.87)
(0.63, 0.80, 0.93)
(0.57, 0.73, 0.87)
L25
(0.63, 0.83, 0.97)
(0.50, 0.70, 0.87)
(0.37, 0.57, 0.73)
(0.50, 0.70, 0.90)
Birinci kriterin alternatiflerden aldığı en büyük üçgen bulanık
sayısı (7.67,9.33,10) değeridir. Bu sayının üçüncü değeri ise 10‟dur.
Dolayısıyla bu değer birinci kriterin normalizasyon iĢlemi için payda kısmında
111
yer alacak değerdir. Birinci alternatifin birinci kriteri göre normalize edilmiĢ
üçgen bulanık sayısının hesaplanması aĢağıda gösterilmiĢtir.
),
üçgen bulanık sayısı elde edilir.
Adım 6: Ağırlıklı normalize edilmiĢ bulanık karar matrisi ( ̃ ) (21)
numaralı eĢitlikle hesaplanarak oluĢturulmuĢtur. Bulanık karar matrisindeki
her alternatifin Li kriterine göre aldığı üçgen bulanık sayı ile bu kriterin bulanık
önem ağırlığı değeri (wi) çarpılmıĢ ve ağırlıklı normalize edilmiĢ bulanık karar
matrisi oluĢturulmuĢtur. Örneğin birinci alternatifin birinci kritere göre ağırlıklı
normalize edilmiĢ değeri Ģu Ģekilde hesaplanmıĢtır;
̃
̃
̃
̃ .
[
]
̃
Ağırlıklı normalize edilmiĢ bulanık karar matrisindeki her ̃
bulanık sayısı, normalize edilmiĢ pozitif üçgen bulanık sayıdır ve bu değer 0
ile 1 ölçek değeri arasındadır. Ağırlıklı normalize edilmiĢ bulanık karar matrisi
Tablo-41‟de gösterilmiĢtir.
112
Tablo-41: Ağırlıklı Normalize EdilmiĢ Bulanık Karar Matrisi
A1
A2
A3
A4
L1
(0.29, 0.50, 0.68) (0.24, 0.45, 0.66) (0.06, 0.20, 0.38) (0.29, 0.48, 0.66)
L2
(0.54, 0.77, 0.89) (0.19, 0.35, 0.57) (0.17, 0.32, 0.51) (0.28, 0.51, 0.72)
L3
(0.40, 0.66, 0.87) (0.59, 0.83, 0.93) (0.12, 0.26, 0.46) (0.54, 0.80, 0.93)
L4
(0.40, 0.64, 0.83) (0.17, 0.37, 0.60) (0.17, 0.37, 0.60) (0.29, 0.52, 0.74)
L5
(0.47, 0.72, 0.88) (0.35, 0.59, 0.82) (0.18, 0.34
L6
(0.50, 0.78, 0.91) (0.50, 0.78, 0.94) (0.60, 0.84, 0.94) (0.12, 0.32, 0.53)
L7
(0.45, 0.69, 0.85) (0.06, 0.12, 0.31) (0.34, 0.57, 0.79) (0.26 0.47, 0.71)
L8
(0.50, 0.75, 0.90) (0.45, 0.70, 0.87) (0.19, 0.40, 0.63) (0.19, 0.40, 0.63)
L9
(0.53, 0.79, 0.93) (0.30, 0.54, 0.77) (0.44, 0.68, 0.86) (0.16, 0.37, 0.59)
0.56) (0.18, 0.39, 0.62)
L10 (0.40, 0.64, 0.85) (0.54, 0.78, 0.91) (0.12, 0.31, 0.52) (0.40, 0.64, 0.85)
L11 (0.28, 0.51, 0.73) (0.37, 0.60, 0.76) (0.16, 0.35, 0.58) (0.34, 0.57, 0.76)
L12 (0.34, 0.59, 0.81) (0.34, 0.59, 0.81) (0.16, 0.31, 0.53) (0.27, 0.50, 0.72)
L13 (0.48, 0.73, 0.89) (0.56, 0.79, 0.89) (0.23, 0.45, 0.68) (0.35, 0.60, 0.83)
L14 (0.44, 0.69, 0.85) (0.13, 0.32, 0.54) (0.17, 0.37, 0.60) (0.52, 0.74, 0.85)
L15 (0.33, 0.58, 0.79) (0.16, 0.35, 0.57) (0.44, 0.67, 0.82) (0.26, 0.48, 0.74)
L16 (0.37, 0.63, 0.85) (0.18, 0.38, 0.61) (0.49, 0.73, 0.88) (0.33, 0.58, 0.79)
L17 (0.37, 0.63, 0.82) (0.23, 0.44, 0.69) (0.41, 0.65, 0.82) (0.37, 0.63, 0.82)
L18 (0.27, 0.48, 0.68) (0.19, 0.38, 0.61) (0.34, 0.54, 0.68) (0.19, 0.38, 0.61)
L19 (0.45, 0.70, 0.86) (0.49, 0.72, 0.86) (0.25, 0.47, 0.72) (0.33, 0.57, 0.81
L20 (0.32, 0.56, 0.78) (0.08, 0.20, 0.40) (0.46, 0.67, 0.81) (0.32, 0.56 0.78)
L21 (0.39, 0.66, 0.85) (0.28, 0.51, 0.77) (0.20, 0.41, 0.65) (0.39, 0.66, 0.85)
L22 (0.38, 0.62, 0.80) (0.31, 0.55, 0.78) (0.21, 0.42, 0.67) (0.38, 0.62, 0.80)
L23 (0.24, 0.46, 0.69) (0.24, 0.46, 0.69) (0.37, 0.59, 0.77) (0.40, 0.64, 0.80)
L24 (0.25, 0.47, 0.69) (0.25, 0.47, 0.69) (0.32, 0.53, 0.74) (0.28, 0.49, 0.69)
L25
(0.31, 0.56, 0.78) (0.25, 0.47, 0.70) (0.18, 0.38, 0.59) (0.25 0.47, 0.72)
Adım 7: Tüm alternatiflerin en iyi (A*) ve en kötü (
) bulanık
değerlerden uzaklığını gösteren bulanık pozitif ideal çözüm (BPĠÇ,
bulanık negatif ideal çözüm (BNĠÇ,
problemde
yirmi
beĢ
kriter
) ve
) değerleri hesaplanmıĢtır. Bu
alternatiflerin
kullanılmaktadır. Dolayısıyla n=25 olacağından
Ģekilde oluĢturulmuĢtur;
113
ve
değerlendirilmesinde
kümesi aĢağıdaki
̃ ̃
̃
̃
,
̃
̃
[
],
[
]
üçgen bulanık değerleri için alternatiflerin her bir
ve
kriterden aldığı en iyi ve en kötü değerler belirlenek yapılan hesaplama
sonucuna göre de alternatiflerin sıralamasında bir değiĢiklik olmamıĢtır.
Adım 8:
Alternatiflerin normalize edilmiĢ bulanık karar
matrisindeki kriter değerlerinin, en iyi bulanık pozitif ideal çözüm değeri ( ̃ )
ile en kötü bulanık negatif ideal çözüm ( ̃ ) değerlerinden olan uzaklıkları
(24) numaralı formül kullanılarak hesaplanmıĢtır. Örneğin A alternatif yeri için
birinci kriterden aldığı normalize edilmiĢ bulanık değerin BPĠÇ ve BNĠÇ
değerlerinden uzaklıkları aĢağıdaki Ģekilde hesaplanmıĢtır.
̃
̌
[
]
√ [
]
√ [
]
√
̃
̌
[
]
114
√ [
]
√ [
]
√
Alternatiflerin BPĠÇ‟ten ve BNĠÇ‟ten olan uzaklık değerleri
sırasıyla Tablo-42 ve Tablo-43‟de gösterilmiĢtir.
Tablo-42: Alternatiflerin Bulanık Pozitif Ġdeal Çözümden Uzaklıkları
KRĠTERLER
d(A1,A*)
d(A2,A*)
d(A3,A*)
d(A4,A*)
L1
L2
L3
L4
L5
L6
L7
L8
L9
L10
L11
L12
L13
L14
L15
L16
L17
L18
L19
L20
L21
L22
L23
L24
L25
0.533
0.304
0.406
0.414
0.353
0.319
0.372
0.328
0.298
0.414
0.523
0.461
0.344
0.378
0.472
0.430
0.433
0.549
0.372
0.484
0.413
0.435
0.566
0.561
0.488
0.577
0.650
0.259
0.643
0.456
0.317
0.842
0.367
0.502
0.300
0.452
0.461
0.289
0.688
0.663
0.637
0.577
0.631
0.346
0.781
0.521
0.490
0.566
0.561
0.560
0.796
0.681
0.734
0.643
0.659
0.253
0.472
0.616
0.381
0.705
0.657
0.684
0.578
0.643
0.391
0.341
0.409
0.499
0.552
0.383
0.605
0.594
0.452
0.501
0.638
0.543
0.531
0.291
0.518
0.629
0.698
0.553
0.616
0.651
0.414
0.472
0.537
0.449
0.327
0.541
0.472
0.433
0.631
0.471
0.484
0.413
0.435
0.420
0.539
0.555
115
Tablo-43: Alternatiflerin Bulanık Negatif Ġdeal Çözümden Uzaklıkları
KRITERLER
d(A1,A*)
d(A2,A*)
d(A3,A*)
d(A4,A*)
L1
L2
L3
L4
L5
L6
L7
L8
L9
L10
L11
L12
L13
L14
L15
L16
L17
L18
L19
L20
L21
L22
L23
L24
L25
0.516
0.749
0.668
0.647
0.712
0.748
0.685
0.737
0.767
0.658
0.542
0.610
0.721
0.684
0.597
0.646
0.636
0.507
0.692
0.585
0.661
0.626
0.499
0.502
0.581
0.479
0.399
0.794
0.418
0.620
0.761
0.196
0.697
0.570
0.761
0.597
0.610
0.758
0.372
0.397
0.428
0.490
0.430
0.709
0.265
0.556
0.580
0.499
0.502
0.506
0.252
0.360
0.313
0.418
0.391
0.803
0.596
0.447
0.683
0.354
0.403
0.365
0.488
0.418
0.661
0.716
0.651
0.539
0.519
0.661
0.462
0.474
0.601
0.559
0.418
0.500
0.531
0.773
0.548
0.434
0.364
0.512
0.447
0.410
0.658
0.584
0.530
0.626
0.718
0.532
0.597
0.636
0.430
0.603
0.585
0.661
0.626
0.633
0.515
0.518
Tablo-43‟de dört alternatif yerin her alternatiflerin her bir kritere
göre BNĠÇ‟ten olan uzaklıkları görülmektedir. Daha sonra (25) numaralı
formülü kullanarak bir alternatif yerin tüm kriterler için BPĠÇ‟ten olan
uzaklıkları toplanmıĢtır. Bu değer o alternatifin BPĠÇ‟ten olan toplam
uzaklığını (
) göstermektedir.
Aynı Ģekilde, her bir alternatif yerin BNĠÇ‟ten olan uzaklık
değerleri (26) numaralı formül yardımıyla toplanmıĢtır. Bu değer alternatifi o
alternatifin
BNĠÇ‟den
Alternatiflerin (
) ve (
olan
toplam
uzaklığını
(
)
göstermektedir.
) değerleri sırasıyla Tablo-44‟de gösterilmiĢtir
116
) değeri (
Tablo-44: Alternatiflerin (
) değerleri
A1
A2
A3
A4
di+
10.648
13.135
13.870
12.622
di-
15.979
13.396
12.555
13.972
Adım 9: Her bir alternatifin yakınlık katsayısı değerleri (
) (27)
numaralı formül yardımıyla hesaplanmıĢtır. Alternatiflerin yakınlık katsayı
değerleri aĢağıda hesaplanmıĢtır;
Adım 10: Yakınlık katsayısı değerlerine göre alternatiflerin
büyükten küçüğe doğru sıralaması yapılmıĢtır. Alternatif yerler, yer seçimi
probleminde yer alan kriterler ile üç üst düzey yönetici tarafından yapılan
değerlendirmeye göre, yakınlık katsayısı büyükten küçüğe doğru
Ģeklinde sıralanmıĢtır. Bu sonuca göre en iyi alternatif
yer
alternatifidir. Ġkinci sırada
alternatifi, son sırada ise
alternatifi gelmektedir. Üçüncü sırada
alternatifi yer almıĢtır. Tablo-4‟ göre A1 alternatifi
“kabul edilir” kabul koĢulu ile tercih edilebilir.
117
b. Bulanık VIKOR Yöntemi
Bulanık VIKOR yöntemi uygulaması için aynı jenerik problem ve
veriler ele alınmıĢtır.
Adım 1: Ġkmal merkezi yer seçimi problemi için jenerik
problemde yer alan dört adet alternatif yer, yirmi beĢ adet karar kriteri ve üç
üst düzey yöneticiden oluĢan bir karar verici grubu belirlenmiĢtir.
Adım
2:
Karar
vericilerin
alternatifleri
kriterler
göre
değerlendirmesinde kullanılmak üzere Tablo-3‟de yer alan dilsel değiĢkenler
ile bununla eĢdeğere sahip üçgen bulanık sayılar seçilmiĢtir.
Adım 3: Karar vericilerin dilsel değiĢkenler ile ifade ettiği
alternatiflerin kriterlere göre değerlendirmeleri ve kriter önem ağırlıkları daha
önce sırasıyla Tablo-34‟de ve Ek-B‟de sunulmuĢtur. Aynı Ģekilde dilsel
değiĢkenler ile ifade edilen bu değerlendirmeler bulanık TOPSIS uygulaması
bölümü içinde üçgen bulanık sayı değerlerine dönüĢtürülmüĢtür.
Ġlk üç ve son üç karar vericiye ait kriter önem ağırlığı
değerlendirmelerinin üçgen bulanık sayıya dönüĢtürülmüĢ hali Tablo-36‟da
karar vericilerin alternatifleri kriterlere göre değerlendirmelerinin üçgen
bulanık sayıya dönüĢtürülmüĢ hali Tablo-37‟de gösterilmiĢtir. Bulanık kriter
önem ağırlıklarının bütünleĢtirilmesi ve alternatiflerin kriterler göre aldığı
bulanık değerlerinin birleĢtirilmesi TOPSIS uygulamasında yapıldığı için bu
bölümde tekrar hesaplanmamıĢ ve aynı değerlerden faydalanılmıĢtır.
Adım 4: Bulanık karar matrisi ̃ oluĢturulmuĢtur. Bulanık karar
matrisi bulanık Tablo-45‟de yer almaktadır. Bulanık karar matrisi karar
vericilerin alternatifleri kriterler göre değerlendirmelerinin tek bir üçgen
bulanık sayıya dönüĢtürülmesi ile oluĢturulmuĢtur.
118
Tablo-45: Bulanık Karar Matrisi
A1
A2
A3
A4
L1
(7.67, 9.33, 10.00) (6.33, 8.33, 9.67)
(1.67, 3.67, 5.67)
(7.67, 9.00, 9.67)
L2
(8.33, 9.67, 10.00) (3.00, 4.33, 6.33)
(2.67, 4.00, 5.67)
(4.33, 6.33, 8.00)
L3
(5.67, 7.67, 9.33)
(8.33, 9.67, 10.00) (1.67, 3.00, 5.00)
(7.67, 9.33, 10.00)
L4
(7.00, 8.67, 9.67)
(3.00, 5.00, 7.00)
(3.00, 5.00, 7.00)
(5.00, 7.00, 8.67)
L5
(7.67, 9.33, 10.00) (5.67, 7.67, 9.33)
(3.00, 4.33, 6.33)
(3.00, 5.00, 7.00)
L6
(7.00, 9.00, 9.67)
L7
(7.67, 9.33, 10.00) (1.00, 1.67, 3.67)
(5.67, 7.67, 9.33)
(4.33, 6.33, 8.33)
L8
(7.67, 9.33, 10.00) (7.00, 8.67, 9.67)
(3.00, 5.00, 7.00)
(3.00, 5.00, 7.00)
L9
(7.67, 9.33, 10.00) (4.33, 6.33, 8.33)
(6.33, 8.00, 9.33)
(2.33, 4.33, 6.33
(7.00, 9.00, 10.00) (8.33, 9.67, 10.00) (1.67, 3.67, 5.67)
L10 (5.67, 7.67, 9.33)
(7.67, 9.33, 10.00) (1.67, 3.67, 5.67)
(5.67, 7.67, 9.33)
L11 (6.33, 8.33, 9.67)
(8.33, 9.67, 10.00) (3.67, 5.67, 7.67)
(7.67, 9.33, 10.00)
L12 (6.33, 8.33, 9.67)
(6.33, 8.33, 9.67)
(3.00, 4.33, 6.33)
(5.00, 7.00, 8.67)
L13 (7.67, 9.33, 10.00) (9.00, 10.00, 10.00) (3.67, 5.67, 7.67)
(5.67, 7.67, 9.33)
L14 (7.67, 9.33, 10.00) (2.33, 4.33, 6.33)
(3.00, 5.00, 7.00)
(9.00, 10.00, 10.00)
L15 (6.33, 8.33, 9.67)
(3.00, 5.00, 7.00)
(8.33, 9.67, 10.00) (5.00, 7.00, 9.00)
L16 (6.33, 8.33, 9.67)
(3.00, 5.00, 7.00)
(8.33, 9.67, 10.00) (5.67, 7.67, 9.00)
L17 (7.00, 9.00, 10.00) (4.33, 6.33, 8.33)
(7.67, 9.33, 10.00) (7.00, 9.00, 10.00)
L18 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00)
(9.00, 10.00, 10.00) (5.00, 7.00, 9.00)
L19 (7.67, 9.33, 10.00) (8.33, 9.67, 10.00) (4.33, 6.33, 8.33)
L20 (6.33, 8.33, 9.67)
(1.67, 3.00, 5.00)
(5.67, 7.67, 9.33)
(9.00, 10.00, 10.00) (6.33, 8.33, 9.67)
L21 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00)
(3.67, 5.67, 7.67)
(7.00, 9.00, 10.00)
L22 (7.67, 9.33, 10.00) (6.33, 8.33, 9.67)
(4.33, 6.33, 8.33)
(7.67, 9.33, 10.00)
L23 (5.00, 7.00, 8.67)
(5.00, 7.00, 8.67)
(7.67, 9.00, 9.67)
(8.33, 9.67, 10.00)
L24 (5.00, 7.00, 8.67)
(5.00, 7.00, 8.67)
(6.33, 8.00, 9.33)
(5.67, 7.33, 8.67)
L25 (6.33, 8.33, 9.67)
(5.00, 7.00, 8.67)
(3.67, 5.67, 7.33)
(5.00, 7.00, 9.00)
Adım 5: Bulanık karar matrisinde yer alan ve fayda açılı
değerlendirilen her bir kritere ait en iyi ( ) ve en kötü (
) bulanık değerler
(33) numaralı eĢitlik yardımıyla bulanık karar matrisinden faydalanılarak
belirlenmiĢ ve Tablo-46‟da gösterilmiĢtir.
119
Tablo-46: Kriterlerin En Ġyi ve En Kötü Değerleri
L1
(7.67,
9.33,
10.00) (1.67, 3.67, 5.67)
L2
(8.33,
9.67,
10.00) (2.67, 4.00, 5.67)
L3
(8.33,
9.67,
10.00) (1.67, 3.00, 5.00)
L4
(7.00,
8.67,
9.67)
L5
(7.67,
9.33,
10.00) (3.00, 4.33, 6.33)
L6
(8.33,
9.67,
10.00) (1.67, 3.67, 5.67)
L7
(7.67,
9.33,
10.00) (1.00, 1.67, 3.67)
L8
(7.67,
9.33,
10.00) (3.00, 5.00, 7.00)
L9
(7.67,
9.33,
10.00) (2.33, 4.33, 6.33)
L10
(7.67,
9.33,
10.00) (1.67, 3.67, 5.67)
L11
(8.33,
9.67,
10.00) (3.67, 5.67, 7.67)
L12
(6.33,
8.33,
9.67)
L13
(9.00, 10.00, 10.00) (3.67, 5.67, 7.67))
L14
(9.00, 10.00, 10.00) (2.33, 4.33, 6.33)
L15
(8.33,
9.67,
10.00) (3.00, 5.00, 7.00)
L16
(8.33,
9.67,
10.00) (3.00, 5.00, 7.00)
L17
(7.67,
9.33,
10.00) (4.33, 6.33, 8.33)
L18
(9.00, 10.00, 10.00) (5.00, 7.00, 9.00)
L19
(8.33,
L20
(9.00, 10.00, 10.00) (1.67, 3.00, 5.00)
L21
(7.00,
9.00,
10.00) (3.67, 5.67, 7.67)
L22
(7.67,
9.33,
10.00) (4.33, 6.33, 8.33)
L23
(8.33,
9.67,
10.00) (5.00, 7.00, 8.67)
L24
(6.33,
8.00,
9.33)
(5.00, 7.00, 8.67)
L25
(6.33,
8.33,
9.67)
(3.67, 5.67, 7.33)
9.67,
(3.00, 5.00, 7.00)
(3.00, 4.33, 6.33)
10.00) (4.33, 6.33, 8.33)
Bir alternatifin her bir kriterin açısından en iyi kriter değerine olan
uzaklıkları hesaplanarak Tablo-47‟de gösterilmiĢtir.
120
Tablo-47: Alternatiflerin Her Bir Kriter Açısından En Ġyi Kriter Değerine Olan
Uzaklık Değerleri
SA1
SA2
SA3
SA4
L1
(0.00, 0.00, 0.00) (0.09, 0.09, 0.05) (0.38, 0.54, 0.68) (0.00, 0.03, 0.05)
L2
(0.00, 0.00, 0.00) (0.61, 0.75, 0.76) (0.64, 0.80, 0.89) (0.45, 0.47, 0.41)
L3
(0.28, 0.26, 0.12) (0.00, 0.00, 0.00) (0.71, 0.85, 0.93) (0.07, 0.04, 0.00)
L4
(0.00, 0.00, 0.00) (0.58, 0.74, 0.86) (0.58, 0.74, 0.86) (0.29, 0.34, 0.32)
L5
(0.00, 0.00, 0.00) (0.26, 0.26, 0.16) (0.61, 0.77, 0.88) (0.61, 0.67, 0.72)
L6
(0.14, 0.10, 0.07) (0.14, 0.10, 0.00) (0.00, 0.00, 0.00) (0.72, 0.86, 0.94)
L7
(0.00, 0.00, 0.00) (0.59, 0.74, 0.85) (0.18, 0.16, 0.09) (0.30, 0.29, 0.22)
L8
(0.00, 0.00, 0.00) (0.09, 0.12, 0.10) (0.65, 0.81, 0.90) (0.65, 0.81, 0.90)
L9
(0.00, 0.00, 0.00) (0.44, 0.51, 0.42) (0.17, 0.23, 0.17) (0.70, 0.85, 0.93)
L10
(0.23, 0.25, 0.14) (0.00, 0.00, 0.00) (0.70, 0.84, 0.91) (0.23, 0.25, 0.14)
L11
(0.19, 0.21, 0.11) (0.00, 0.00, 0.00) (0.45, 0.62, 0.76) (0.06, 0.05, 0.00)
L12
(0.00, 0.00, 0.00) (0.00, 0.00, 0.00) (0.54, 0.71, 0.84) (0.22, 0.24, 0.25)
L13
(0.16, 0.12, 0.00) (0.00, 0.00, 0.00) (0.62, 0.79, 0.89) (0.39, 0.42, 0.25)
L14
(0.12, 0.09, 0.00) (0.58, 0.74, 0.85) (0.52, 0.65, 0.70) (0.00, 0.00, 0.00)
L15
(0.20, 0.20, 0.09) (0.53, 0.69, 0.82) (0.00, 0.00, 0.00) (0.33, 0.40, 0.27)
L16
(0.22, 0.22, 0.10) (0.59, 0.76, 0.88) (0.00, 0.00, 0.00) (0.29, 0.32, 0.29)
L17
(0.11, 0.08, 0.00) (0.53, 0.70, 0.82) (0.00, 0.00, 0.00) (0.11, 0.08, 0.00)
L18
(0.19, 0.18, 0.00) (0.38, 0.54, 0.68) (0.00, 0.00, 0.00) (0.38, 0.54, 0.68)
L19
(0.10, 0.07, 0.00) (0.00, 0.00, 0.00) (0.58, 0.75, 0.86) (0.39, 0.45, 0.35)
L20
(0.18, 0.16, 0.05) (0.51, 0.67, 0.81) (0.00, 0.00, 0.00) (0.18, 0.16, 0.05)
L21
(0.00, 0.00, 0.00) (0.33, 0.44, 0.37) (0.56, 0.73, 0.85) (0.00, 0.00, 0.00)
L22
(0.00, 0.00, 0.00) (0.20, 0.22, 0.16) (0.49, 0.67, 0.80) (0.00, 0.00, 0.00)
L23
(0.49, 0.66, 0.80) (0.49, 0.66, 0.80) (0.10, 0.16, 0.20) (0.00, 0.00, 0.00)
L24
(0.50, 0.66, 0.80) (0.50, 0.66, 0.80) (0.00, 0.00, 0.00) (0.25, 0.44, 0.80)
L25
(0.00, 0.00, 0.00) (0.25, 0.33, 0.34) (0.50, 0.67, 0.80) (0.25, 0.33, 0.23)
Bir alternatifin her bir kriterin açısından en kötü kriter değerine
olan uzaklıkları hesaplanarak Tablo-48‟de gösterilmiĢtir.
121
Tablo-48: Alternatiflerin Her Bir Kriter Açısından En kötü Kritere Değerine
Olan Uzaklık Değerleri
RA1
RA2
RA3
RA4
L1
(0.00, 0.00, 0.00) (0.09, 0.09, 0.05) (0.38, 0.54, 0.68) (0.00, 0.03, 0.05)
L2
(0.00, 0.00, 0.00) (0.61, 0.75, 0.76) (0.64, 0.80, 0.89) (0.45, 0.47, 0.41)
L3
(0.28, 0.26, 0.12) (0.00, 0.00, 0.00) (0.71, 0.85, 0.93) (0.07, 0.04, 0.00)
L4
(0.00, 0.00, 0.00) (0.58, 0.74, 0.86) (0.58, 0.74, 0.86) (0.29, 0.34, 0.32)
L5
(0.00, 0.00, 0.00) (0.26, 0.26, 0.16) (0.61, 0.77, 0.88) (0.61, 0.67, 0.72)
L6
(0.14, 0.10, 0.07) (0.14, 0.10, 0.00) (0.00, 0.00, 0.00) (0.72, 0.86, 0.94)
L7
(0.00, 0.00, 0.00) (0.59, 0.74, 0.85) (0.18, 0.16, 0.09) (0.30, 0.29, 0.22)
L8
(0.00, 0.00, 0.00) (0.09, 0.12, 0.10) (0.65, 0.81, 0.90) (0.65, 0.81, 0.90)
L9
(0.00, 0.00, 0.00) (0.44, 0.51, 0.42) (0.17, 0.23, 0.17) (0.70, 0.85, 0.93)
L10 (0.23, 0.25, 0.14) (0.00, 0.00, 0.00) (0.70, 0.84, 0.91) (0.23, 0.25, 0.14)
L11 (0.19, 0.21, 0.11) (0.00, 0.00, 0.00) (0.45, 0.62, 0.76) (0.06, 0.05, 0.00)
L12 (0.00, 0.00, 0.00) (0.00, 0.00, 0.00) (0.54, 0.71, 0.84) (0.22, 0.24, 0.25)
L13 (0.16, 0.12, 0.00) (0.00, 0.00, 0.00) (0.62, 0.79, 0.89) (0.39, 0.42, 0.25)
L14 (0.12, 0.09, 0.00) (0.58, 0.74, 0.85) (0.52, 0.65, 0.70) (0.00, 0.00, 0.00)
L15 (0.20, 0.20, 0.09) (0.53, 0.69, 0.82) (0.00, 0.00, 0.00) (0.33, 0.40, 0.27)
L16 (0.22, 0.22, 0.10) (0.59, 0.76, 0.88) (0.00, 0.00, 0.00) (0.29, 0.32, 0.29)
L17 (0.11, 0.08, 0.00) (0.53, 0.70, 0.82) (0.00, 0.00, 0.00) (0.11, 0.08, 0.00)
L18 (0.19, 0.18, 0.00) (0.38, 0.54, 0.68) (0.00, 0.00, 0.00) (0.38, 0.54, 0.68)
L19 (0.10, 0.07, 0.00) (0.00, 0.00, 0.00) (0.58, 0.75, 0.86) (0.39, 0.45, 0.35)
L20 (0.18, 0.16, 0.05) (0.51, 0.67, 0.81) (0.00, 0.00, 0.00) (0.18, 0.16, 0.05)
L21 (0.00, 0.00, 0.00) (0.33, 0.44, 0.37) (0.56, 0.73, 0.85) (0.00, 0.00, 0.00)
L22 (0.00, 0.00, 0.00) (0.20, 0.22, 0.16) (0.49, 0.67, 0.80) (0.00, 0.00, 0.00)
L23 (0.49, 0.66, 0.80) (0.49, 0.66, 0.80) (0.10, 0.16, 0.20) (0.00, 0.00, 0.00)
L24 (0.50, 0.66, 0.80) (0.50, 0.66, 0.80) (0.00, 0.00, 0.00) (0.25, 0.44, 0.80)
L25 (0.00, 0.00, 0.00) (0.25, 0.33, 0.34) (0.50, 0.67, 0.80) (0.25, 0.33, 0.23)
122
Adım 6: Tüm kriterlere göre
alternatifin en iyi bulanık değere
olan uzaklıklarının toplamını gösteren ̃ değerleri (34) numaralı eĢitlik ile
hesaplanmıĢtır.
alternatifinin j‟nci kritere göre en iyi bulanık değerlerinden
olan maksimum uzaklık değerini ifade eden ̃ değeri (35) numaralı eĢitlik ile
hesaplanmıĢtır. Her alternatifin ̃ ve ̃ Değerleri Tablo-49‟da gösterilmiĢtir.
Tablo-49: ̃ ve ̃ Değerleri
̃
̃
A1
(3.11,
3.24,
2.28)
(0.50,
0.66,
0.80)
A2
(7.67,
9.73,
10.52)
(0.61,
0.76,
0.88)
A3
(8.99,
11.48,
13.02)
(0.71,
0.85,
0.93)
A4
(6.87,
8.04,
7.82)
(0.72,
0.86,
0.94)
Adım 7: Bir sonraki adımda ̃ ve ̃ değerleri (36) numaralı
eĢitlik ile, ̃ ve ̃
değerleri (37) numaralı eĢitlik ile hesaplanmıĢtır. Burada,
̃ değeri, maksimum çoğunluk kuralını ya da maksimum grup faydası olan
̃ ‟nin minimum değerini, ̃
değeri ise farklı görüĢteki kiĢilerin minimum
piĢmanlığı olan ̃ ‟nin minimum değerini gösterir. ̃ ve ̃ değerleri ile ̃ ve
̃
değerleri Tablo-50‟de gösterilmiĢtir.
Tablo-50: ̃ , ̃ , ̃ ve ̃ Değerleri
S*
(3.11,
3.24,
2.28)
R*
(0.50,
0.66,
0.80)
S-
(8.99,
11.48,
13.02)
R-
(0.72,
0.86,
0.94)
Bir sonraki iĢlem ise, hem grup faydasına hem de karĢıt
görüĢtekilerin minimum bireysel piĢmanlığına dayalı olan ̃ değerini elde
etmektir. ̃
Buradaki
değeri ise (38) numaralı eĢitlik yardımıyla hesaplanmıĢtır.
değeri, maksimum grup faydası sağlayan stratejinin önemini
123
göstermektedir. UzlaĢık çözüm için
0.5 değeri kullanılmıĢtır. Örneğin
alternatifi için ̃ Ģu Ģekilde hesaplanmıĢtır;
̃
(
)
(
)
(
)
(
)
değeri elde edilir.
Adım 8: ̃ üçgen bulanık değerleri durulaĢtırılır ve alternatifler
̃
değerine
göre
dönüĢtürülmesinde
çalıĢmada
üçgen
sıralanır.
birçok
Bir
bulanık
durulaĢtırma
bulanık
sayının
sayının
stratejisi
ortalaması
dönüĢtürülmüĢtür. Bulunan ortalamalara göre
net
değerleri
bulunmaktadır.
alınarak kesin
,
Bu
sayıya
indeks değerleri
ve
Tablo-51‟de gösterilmiĢtir.
Tablo-51:
,
Ġndeks Değerleri
ve
Alternatifler
Sırası
Değeri
Sırası
Değeri
Sırası
Değeri
A1
1
0.000
1
2.876
1
0.654
A2
2
0.639
3
9.307
2
0.746
A3
4
0.974
2
7.575
4
0.840
A4
3
0.790
4
11.16
3
0.831
değerine göre en iyi alternatif A1 alternatif yeridir. Daha sonra
sırasıyla A2, A4 ve A3 alternatifleri gelmektedir.
Adım 9: Tek bir alternatif için uzlaĢık çözüm ( ́ ) karar verilip
verilemeyeceği durumu için aĢağıda gösterilen iki kabul edilebilir koĢulun
karĢılanıp karĢılanmadığı kontrol edilmiĢtir
124
1’inci koĢul (C1) Kabul edilebilir avantaj: En iyi ikinci alternatif
değeri ile birinci alternatif değeri arasındaki fark,
değerden büyük olmalıdır.
değerine eĢit ya da bu
değeri için dört alternatif yer olduğundan (39)
numaralı eĢitlik gereği 0.25 değeri alınmıĢtı. Birinci koĢulun karĢılanıp
karĢılanmadığı
(39)
numaralı
eĢitlik
yardımıyla
aĢağıdaki
Ģekilde
hesaplanmıĢtır;
alternatif
sayısı
dört
olduğundan
değeri için 0.25 değeri alınmıĢtır.
eĢitliği
sağlanmıĢtır. Birinci koĢul karĢılanmıĢtır.
2’inci koĢul (C2) Karar vermede kabul edilebilir istikrar: En
iyi alternatif aynı zamanda S ve/veya R sıralama değerlerinde de en iyi
alternatif olmalıdır. Alternatiflerin S ve R değerleri Tablo-52‟de gösterilmiĢtir.
A1 alternatifinin S ve R indeks değerlerinde de birinci olduğu görülmektedir.
Ġkinci koĢulda sağlanmıĢtır.
Tablo-52: Alternatiflerin S ve R Değerleri
S
S değeri
sırası
R
R değeri
sırası
A1
2.876
1
0.654
1
A2
9.307
3
0.746
2
A3
11.162
4
0.831
3
A4
7.575
2
0.840
4
Adım 10: En iyi uzlaĢık çözüm olarak A1 alternatifi seçilir. Diğer
alternatiflerin sıralaması ise aĢağıda gösterilmiĢtir.
A1 > A2 > A4 > A3
Bulanık VIKOR metodunda maksimum grup faydasını sağlayan
strateji için uzlaĢık değeri ifade eden
125
değeri alternatiflerin sıralamasında
önemli rol oynamaktadır. Bu sıralamadaki farkı incelemek ve değerlendirmek
için
‟ye 0.2, 0.4, 0.6, 0.8 ve 1.0 değerleri atanmıĢtır. Farklı
değerleri ile
elde edilen değerler ile alternatiflerin sıralanması Tablo 53‟de gösterilmiĢtir
Tablo-53:Alternatiflerin Farklı
Sıra
Altf.
Sıra
Değerleri ile Sıralanması
Sıra
Sıra
Sıra
A1
0.000
1
0.000
1
0.000
1
0.000
1
0.000
1
A2
0.557
2
0.612
2
0.667
2
0.722
3
0.777
3
A3
0.959
4
0.969
4
0.979
4
0.990
4
1.000
4
A4
0.916
3
0.832
3
0.748
3
0.663
2
0.579
2
Tablo-54‟de
alternatifinin tüm
alternatiflerin
değerleri
incelendiğinde,
A1
değerleri için birinci sırayı aldığı görülmektedir. Aynı
Ģekilde A4 alternatifinin de sıralaması değiĢmemiĢ ve son sırada yer almıĢtır.
A2 ve A3 alternatiflerin sıralamasının değiĢtiren
değerleri 0.8 ve 1.0
olmuĢtur. Bu değerlerde A2 alternatifi üçüncü sıraya gerilemiĢ, A4 alternatifi
ikinci sıraya yükselmiĢtir.
c. SMAA-2 Metodu
Literatürde, karar destek süreci genellikle karar vericilerden
alınan tercih bilgilerine dayalı olarak alternatiflerin bir sıralamasını yapar ve
en iyi alternatifi bulmaya çalıĢmaktadır. SMAA metodu alternatiflerin kriter
değerlerinin ve kriter ağırlıklarının kesin olarak bilinmediği durumlar için
geliĢtirilmiĢtir. Bu metot ağırlık uzayını keĢfetmeye dayalı birden fazla karar
verici için bir, çok ölçütlü/kriterli karar destek tekniğidir. Kesin olmayan ya da
belirsiz veri girdileri olasılık dağılımları olarak gösterilmektedir (Lahdelma vd.,
1998).
126
SMAA metodu,
alternatiflerin kriter değerlerinin ve kriter
ağırlıklarının kamusal, politik ve benzeri nedenlerle karar vericilerin
tercihlerini açıkça ifade edemediği ya da karar vericilerden bu bilgilerin temin
edilemediği, eksik veya kesin olmayan kesikli ÇKKV problemlerinin çözümü
için geliĢtirilmiĢtir (Tervonen ve Lahdelma, 2007; Karabay,2013). SMAA
metotları
Monte
Carlo
simülasyonu
kullanarak
problemlere
çözüm
üretmektedir. Bu yöntemlerde, problemlerin el ile çözümü mümkün değildir.
Ancak, SMAA-2 ve SMAA-TRI uygulamalarını kullanan problemlerin çözümü
için JSMAA programı geliĢtirilmiĢtir. Java tabanlı bu program, ÇKKV
problemlerine SMAA-2 ve SMAA-TRI uygulamalarına grafiksel ve sayısal
değerlendirme tabloları sunarak çözüm üretmektedir. JSMAA programı açık
kaynak olarak internette bulunmaktadır (SMAA.fi [web], 2014]. Bu bölümde
aynı problem, aynı kriter önem ağırlığı ve kriter değerleri ile JSMAA yazılım
programı kullanılarak çözülmüĢtür. Jenerik problem JSMAA programı
yardımıyla çözüldüğünde elde edilen sonuçlar ġekil-9‟da gösterilmiĢtir.
ġekil-9: SMAA-2 Metodu ile Elde Edilen Sonuçlar
127
SMAA-2 metodunda alternatiflerin değerlendirilmesinde sıra
kabul edilebilirlik indisine bakılarak karar verilir. Kriter ve ağırlıklarının kesin
değerler ile değerlendirildiğinde tüm alternatiflerin yüzde yüzlük olasılıkla
sıralandıkları görülmektedir. Burada birinci alternatifin kesinlikle A1 alternatifi,
ikinci alternatifin A4, diğer alternatifler A2 ve A3‟ün sırasıyla 3 ve 4‟üncü
alternatifler olduğu görülmektedir.
Ancak gerçek hayat problemlerinde, tüm değerlere kesin olarak
ulaĢabilmek her zaman mümkün değildir. Ayrıca çok sayıda karar vericinin
olduğu bir ÇKKV probleminde söz konusu değerlerin kesin değerlerle ya da
uzlaĢık bir değerle doğru Ģekilde belirlenmesi da oldukça zordur. Bu kesin
olmayan ya da eksik bilgiye dayalı tercih değerleri, kriter önem ağırlıkları ya
da alternatiflerin kriterlere göre aldığı değerler olabilir.
Örneğin alternatif yerlerden biri ile desteklediği birim arasındaki
ulaĢım zamanını kesin değerler ile ifade etmek güçtür. Birçok etken bu
sürenin beklenen zamandan uzun veya kısa olmasına neden olabilir. Aynı
Ģekilde afet sayısına göre bir yerde meydana gelen afetlerin büyüklüğünü tek
bir kesin değerle ifade edebilmek mümkün değildir. Ancak bu değerleri bir
aralık değer ya da bir dağılım olarak göstermek daha uygun olabilir. Bu tür
kriterlere trafik yoğunluğu, hava kalitesi, nüfus sayısı, suç oranı, tedarik
maliyetleri, çalıĢma imkânı vb. gibi bir çok kriter örnek gösterilebilir.
SMAA-2
metodu
ile
alternatiflerin
kriterlere
göre
değerlendirilmesinde kesin değerler ile değerlendirilen bazı kriterler, üç üst
düzey yönetici tarafından aralık değerleri ile yeniden değerlendirilmiĢ ve bu
değerler Tablo-54‟de gösterilmiĢtir. Yapılan değerlendirme ile kriterlerin bir
kısmı kesin değerler olarak değil, olması muhtemel karar tercihleriyle ya da
elde edilen veriler ile gösterilmiĢtir.
128
Tablo-54: SMAA-2 Metodu için Alternatiflerin Kriterlere Göre Aldığı Değer
ALTERNATĠFLERĠN KRĠTERLERE GÖRE DEĞERĠ
Birimi
A1
A2
A3
A4
L1
Km.
329
345
459
289
L2
Afet olayı
54-100
115-147
101-147
93-100
L3
Km.
170
197
147
195
L4
Puan
5,67
5,00
5,00
6,89
L5
Puan
7,56
4,33
5,22
5,00
L6
Ġndeks
2,08161
2,14004
3,08189
0,74868
306 ± 50
818 ± 100
485 ± 60
440 ± 60
L7 Suç dosyası
L8
Ort. Değer
64 ± 21,2
58 ± 21,1
67 ± 21,9
67 ± 21,9
L9
Km.
20,69
26,68
21,87
27,16
10.639 ± 500
16.977 ± 2.000
8.547 ± 500
11.989 ± 1.000
L10 Kadro sayısı
L11
Km.
136
87
197
129
L12
Km.
156
128
261
167
L13
Km.
28,48
16,73
65,85
37,44
L14
Km.
19.5
30
26.9
8
L15
Km.
423
520,6
263,89
462,1
L16
Km.
1.056
1.210
860
1.083
L17 Araç sayısı 100.099 ± 5.000 127.695 ± 10.000 98.825 ± 5.000 101.600 ± 7.500
L18
Br. Maliyet
1,3 ± 0.2
1,6 ± 0.1
1,4 ± 0.4
1,5 ± 0.3
L19
Dk.
1.073 ± 40
1.057 ± 30
1.335 ± 60
1.139 ± 45
L20
Km.
88,82
44,15
143,73
93,25
L21
Km.
1.079
1.159
1.215
1.106
L22
Km.
329.5 ± 10
345 ± 5
459 ± 15
289 ± 5
L23
Adet
158
186
391
462
L24
Br. Maliyet
1,3 – 1,8
1,2 – 1,4
1,3 – 1,8
1,2 – 1,4
L25
TL
23.590
24.360
24.990
23.810
129
JSMAA programı ile çözümü yapılan jenerik problemin sonucu
ġekil-10‟da
gösterilmiĢtir.
Sıra
kabul
edilebilirlik
indisi
alternatiflerin
sıralamasını gösteren bir ölçektir. Bu ölçeğe göre alternatifin hangi olasılık
değeri ile o sırayı alacağını göstermektedir.
ġekil-10: Sıra Kabul Edilebilirlik Ġndisi
SMAA-2 metodu, alternatiflerin sıralamasını olasılık değerleri ile
ifade etmektedir. Model alternatiflerin tamamını olasılık değerleri ile bir sıraya
sokmuĢtur. Tüm sayılar yuvarlanılarak ve yüzde olarak ifade edilmektedir.
Her sıra için alternatiflerin o sırayı alma olasılık değerleri gösterilmektedir.
Örneğin, A1 alternatifinin birinci sıra kabul edilebilirlik indis değeri 0.97‟dir.
Yani bu değer A1 alternatifinin % 97 oranla birinci sıra olma olasılığını
göstermektedir.
Burada A1 alternatifi ile A4 alternatifi sıfırdan farklı değer
almıĢlardır. Diğer alternatifler ise sıfır değerini almıĢlardır. Dolayısıyla A 2 ve
A3 alternatiflerinin birinci sırayı alma olasılığı bulunmamaktadır. Birinci sırayı
130
alabilecek diğer bir alternatif ise A4‟tür. Ancak bu alternatifin olasılık değeri
% 3 olduğu için birinci sırayı alma olasılığı oldukça düĢüktür.
Burada ikinci alternatifi belirlemek istersek bunu için ikinci sıra
değerine bakmamız gerekir. Sıra kabul edilebilirlik indis değerine göre A4
alternatifinin % 97 oranında ikinci sırada olma olasılığını görmekteyiz. Aynı
Ģekilde ikinci sıra için sıfırdan farklı bir değere sahip tek alternatif A 1‟dir.
Birinci ve ikinci sıra için A3 ve A4 alternatifleri sıfırdan farklı bir değer
almadıkları için uygun alternatifler değillerdir.
Alternatifler arasında üçüncü sıra olma olasılığı en yüksek
alternatif % 75 oranı ile A2 alternatifidir. A3 alternatifinin ise üçüncü sırayı
alma olasılığı % 25‟tir. Burada A1 ve A4 alternatiflerinin üçüncü sırayı alma
olasılığı bulunmamaktadır. Son olarak dördüncü sıra için en yüksek değeri %
75 oranı ile A3 alternatifi almıĢtır. A2 alternatifinin oranı ise % 25‟tir. Diğer
alternatifler sıfır oranı aldığı için son sıra olma olasılığı bulunmamaktadır.
Probleme ait hesaplanan güvenilirlik faktörü ile merkezi ağırlık
vektör
değerleri
ġekil-11‟de
gösterilmiĢtir.
Etkin
alternatiflerin
ayırt
edilmesinde kullanılan güvenilirlik faktörü, kriter ölçümlerinin yeterince
sağlıklı ya da doğru olup olmadığı göstermektedir. Güvenilirlik faktöründe en
yüksek değeri alan A1 alternatifinin birinci sırada olmasının güvenilirlik oranı
% 97‟dir. A2 ve A3 alternatiflerinin birinci sıra olma olasılığı olmadığından
program merkezi ağırlık vektörlerini hesaplamamıĢtır. A4 alternatifi için ise
güvenilirlik faktörü olasılık değeri % 3 olarak hesaplanmıĢtır.
SMAA-2 metodu da kriter önem ağırlıklarını gerçek sayı, aralık
değer, sıralama ya da önem ağırlıksız olarak girilmesine müsaade
etmektedir. Bununla birlikte alternatiflerin kriterlere göre aldığı değerlerinde
kesin değer, aralık değer, normal dağılım, logit ve lognormal dağılım, beta
dağılımı veya ayrık değer olarak girilmesine izin vermektedir.
131
ġekil-11: Güvenilirlik Faktörleri ile Merkezi Ağırlık Vektörleri
SMAA metodunun diğer ÇKKV metotları ile karĢılaĢtırıldığında
en önemli üstünlüklerinden bir tanesi hiçbir kriter ağırlık değeri olmadan
çözüm üretebilmesidir. Jenerik problem için kriter ağırlık değerlerinin
kullanılmadığı durumda, kriter ağrılıkları eĢit değerler alarak çözüm
üretilmektedir. Yani yirmi beĢ kriter için her birinin kriter önem ağırlığı 0.04
değerini almaktadır. Kriter önem ağırlıklarının eĢit değer kabul edilmesi ile
elde edilen alternatiflerin sıralaması ġekil-12‟de görülmektedir.
Burada her alternatifin, belirli bir olasılık değeri ile o sıraya alma
olasılığı görülmektedir. Örneğin; ikinci sırayı her alternatifin alabileceğini,
ancak % 65 olasılıkla ikinci sıra için A4 alternatifinin en yüksek olasılık
değerine sahip olduğu, % 6 ile A1 alternatifinin ise en düĢük olasılık değerine
sahip olduğu görülmektedir.
132
ġekil-12: EĢit Kriter Önem Ağırlığı ile Alternatiflerin Sıralanması
Ayrıca burada alternatiflerin sıralamada aldığı olasılık değerleri
toplamı 1‟e eĢittir. Örneğin, A4 alternatifi, % 4 olasılık değeri ile 1‟inci sırada,
% 65 olasılık değeri ile 2‟nci sırada, % 28 olasılık değeri ile 3‟üncü sırada,
% 3 olasılık değeri ile 4‟üncü sırada olmalıdır.
5.
SONUÇLARIN KARġILAġTIRILMASI VE YORUMLANMASI
Ġkmal Merkezi yer seçimi jenerik probleminin çözümü için üç farklı
ÇKKV yöntemi uygulanmıĢtır. Uygulanan üç yöntemden biri olan SMAA-2
metodunda alternatifler; kesin değerlerle, aralık değerleriyle ve eĢit ağırlık
değerleriyle olmak üzere üç farklı Ģekilde değerlendirilmiĢ ve üç ayrı
uygulama yapılmıĢtır. Elde edilen uygulama sonuçlarına göre alternatiflerin
sıralaması Tablo-55‟de gösterilmiĢtir.
133
Tablo-55: Alternatiflerin Sıralanması
SIRA
Bulanık
TOPSĠS
Bulanık
VIKOR
SMAA-2
(Kesin
değerler)
SMAA-2
(Ağırlıksız)
SMAA-2
(Tercih
değerleri)
1.
A1
A1
A1
A1
A1
2.
A4
A2
A4
A4
A4
3.
A2
A4
A2
A2
A2
4.
A3
A3
A3
A3
A3
Burada A1 alternatifinin tüm yöntemlerde birinci sırayı aldığı
görülmektedir. Aynı Ģekilde A3 alternatifi mevcut kriter önem ağırlıkları ile
kriter değerlerine göre en son sırayı almıĢtır. A4 alternatifi bulanık VIKOR
yöntemi dıĢındaki diğer tüm uygulamalarda ikinci sırayı almıĢtır. A2 alternatifi
ise bulanık VIKOR yöntemi haricinde üçüncü sırada yer almaktadır.
Alternatiflerin seçilmesi aĢamasında Ģu yorumlar yapılabilir. Birinci
alternatif olarak A1 alternatifi ikmal merkezi yerleĢimi için en uygun
alternatiftir. Bu alternatif yerler arasında en düĢük değere sahip A 3 alternatifi
ikmal merkezi için en son seçenek olarak tercih edilmelidir. Aynı Ģekilde A4
alternatifinin aralık değerleri ile yapılan SMAA-2 uygulamasına göre çok
düĢük bir oranla birinci sırayı alma durumu olduğu ancak bunun tercih
edilebilir büyüklük değerine sahip olmadığı görülmektedir.
134
BEġĠNCĠ BÖLÜM
SONUÇ VE ÖNERĠLER
1.
SONUÇ
Yer seçimi kararları uzun vadeli özellik taĢıması nedeniyle stratejik
öneme haiz yatırım kararlarıdır. Uzun dönemli ve stratejik bir karar
olmasından dolayı değiĢtirilmesi güç ve maliyetlidir. Tesis yeri seçimi de
genel anlamda bir tesisin kurulacağı ya da yerleĢtirileceği bölgenin veya arazi
parçasının seçilmesidir.
Literatürde, tesis yer seçimi konusu oldukça geniĢ bir çalıĢma
alanına sahiptir. Özellikle son yıllarda gerçek yaĢam koĢullarının (nitel ve
nicel kriterler ve kısıtlar) daha fazla problemin içine yansıtılması ve en iyi
çözüme ulaĢmak için problem yapısına uyumlu pek çok analitik model, metot
ve yaklaĢımın tek baĢına ya da bütünleĢik olarak kullanılması, çözüm
önerilerinin daha sağlıklı sonuçlar vermesine imkân tanımaktadır.
Bu çalıĢmada, bir kamu kurumunun sahip olduğu birim ve tesislerinin
dağınıklığının giderilmesine yönelik baĢlattığı çalıĢma kapsamında, yeni bir
ikmal merkezi yerleĢimi için jenerik bir tesis yer seçimi problemi ele
alınmıĢtır. Problemde kullanılan kriterlerin ve bu kriterlere ait önem
ağırlıklarının belirlenmesi için seçilen kurum personeline (altı yüz doksan üç
kiĢiye) iki hafta süreyle kurumun bilgi sisteminden anket uygulanması
yapılmıĢtır.
Ankette hem birimlerinin genel tesislerinin yerleĢimi hem de lojistik
tesislerinin
yerleĢimine
yönelik
kriterleri
içeren
doksan
sorudan
oluĢturulmuĢtur. Elde edilen anket sonuçları istatistiksel analiz sonucunda
önem sırasına sokulmuĢ ve yirmi beĢ kritere indirgenmiĢtir. Ġkmal Merkezinin
yerleĢimi için Trakya bölgesinde dört alternatif arazi jenerik olarak
belirlenmiĢ, nükleer tesis haricinde tüm kriter değerlerinde gerçek değerler
135
kullanılmıĢtır. Alternatif arazilerin değerlendirilmesinde kurumda bu görev
çalıĢmıĢ yetkili üç personelin sözel değerlendirmelerinden yararlanılmıĢtır.
Daha sonra bu sözel ifadeler üçgen bulanık sayılara dönüĢtürülerek
sayısallaĢtırılmıĢtır.
Alternatif yerlerin sıralanması için literatürde sıkça kullanılan ÇKKV
metotlarından Bulanık TOPSIS, Bulanık VIKOR ve son zamanlarda
uygulama sayısını kriter değerleri ile önem ağırlıklarını aralık, dağılım veya
kayıp veri olarak girmesine müsaade etmesiyle artıran SMAA-2 yöntemi ayrı
ayrı kullanılmıĢtır. Ayrıca yöntemlerden bulanık VIKOR yöntemi ile duyarlılık
analizi ve SMAA-2 yöntemiyle de aralık değerleri ve eĢit kriter ağırlıkları
kullanılarak farklı çözüm yaklaĢımları da sunulmuĢtur.
Sonuçlar karĢılaĢtırılmıĢ ve tüm yöntemlerin birinci ve sonuncu
sıralar için aynı alternatifleri çözüm önerisi olarak sunduğu görülmüĢtür.
Ayrıca SMAA-2 yöntemi ile kriterlerin aralık değerleri ile ifade edilmesinden
elde edilen sonuç değerleri, alternatiflerin hangi sırayı hangi olasılık değerleri
ile alacağı ayrıntılı olarak yorumlanmıĢtır.
Literatürde tesis yer seçimi problemlerinin çözümüne iliĢkin birçok
metot uygulanmaktadır. Bu çalıĢmanın Ģimdiye kadar yapılan çalıĢmalardan
ayrılan yönleri Ģunlardır;
a.
SMAA-2 metodu ile bulanık TOPSIS ve bulanık VIKOR yöntemi
ilk defa bir problemde karĢılaĢtırmalı olarak ayrı ayrı uygulanmıĢtır.
b.
Kamu sektöründeki bir lojistik tesis yerleĢim problemi için, ikmal
merkezi ile yaĢam alanı kriterlerinin çözümde birlikte kullanılmasını dikkate
alan literatürde yapılan ilk çalıĢmadır.
c.
Problemde
diğer
yöntemlerden
elde
edilen
çözümün
karĢılaĢtırılması maksadıyla SMAA-2 metodunun kesin değerler ile çözümü
ilk defa uygulanmıĢtır.
136
2.
ÖNERĠLER
ÇKKV yöntemleri nitel ve nicel kriterleri birlikte ele almayı ve
değerlendirmeye imkân tanıyan çözüm yaklaĢımlarıdır. Bulanık TOPSIS ve
bulanık VIKOR metotları da birçok alandaki ÇKKV problemlerine çözüm
önerisi getirmektedir.
SMAA metotları gerçek yaĢam problemlerinde
kullanılacak kriter değer ve önem ağırlıklarının eksik ve kesin olmayan bilgi
nedeniyle stokastik değerler ile ifade edilmesine imkân tanıyan karar destek
sistemleridir. Bu metotlardan SMAA-2 metodu alternatifleri olasılık değerleri
ile sıralamaya koymaktadır.
Kamu kurumları içinde bazı kararların siyasi ve politik etkileri göz
önüne alındığında değerlendirmelerin açıkça ifade edilmesi ya da kesin
değerler ile belirlenmesi oldukça zordur. Bu tür problemlerin çözümünde çok
fazla sayıda nitel kriter de yer aldığından bilgi eksikliği, bulanıklık, belirsiz ya
da eksik değerlendirmeler problemin içinde yer alabilecektir.
Diğer çalıĢmalarda, alternatiflerin değerlendirilmesinde kullanılan
bulanık kriter değerleri yerine kesin değerler kullanılarak ayrı bir çözüm
önerisi sunulabilir. Elde edilen sonuçlar bulanık değerler kullanılarak elde
edilen sonuçlar ile karĢılaĢtırılarak yorumlanabilinir. Çözüm sürecine CBS‟leri
kullanılarak entegre bir çözüm önerisi sunulabilir. Ayrıca, alternatif arazi
yerlerinin kesin olarak belirlenmesini müteakip bu yöntemler ya da farklı
ÇKKV ve optimizasyon modelleri de kullanılarak nihai karar verilebilir.
Kamu kurumlarının afet lojistik planlaması kapsamında depo
yerleĢim yerlerinin seçiminde, özellikle yüksek değerler ile uzun süreli
alımları yapılan araç, teçhizat ve malzemelerin seçiminde, yurt içi üretim ya
da yurtdıĢı alım için stratejik kararların verilmesinde, mevcut maddi
kaynakların hangi alanda kullanılmasına öncelik verilmesinde bu tür ÇKKV
yöntemleri kullanılması önerilmektedir.
137
KAYNAKÇA
AERTSEN, W., V. KINT, J. V. ORSHOVEN ve B. MUYS. “Evaluation of
Modelling Techniques for Forest Site Productivity Prediction In Contrasting
Ecoregions Using Stochastic Multicriteria Acceptability Analysis (SMAA)”,
Environmental Modelling & Software, 26, 7, 2011, 929-937.
AĞDAġ, M., Ö. BALĠ, H. BALLI. “Afet Lojistiği Kapsamında Dağıtım Merkezi
Ġçin Yer Seçimi: SMAA-2 Tekniği Ġle Bir Uygulama”, III. Ulusal Lojistik ve
Tedarik Zinciri Yönetimi Kongresi Bildiriler Kitabı, Trabzon,15-17 Mayıs
2014, 272-283.
AKKOÇ S., K. VATANSEVER. “Fuzzy Performance Evaluation with AHP and
TOPSIS Methods: Evidence from Turkish Banking Sector after the Global
Financial Crisis”, Eurasian Journal of Business and Economics, 6, 11, 2013,
53-74.
ALCAN, P., A. BALĠN ve H. BAġLIGĠL. “Fuzzy Multicriteria Selection Among
Cogeneration Systems: A Real Case Application”, Energy and Buildings,
67, 2013, 624-634.
AMIRI, M., A. AYAZI, L., OLFAT ve J. MORADI. “Group Decision Making
Process for Supplier Selection with VIKOR Under Fuzzy Circumstance Case
Study: An Iranian Car Parts Supplier”, International Bulletin of Business
Administration, 10, 2011, 62-75.
ARABANI, A.B. ve R.Z. FARAHANI. “Facility Location Dynamics: An
Overview of Classifications and Applications”, Computers & Industrial
Engineering, 62, 1, 2012, 408-420.
ARAGONES-BELTRAN, P., J.P. PASTOR-FERRANDO, F. GARCIA-GARCIA
ve A. PASCUAL-AGULLÓ. “An Analytic Network Process Approach for Siting
A Municipal Solid Waste Plant in The Metropolitan Area of Valencia (Spain)”,
Journal of Environmental Management, 91, 5, 2010, 1071-1086.
ARAS, H., ġ. ERDOĞMUġ ve E. KOÇ. “Multi-Criteria Selection for A Wind
Observation Station Location Using Analytic Hierarchy Process”, Renewable
Energy, 29, 8, 2004, 1383-1392.
ARAZ, C., H. SELĠM ve Ġ. ÖZKARAHAN, “A Fuzzy Multi-Objective CoveringBased Vehicle Location Model for Emergency Services”, Computers &
Operations Research, 34, 3, 2007, 705-726.
ASHRAFZADEH, M., F.M. RAFIEL ve Z. ZARE. “The Application of Fuzzy
Analytic Hierarchy Process Approach for the Selection of Warehouse
Location: A Case Study”, International Journal of Business and Social
Science, 3, 4, 2012, 112-125.
138
AWASTHĠ, A., S.S. CHAUHAN ve S.K. GOYAL. “A Multi-criteria Decision
Making Approach for Location Planning for Urban Distribution Centers Under
Uncertainty”, Mathematical and Computer Modelling,” 53, 1, 2011, 98–
109.
BADRI, M.A., A.K. MORTAGY ve C.A. ALSAYED. “A Multi-Objective Model
for Locating Fire Stations”, European Journal of Operations Research,
110, 2, 1998, 243–260.
BADRI, M.A. “Combining the Analytic Hierarchy Process and Goal
Programming for Global Facility Location–Allocation Problem”, International
Journal of Production Economics, 62, 3, 1999, 237–248.
BALLI, H., Ö. BALĠ ve M.AĞDAġ. “Alternatif Yolların SMMA-TRI Yöntemi
Kullanılarak Risk Kategorilerine Ayrılmasına Yönelik Bir Model Önerisi”, III.
Ulusal Lojistik ve Tedarik Zinciri Yönetimi Kongresi Bildiriler Kitabı,
Trabzon,15-17 Mayıs 2014, 66-76.
BALLOU, Ronauld H. Business logistics/supply chain management,
planning, organizing, and controlling the supply chain, Fifth Edition,
Pearson Education International, New Jersey, 2004.
BARDA O.H., J. DUPUIS ve P. LENCOINI. “Multicriteria Location of Thermal
Power Plants”, European Journal of Operations Research, 45, 2-3, 1990,
332-346.
BASTI, Mehmet. “P-Medyan Tesis Yeri Seçim Problemi ve Çözüm
YaklaĢımları”, Online Academic Journal of Information Technology, III, 7,
2012, 47-75.
BAYKASOĞLU, A., V. KAPLANOĞLU, Z. D. DURMUġOĞLU ve C. ġAHĠN.
"Integrating Fuzzy DEMATEL and Fuzzy Hierarchical TOPSIS Methods for
Truck Selection", Expert Systems with Applications, 40, 3, 2013, 899-907.
BEHZADIAN, M., S. KHANMOHAMMADI OTAGHSARA, M. YAZDANI ve J.
IGNATIUS. “A State of The-Art Survey of TOPSIS Applications”, Expert
Systems with Applications, 39, 17, 2012, 13051-13069.
BHATTACHARYA, U., J.R. RAO ve R.N. TIWARI. “Fuzzy Multi-Criteria
Facility Location Problem”, Fuzzy Sets and Systems, 51, 3, 1992, 277–287.
BHATTACHARYA U., J.R. RAO ve R.N. TIWARI. “Bi-criteria Multi Facility
Location Problem in Fuzzy Environment”, Fuzzy Sets and Systems, 56, 2,
1993, 145–153.
139
BOTTANI, E. ve A. RIZZI. "A Fuzzy TOPSIS Methodology to Support
Outsourcing of Logistics Services", Supply Chain Management: An
International Journal, 11, 4, 2006, 294-308.
BÜKE, Hakan. Hastane Bilgi Sistemi Yazılımı için Tedarikçi Seçimi
Kriterlerin Belirlenmesi: VIKOR Yöntemi ile Tedarikçi seçim
Uygulaması, Yüksek Lisans Tezi, Ankara, Kara Harp Okulu Savunma
Bilimleri Enstitüsü, 2011.
BÜYÜKÖZKAN, G. ve D. RUAN. “Evaluating Government Websites Based
on a Fuzzy Multiple Criteria Decision-Making Approach”, International
Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 15,
3, 2007, 321-343.
BÜYÜKÖZKAN, G. ve D. RUAN. "Evaluation of Software Development
Projects Using a Fuzzy Multi-Criteria Decision Approach", Mathematics and
Computers in Simulation, 77, 5, 2008, 464-475.
BÜYÜKÖZKAN, G. ve G. ÇĠFÇĠ. "A Combined Fuzzy AHP and Fuzzy
TOPSIS Based Strategic Analysis of Electronic Service Quality in Healthcare
Industry", Expert Systems with Applications, 39, 3, 2012, 2341-2354.
BÜYÜKÖZKAN, G., D. RUAN,V ve O. FEYZĠOĞLU. “Evaluating E-Learning
Web Site Quality in Fuzzy Environment”, International Journal of
Intelligent Systems, 22, 5, 2007, 567–586.
CANBOLAT, Y.B., K. CHELST, N. GARG. “Combining Decision Tree and
MAUT for Selecting A Country For A Global Manufacturing Facility”, Omega,
35, 3, 2007, 312-325.
CHAN, F.T.S. ve S.H. CHUNG. “Multi-Criteria Genetic Optimization for
Distribution Network Problems”, International Journal of Advanced
Manufacturing Technology, 24, 7-8, 2004, 517–532.
CHANG, N.B., G. PARVATHINATHAN ve J.B. BREEDEN. “Combining GIS
with Fuzzy Multicriteria Decision-Making for Landfill Siting in A Fast-Growing
Urban Region”, Journal of Environmental management, 87, 1, 2008, 139153.
CHANAS, Stefan. “Fuzzy Programming in Multiobjective Linear Programming
- A Parametric Approach”, Fuzzy Sets and Systems, 29, 3, 1989, 303-313.
CHASE, R.B., F.R. JACOBS ve N.J. AQUILANO. Operations Management
for Competitive Advantage, Newyork, McGraw-Hill, 2007.
140
CHATTERJEE, P., V.M. ATHAWALE ve S. CHAKRABORTY. “Selection of
Materials Using Compromise Ranking and Outranking Methods”, Materials
and Design, 30, 10, 2009, 4043-4053.
CHEN, C.T., C.T. LIN ve S.F. HUANG. "A Fuzzy Approach for Supplier
Evaluation and Selection in Supply Chain Management." International
Journal of Production Economics, 102, 2, 2006, 289-301.
CHEN, G. ve T. T. PHAM. Introduction to fuzzy sets, fuzzy logic, and
fuzzy control systems, CRC Press LLC, Florida, 2001.
CHEN, L.Y. ve T.C. WANG. "Optimizing Partners‟ Choice in IS/IT
Outsourcing Projects: The Strategic Decision of Fuzzy VIKOR",
International Journal of Production Economics, 120, 1, 2009, 233-242.
CHEN, S. J. ve C. L. HWANG. Fuzzy Multiple Attribute Decision Making:
Methods And Applications, Spring-Verlag, Berlin, Heidelberg,1992.
CHEN, Chen Tung. “Extensions of the TOPSIS for Group Decision-Making
Under Fuzzy Environment”, Fuzzy Sets and Systems, 114, 1, 2000, 1-9.
CHEN, Chen Tung. "A Fuzzy Approach to Select the Location of the
Distribution Center", Fuzzy sets and systems, 118, 1, 2001, 65-73.
CHEN, C.T., C.T. LIN ve S.F. HUANG. “A Fuzzy Approach for Supplier
Evaluation and Selection in Supply Chain Management”, International
Journal of Production Economies, 102, 2, 2006, 289 -301.
CHEN, L., J. OLHAGER ve O. TANG. “Manufacturing Facility Location and
Sustainability: A Literature Review and Research Agenda”, International
Journal of Production Economics, 149, 2013, 154-163.
CHOU, T.Y., C.L. HSU ve M.C. CHEN. “A Fuzzy Multicriteria Decision Model
for International Tourist Hotels Location Selection”, International Journal of
Hospitality Management, 27, 2, 2008, 293-301.
CHOU, S.Y., Y.H. CHANG ve C.Y. SHEN. “A Fuzzy Simple Additive
Weighting System Under Group Decision-Making for Facility Location
Selection with Objective/Subjective Attributes”, European Journal of
Operational Research, 189, 1, 2008, 132–145.
CHOUDHARY, D. ve R. SHANKAR. "An STEEP-Fuzzy AHP-TOPSIS
Framework for Evaluation and Selection of Thermal Power Plant Location: A
Case Study from India." Energy, 42,1, 2012, 510-521.
141
CHU, Ta-Chung. "Selecting Plant Location Via A Fuzzy TOPSIS Approach",
The International Journal of Advanced Manufacturing Technology,
20,11, 2002, 859-864.
CHU, T-C. ve Y-C. LIN. "A Fuzzy TOPSIS Method for Robot Selection", The
International Journal of Advanced Manufacturing Technology, 21, 4,
2003, 284-290.
ÇINAR, Nihan Tırmıkçıoğlu. "KuruluĢ Yeri Seçiminde Bulanık TOPSIS
Yöntemi ve Bankacılık Sektöründe Bir Uygulama", KMÜ Sosyal ve
Ekonomik AraĢtırmalar Dergisi 12, 18, 2010, 37-45.
COSTA, M.G., M.E. CAPTIVO ve J. CLIMACO. “Capacitated Single
Allocation Hub Location Problem – A Bi-Criteria Approach”, Computers &
Operations Research, 35, 11, 2008, 3671–3695.
CURRENT J., H. MIN ve D. SHCILLING. “Multiobjective Analysis of Facility
Location Decisions”, European Journal of Operational Research, 49, 3,
1990, 295–307.
CURRENT J., M.S. DASKIN ve D. SCHILLING. Discrete Network Location
Model, in Facility Location: Applications and Theory (Z. Drezner and
H.W. Hamacher, Eds.), Springer-Verlag, 2001, 83-120.
ÇALIġKAN, Emre. Kapasitesiz Tesis YerleĢim Problemi Ġçin Karınca
Kolonisi Eniyilemesi Algoritmasına Dayalı Sezgisel Bir YaklaĢım
(YayımlanmıĢ Yüksek Lisans Tezi), Ankara, Gazi Üniversitesi Fen Bilimleri
Enstitüsü, 2008.
DAĞDEVĠREN, M., S. YAVUZ ve N. KILINÇ. “Weapon Selection Using The
AHP and TOPSIS Methods Under Fuzzy Environment”, Expert Systems
with Applications, 36, 4, 2009, 8143-8151.
DASKIN, Mark S. Network and discrete location: Models, algorithms and
applications, New York, John Wiley and Sons, Inc.,1995.
DEMĠRDÖĞEN, O. ve B. BĠLGĠLĠ. “ Organize Sanayi Bölgeleri Ġçin Yer
Seçimi Kararını Etkileyen Faktörler: Erzurum Örneği ”, Atatürk Üniversitesi
Sosyal Bilimler Enstitüsü Dergisi, IV, 2, 2004, 305-324.
DEVĠ, Kavita. "Extension of VIKOR method in intuitionistic fuzzy environment
for robot selection", Expert Systems with Applications, 38, 11, 2011,
14163-14168.
DING, Ji-Feng. “An Integrated Fuzzy TOPSIS Method For Ranking
Alternatives and Its Application”, Journal of Marine Science and
Technology,19, 4, 2011, 341-352.
142
DOERNER, K.F., W.J. GUTJAHR ve P.C. NOLZ. “Multi-Criteria Location
Planning for Public Facilities in Tsunami-Prone Coastal Areas”, OR
Spectrum, 31, 3, 2009, 651-678.
DU, F. ve G.W. EVANS. “A Bi-objective Reverse Logistics Network Analysis
for Post-Sale Service”, Computers & Operations Research, 35, 2008,
2617-2634.
ERKUT, E. ve S. R. Moran. “Locating Obnoxious Facilities In The Public
Sector: An Application Of The Analytic Hierarchy Process To Municipal
Landfill Siting Decisions”, Socio-Economic Planning Sciences, 25, 2,
1991, 89-102.
ERSÖZ, F. ve M. KABAK. "Savunma Sanayi Uygulamalarında Çok Kriterli
Karar Verme Yöntemlerinin Literatür AraĢtırması", KHO Savunma Bilimleri
Dergisi, 2010, 97-125.
ERTUĞRUL, Ġ. ve N. KARAKAġOĞLU. “Comparison of Fuzzy AHP and
Fuzzy TOPSIS Methods For Facility Location Selection”, The International
Journal of Advanced Manufacturing Technology, 39, 7-8, 2008a, 783795.
ERTUĞRUL, Ġ. ve N. KARAKAġOĞLU. “Banka ġube Performanslarının
VIKOR Yöntemi ile Değerlendirilmesi”, Endüstri Mühendisliği Dergisi
YA/EM 2008 Özel Sayısı, 20, 1, 2008b, 19-28.
FARAHANI, R.Z. ve N. ASGARI. "Combination of MCDM and Covering
Techniques in A Hierarchical Model for Facility Location: A Case Study."
European Journal of Operational Research, 176, 3, 2007, 1839-1858.
FARAHANI, R.Z., ve M. HEKMETFAR. Facility Location Concepts,
Models, Algorithms and Case Studies, Contributions to Management
Science, Heidelberg, Berlin, Physica-Verlag (A Springer Company), 2009.
FARAHANI, R.Z., M. STEADIESEIFI ve N. ASGARI. “Multiple Criteria Facility
Location Problems; A Survey”, Applied Mathematical Modelling, 34, 7,
2010, 1689-1709.
FARAHANI, R.Z., W.Y. SZETO ve S. GHADIMI. "The Single Facility Location
Problem with Time-Dependent Weights and Relocation Cost Over A
Continuous Time Horizon", Journal of the Operational Research Society,
2014.
FERNANDEZ, I. ve M.C. RUĠZ. “Descriptive Model and Evaluation System to
Locate Sustainable Industrial Areas”, Journal of Cleaner Production, 17, 1,
2009, 87-100.
143
GÖRENER, Ali. “Tedarik Zinciri Stratejisi Seçimi: Bulanık VIKOR Yöntemiyle
Ġmalat Sektöründe Bir Uygulama”, Uluslararası Alanya ĠĢletme Fakültesi
Dergisi, 5, 3, 2013, 47-62.
GÜLCAN, Bayezid. Bulanık Doğrusal Programlama ve Bir Bisküvi
ĠĢletmesinde Optimum Ürün Formülü OluĢturma, Yüksek Lisans Tezi,
Karaman, Karamanoğlu Mehmetbey Üniversitesi Sosyal Bilimler Enstitüsü,
2012.
GÜNERĠ, A.F., M. CENGĠZ ve S. ġEKER. "A Fuzzy ANP Approach to
Shipyard Location Selection", Expert Systems with Applications, 36, 4,
2009, 7992-7999.
HAGHANI, A., ve S. C. OH. “Formulation and Solution of A Multi-Commodity,
Multi-Modal Network Flow Model for Disaster Relief Operations”,
Transportation Research Part A: Policy and Practice, 30, 3, 1996, 231250.
HALE, T. S., ve C. R. MOBERG. “LOCATION Science Research: A Review”,
Annals of Operations Research, 123, 4, 2003, 21-35.
HAMACHER HORST W., M. LABBÉ, S. NICKEL ve A.J. SKRIVER.
“Multicriteria Semi-Obnoxious Network Location Problems (MSNLP) with
Sum and Center Objectives”, Annals of Operations Research, 110, 1-4,
2002, 33-53.
HEIZER, J. ve B. RENDER. Production and Operations Management,
Allyn and Bacon Ġnc., Massachusetts, 1988.
HIGGS, Garry. “Integrating Multi-Criteria Techniques with Geographical
Information Systems in Waste Facility Location to Enhance Public
Participation”, Waste Management and Research, 24, 2, 2006, 105-117.
HOKKANEN J, R. LAHDELMA, K. MIETTINEN, P. SALMINEN. “Determining
the Implementation Order of A General Plan By Using A Multicriteria
Method”, Journal of Multi-Criteria Decision Analysis, 7, 5, 1998, 273–284.
HOKKANEN, J., R. LAHDELMA ve P. SALMINEN. “A Multiple Criteria
Decision Model for Analyzing and Choosing Among Different Development
Patterns for the Helsinki Cargo Harbor”, Socio-Economic Planning
Sciences, 33, 1999, 1-23.
HOKKANEN, J., R. LAHDELMA, ve P. SALMINEN. “Multicriteria Decision
Support In a Technology Competition For Cleaning Polluted Soil In Helsinki”,
Journal of Environmental Management, 60, 4, 2000, 339-348.
144
JEYA GIRUBHA, R. ve S. VINODH. "Application of Fuzzy VIKOR and
Environmental Impact Analysis for Material Selection of an Automotive
Component", Materials & Design, 37, 2012, 478-486.
KA, Bian. "Application of Fuzzy AHP and ELECTRE to China Dry Port
Location Selection", The Asian Journal of Shipping and Logistics, 27,2,
2011, 331-353.
KADZINSKI, M. ve T. TERVONEN. “Robust Multi-Criteria Ranking With
Additive Value Models and Holistic Pair-Wise Preference Statements”,
European Journal of Operational Research, 228, 1, 2013, 169-180.
KAHRAMAN, C., D. RUAN ve Ġ. DOĞAN, “Fuzzy Group Decision-Making for
Facility Location Selection”, Information Sciences, 157, 2003, 135–153.
KAHRAMAN, C. ve ÇEBĠ S. "A New Multi-Attribute Decision Making Method:
Hierarchical Fuzzy Axiomatic Design", Expert Systems with Applications,
36, 3, 2009, 4848-4861.
KANGAS, J., J. HOKKANEN, A.S. KANGAS, R. LAHDELMA ve P.
SALMINEN. “Applying Stochastic Multicriteria Acceptability Analysis to
Forest Ecosystem Management with Both Cardinal and Ordinal Criteria”,
Forest Science, 49, 6, 2003a, pp. 928-937.
KANGAS, J. ve KANGAS, A. “Multicriteria Approval and SMAA-O Method In
natural Resources Decision Analysis With Both Ordinal And Cardinal
Criteria”, Journal of Multi-Criteria Decision Analysis, 12, 1, 2003b, 3-15.
KANGAS, A., R. STORE ve J. KANGAS, “Socioecological Landscape
Planning Approach and Multicriteria Acceptability Analysis in Multiple
Purpose Forest Management”, Forest Policy and Economics, 7, 2005,
603-614.
KANGAS, A., J. KANGAS, R. LAHDELMA ve P. SALMINEN. “Using SMAA-2
method with dependent uncertainties for strategic forest planning”, Forest
Policy and Economics, 9, 2006, 113-125.
KARABAY, Selahattin. Matematiksel Model ve Stokastik Çok Kriterli
Kabul Edilebilirlik Analizi ile Bir Kamu Kurumu için Tesis Yeri Seçimi,
Yüksek Lisans Tezi, Ankara, Kara Harp Okulu Savunma Bilimleri Enstitüsü,
2013.
KAUFMANN, A. ve M. M. GUPTA. Fuzzy Mathematical Models in
Engineering and Management Science, Amsterdam, North Holland Book
Company, 1988.
145
KAYA, T. ve C. KAHRAMAN. "Multicriteria Renewable Energy Planning
Using An Integrated Fuzzy VIKOR & AHP Methodology: The Case of
Ġstanbul", Energy, 35, 6, 2010, 2517-2527.
KAYA, T. ve C. KAHRAMAN. "Multicriteria Decision Making in Energy
Planning Using A Modified Fuzzy TOPSIS Methodology", Expert Systems
with Applications, 38, 6, 2011a, 6577-6585.
KAYA, T. ve C. KAHRAMAN. "Fuzzy Multiple Criteria Forestry Decision
Making Based on An Ġntegrated VIKOR and AHP Approach." Expert
systems with Applications, 38, 6, 2011b, 7326-7333.
KELEMENIS, A. ve D. ASKOUNIS. "A New TOPSIS-Based Multi-Criteria
Approach to Personnel Selection", Expert Systems with Applications,
37,7, 2010, 4999-5008.
KHADIVI, M. R. ve S.M.T. FATEMI GHOMI. "Solid Waste Facilities Location
Using of Analytical Network Process and Data Envelopment Analysis
Approaches", Waste management, 32, 6, 2012, 1258-1265.
KIM, Y. ve E.S. CHUNG. "Fuzzy VIKOR Approach for Assessing The
Vulnerability of The Water Supply To Climate Change and Variability in
South Korea", Applied Mathematical Modelling, 3, 22, 2013, 9419-9430.
KLOSE, A. ve A. DREXL. “Facility location models for distribution system
design”, European Journal of Operational Research, 162, 1, 2005, 4-29.
KUO, M.S., G.H. TZENG ve W.C. HUANG. "Group Decision-Making Based
On Concepts of Ideal and Anti-Ideal Points in A Fuzzy Environment",
Mathematical and Computer Modelling, 45, 3, 2007, 324-339.
KUO, M.S. “Optimal Location Selection for An International Distribution
Center by Using A New Hybrid Method”, Expert Systems with
Applications, 38, 2011, 7208-7221.
KUO, R.J., S.C. CHI, S.S. KAO. “A Decision Support System for Locating
Convenience Store Through Fuzzy AHP”, Computers and Industrial
Engineering, 1999, 37, 323-326.
LAHDELMA, R., J. HOKKANEN ve P. SALMINEN. “SMAA-Stochastic
Multiobjective Acceptability Analysis”, European Journal of Operational
Research, 106, 1998, 137-143.
LAHDELMA, R. ve P. SALMINEN. “SMAA-2: Stochastic Multicriteria
Acceptability Analysis for Group Decision Making”, Operations Research
49, 3, 2001, 444–454.
146
LAHDELMA, R., P. SALMINEN ve J. HOKKANEN. “Locating A Waste
Treatment Facility By Using Stochastic Multicriteria Acceptability Analysis
With Ordinal Criteria”, European Journal of Operational Research, 142, 2,
2002, 345-356.
LAHDELMA, R., K. MIETTINEN ve P. SALMINEN. “Ordinal Criteria In
Stochastic Multicriteria Acceptability Analysis (SMAA)”, European Journal
of Operational Research, 147, 1, 2003, 117-127.
LAHDELMA, R., K. MIETTINEN ve P. SALMINEN “Reference Point
Approach For Multiple Decision Makers”, European Journal of Operational
Research 164, 3, 2005, 785-791.
LAHDELMA, R. ve P. SALMINEN. "Classifying Efficient Alternatives In
SMAA Using Cross Confidence Factors", European Journal Of Operational
Research, 170, 1, 2006, 228-240.
LAHDELMA, R., S. MAKKONEN, ve P. SALMINEN. "Two Ways To Handle
Dependent Uncertainties In Multi-Criteria Decision Problems", Omega, 37, 1,
2009, 79-92.
LEE, C. ve W. WILHELM. "On Integrating Theories of International
Economics in The Strategic Planning of Global Supply Chains and Facility
Location", International Journal of Production Economics, 124, 1, 2010,
225-240.
LEVY, Jason K. “Multiple Criteria Decision Making and Decision Support
Systems for Flood Risk Management”, Stochastic Environmental
Research and Risk Assessment, 19, 6, 2005, 438-447.
LIAO, C. N. ve H. P. KAO. “An Integrated Fuzzy TOPSIS and MCGP
Approach To Supplier Selection In Supply Chain Management”, Expert
Systems with Applications, 38, 9, 2011, 10803-10811.
MANGIR, F. ve S. ERDOĞAN, "Comparison of Economic Performance
Among Six Countries in Global Financial Crisis: The Application of Fuzzy
TOPSIS Method", Economics, Management & Financial Markets, 6, 2,
2011, 122-136.
MEDAGLIA, A.L., J.G. VILLEGAS ve D.M. RODRIGUEZ-COCA. “Hybrid BiObjective Evolutionary Algorithms for The Design of A Hospital Waste
Management Network”, Journal of Heuristics, 15, 2, 2009, 153-176.
MELACHRINOUDIS, Emanuel. “Bicriteria Location of A Semi-Obnoxious
Facility”, Computers & Industrial Engineering, 37, 3, 1999, 581-593.
147
MELACHRĠNOUDIS, E. ve H. MĠN. "A Stochastic, Dynamic, Multiobjective
Model for Siting Manufacturing Plants Abroad with Contingency
Planning", Advances in Mathematical Programming and Financial
Planning: A Research Annual, 5, 1999, 19-37.
MELO, M.T., S. NICKEL ve F. SALDAHAN-DA-GAMA. “Facility Location
and Supply Chain Management”, European Journal of Operational
Research, 196, 2, 2009, 4001-412.
MENOU A., A. BENALLOU, R. LAHDELMA ve P. SALMINEN. “Decision
Support for Centralizing Cargo At A Moroccan Airport Hub Using Stochastic
Multicriteria Acceptability Analysis”, European Journal of Operational
Research, 204,3, 2010, 621-629.
Meteoroloji Genel Müdürlüğü Ġnternet Sitesi, 12.01.2014a.
http://www.mgm.gov.tr/kurumsal/haberler.aspx?y=2012&f=afetler
Meteoroloji Genel Müdürlüğü Ġnternet Sitesi, 17.01.2014b.
http://www.mgm.gov.tr/veridegerlendirme/il-ve-ilceler-istatistik.aspx
MOKHTARIAN, M.N. ve A. HADI-VENCHEH, “A New Fuzzy TOPSIS Method
Based On Left and Right Scores: An Application for Determining An
Industrial Zone for Dairy Products Factory”, Applied Soft Computing,12, 8,
2012, 2496-2505.
NIJKAMP, P. ve J. SPRONK. “Interactive Multidimensional Programming
Models for Locational Decisions”, European Journal of Operational
Research, 6, 2, 1981, 220-223.
NORESE, Maria Franca. “ELECTRE III As A Support For Participatory
Decision-Making On The Localisation of Waste-Treatment Plants”, Land Use
Policy, 23, 1, 2006, 76-85.
OKUL, Deniz. Stokastik Çok Kriterli Karar Vermede Yeni Bir Yöntem:
SMAA-TOPSIS ve Bir Uygulama, Doktora Tezi, Kara Harp Okulu, Savunma
Bilimleri Enstitüsü, 2012.
OPRICOVIC, Serafim. “Multi-criteria Optimization of Civil Engineering
Systems”, Faculty of Civil Engineering, 2, 1, 1998, 5-21.
OPRICOVIC S. ve G.H. TZENG. “Fuzzy Multi-Criteria Model for PostEarthquake Land Use Planning”, Natural Hazards Review, 4, 2, 2003, 5964.
OPRICOVIC, S. ve G.H. TZENG. “Compromise Solution by MCDM Methods:
a Comparative Analysis of VIKOR and TOPSIS”, European Journal of
Operational Research, 156, 2, 2004, 445-455.
148
OPRICOVIC, S. ve G.H. TZENG. "Extended VIKOR Method in Comparison
With Outranking Methods", European Journal of Operational Research,
178, 2, 2007, 514-529.
OPRĠCOVĠC, Serafim. “Fuzzy VIKOR with An Application To Water
Resources Planning”, Expert Systems with Applications, 38, 10, 2011,
12983-12990.
OWEN, S.H. ve M.S. DASKIN. “Strategic Facility Location: A Review”,
European Journal of Operational Research, 111, 3, 1998, 423-447.
ÖNÜT, S., S.S. KARA ve E. IġIK. "Long Term Supplier Selection Using A
Combined Fuzzy MCDM Approach: A Case Study for A Telecommunication
Company", Expert Systems with Applications, 36, 2, 2009, 3887-3895.
ÖNÜT, S., T. EFENDĠGĠL ve S.S. KARA. "A Combined Fuzzy MCDM
Approach for Selecting Shopping Center Site: An Example From Ġstanbul,
Turkey", Expert Systems with Applications, 37, 3, 2010, 1973-1980.
ÖZCAN, T., N. ÇELEBĠ ve ġ. ESNAF. “Comparative Analysis of Multi-Criteria
Decision Making Methodologies and Implementation of A Warehouse
Location Selection Problem”, Expert Systems with Applications, 38, 8,
2011, 9773-9779.
ÖZDAĞOĞLU, AĢkın. “A Multi-Criteria Decision-Making Methodology On
The Selection of Facility Location: Fuzzy ANP”, The International Journal
of Advanced Manufacturing Technology, 59, 5, 2011, 787-803.
ÖZKAYA, BarıĢ. Üniversite Sıralamaları ve Bir Stokastik Çok Kriterli
Kabul Edilebilirlik Analizi Uygulaması, Yüksek Lisans Tezi, Ankara,
Hacettepe Üniversitesi Sosyal Bilimler Enstitüsü, 2010.
PAKSOY, T., N. YAPICI PEHLĠVAN ve C. KAHRAMAN, "Organizational
Strategy Development in Distribution Channel Management Using Fuzzy
AHP and Hierarchical Fuzzy TOPSIS", Expert Systems with Applications,
39, 3, 2012, 2822-2841.
PARTOVI, Fariborz Y. "An Analytic Model
Strategically", Omega, 34, 1, 2006, 41-55.
for
Locating
Facilities
POHEKAR, S.D. ve M. RAMACHANDRAN. “Application of Multi-criteria
Decision Making to Sustainable Energy Planning - A Review”, Renewable
and Sustainable Energy Reviews, 8, 4, 2004, 365-381.
REESE, Josh. “Methods for Solving The P-Median Problem: An Annotated
Bibliography”, Technical report, Department of Mathematics, Trinity
University, 2005, 1-25.
149
REVELLE, C.S. ve H.A. EISELT. “Location Analysis: A Synthesis and
Survey”, European Journal of Operational Research, 165, 1, 2005, 1-19.
REVELLE C.S., H.A. EISELT ve M.S. DASKIN. “A Bibliography for Some
Fundamental Problem Categories in Discrete Location Science”, European
Journal of Operational Research, 184, 3, 2008, 817-848.
QUEIRUGA, D., G. WALTHER, J.G. BENITO ve T. SPENGLER. “Evaluation
of Sites for The Location of WEEE Recycling Plants In Spain”, Waste
Management, 28, 1, 2008, 181-190.
ROUYENDEGH, B.D. ve T.E. SAPUTRO. “Supplier Selection Using
Integrated Fuzzy TOPSIS and MCGP: A Case Study”, Procedia - Social
and Behavioral Sciences, 116, 2014, 3957-3970.
SAAT, Mesiha. “Çok Amaçlı Karar Vermede Bir YaklaĢım: Analitik HiyerarĢi
Yöntemi”, Gazi Üniversitesi Ġktisadi ve Ġdari Bilimler Fakültesi Dergisi, 2,
2, 2000, 1-14.
SANAYI, A., S. FARĠD MOUSAVI ve A. YAZDANKHAH. "Group Decision
Making Process for Supplier Selection with VIKOR under Fuzzy
Environment", Expert Systems with Applications, 37, 1, 2010, 24-30.
SHEMSHADI, A., H. SHIRAZI, M. TOREIHI ve M.J. TAROKH. “A Fuzzy
VIKOR Method for Supplier Selection Based on Entropy Measure for
Objective Weighting”, Expert Systems with Applications, 38, 10, 2011,
12160-12167.
SHEN,C.Y. ve K.T. YU. “A Generalized Fuzzy Approach for Strategic
Problems: The Empirical Study On Facility Location Selection of Authors‟
Management Consultation Client As An Example”, Expert Systems with
Applications, 36, 3, 2009, 4709-4716.
SKRIVER, A.J.V. ve K.A. ANDERSEN, “The Bicriterion Semi-Obnoxious
Location (BSL) Problem Solved by An E-Approximation”, European Journal
of Operational Research, 146, 3, 2003, 517–528.
SMAA.fi internet sitesi, 12.02.2014.
<http://smaa.fi/jsmaa/>.
SMITH, John Meredith. Logistics & the Out-bound Supply Chain, London,
Penton Press, 2002.
SMITH, H.K., G. LAPORTE, P.R. HARPER. “Locational Analysis: Highlights
of Growth to Maturity”, Journal of the Operational Research Society, 60,
2009,140-148.
150
SNYDER, Lawrence V. “Facility Location Under Uncertainty: A Review”, IIE
Transactions, 38, 7, 2006, 537–554.
SULE, Dileep R. Logistics of Facility Location and Allocation, Marcel
Dekker Inc., New York, 2001.
SHAHANAGHI, K. ve S. A. YAZDIAN. “Vendor Selection Using a New Fuzzy
Group TOPSIS Approach”, Journal of Uncertain Systems, 3, 3, 2009, 221231.
ġEN, Zekai. Bulanık Mantık ve Modelleme Ġlkeleri, Ġstanbul, Bilgi kültür
Sanat Yapımevi, 2001.
TABARI, M., A. KABOLI, M.B. ARYANEZHAD, K. SHAHANAGHI ve A.
SĠADAT. “A New Method for Location Selection: A Hybrid Analysis”, Applied
Mathematics and Computation, 206, 2, 2008, 598–606.
TABUCANON Mario T. Multiple Criteria Decision Making In Industry,
Elsevier Science Publishing Company, Inc., Newyork, 1988.
TAN, Y.T., L.Y. SHEN, C. LANGSTON ve Y. LIU. “Construction Project
Selection Using Fuzzy TOPSIS Approach”, Journal of modelling in
management, 5, 3, 2010, 302-315.
TANYAġ, Mehmet. Endüstri Mühendisliğine GiriĢ Cilt 1, Ġstanbul, 2000.
TAVANA, M., F. ZANDĠ ve M. N. KATEHAKĠS. "A Hybrid Fuzzy Group ANP–
TOPSIS Framework For Assessment of E-Government Readiness from A
CIRM Perspective", Information & Management, 50, 7, 2013, 383-397.
TAYLAN, O., A.O. BAFAĠL, R.S. ABDULAAL ve M.R. KABLI. “Construction
Projects Selection and Risk Assessment by Fuzzy AHP and Fuzzy TOPSIS
Methodologies”, Applied Soft Computing,17, 2014,105-116.
TERVONEN, T. ve R. LAHDELMA, “Implementing Stochastic Multicriteria
Acceptability Analysis”, European Journal of Operational Research, 178,
2, 2007, 500-513.
TERVONEN, T. , R. LAHDELMA, J. ALMEIDA DIAS ve J. FIGUEIRA.
“SMAA-TRI: A Parameter Stability Analysis Method for ELECTRE TRI”, In
I. Linkov, G. A. KĠKER ve R. J. WENNING, editors, Environmental Security
in Harbors and Coastal Areas, NATO Science for Peace and Security
Series C: Environmental Security, 2007.
TERVONEN T. ve J. FIGUEIRA. “A Survey on Stochastic Multicriteria
Acceptability Analysis Methods”, Journal of Multi-Criteria Decision
Analysis, 15, 1-2, 2008, 1-14.
151
TERVONEN T., LAHDELMA R., DIAS JA, FIGUEIRA J., SALMINEN P.,
“SMAA-TRI: A Parameter Stability Analysis Method for ELECTRE-TRI”, In
Environmental Security in Harbors and Coastal Areas, eds. GA KIKER, I.
LINKOV, Springer: Berlin, 2009a, 217–231.
TERVONEN, T., I. LINKOV, J. STEEVENS, M. CHAPPELL, J.R. FIGUEIRA
ve M. MERAD. “Risk-Based Classification System of Nanomaterials.”
Journal of Nanoparticle Research, 11, 4, 2009b, 757-766.
TERVONEN, T., G. V. VALKENHOEF, E. BUSKENS, H. L. HILLEGE, ve D.
POSTMUS. “A Stochastic Multicriteria Model for Evidence-Based Decision
Making In Drug Benefit-Risk Analysis”, Statistics in Medicine, 30, 12, 2011,
1419-1428.
The Geography of Transport Systems, 10.11.2013.
<http://people.hofstra.edu/geotrans/eng/ch2en/conc2en/weberlocationtriangl
e.html>.
TUZKAYA, G., S. ÖNÜT, U.R. TUZKAYA, B. GÜLSÜN. “An Analytic Network
Process Approach for Locating Undesirable Facilities: An Example From
Istanbul, Turkey”, Journal of Environmental Management, 88, 4, 2008,
970-983.
TÜRKBEY, Orhan. “Tesis Düzenlemesi Probleminde Yerel Arama Sezgiseli
Kullanan Bir Genetik Algoritma: Memetik Algoritma YaklaĢımı, Pamukkale
Üniversitesi Mühendislik Fakültesi Mühendislik Bilimleri Dergisi, 8, 2,
2002, 265-271.
Türkiye Cumhuriyeti Çevre ve ġehircilik Bakanlığı, Hava Kalitesi Ġzleme
Oranları web sitesi, 16.02.2014.
http://www.havaizleme.gov.tr/Default.ltr.aspx
Türkiye Cumhuriyeti Ekonomi Bakanlığı, 16.02.2014.
http://www.ekonomi.gov.tr/index.cfm?sayfa=7173D4A4-D8D3-8566452001910DD1747A.
Türkiye Cumhuriyeti Ekonomi Bakanlığı, ihracatçı firmaların illere göre
dağılımı, 18.02.2014.
http://www.ekonomi.gov.tr/upload/AC413E8B-D8D3-85664520D3E41BB732A4/eko14.xls
Türkiye Cumhuriyeti Ekonomi Bakanlığı, ithalatçı firmaların illere göre
dağılımı, 18.02.2014.
http://www.ekonomi.gov.tr/upload/AC413E8B-D8D3-85664520D3E41BB732A4/eko15.xls
Türkiye Cumhuriyeti Devlet Personel BaĢkanlığı, 28.01.2014.
152
http://www.dpb.gov.tr/F/Root/dosyalar/istatistikler/kamu_per_istatistikleri/sub
at2014/kamu_personel_iller_subat.pdf
Türkiye Ġstatistik Kurumu, 17.02.2014.
http://tuikapp.tuik.gov.tr/cevredagitimapp/hava.zul
Türkiye Ġstatistik Kurumu, 2013 Yılı Motorlu Araç Sayısı Verileri, 17.02.2014.
http://www.tuik.gov.tr/PreHaberBultenleri.do?id=15894
TZENG, G.H., M.H. TENG, J.J. CHEN ve, S. OPRICOVIC. “Multicriteria
Selection for A Restaurant Location in Taipei”, International Journal of
Hospitality Management, 21, 2, 2002, 171–187.
ÜNAL, Gürbüz. “Acil Lojistik Yardım Operasyonu Deprem Lojistiği Karar
Destek Sistemi: ALYO-DLKDS (Olası Ġstanbul Depremi Uygulaması)”,
YayınlanmamıĢ Yüksek Lisans Tezi, Kara Harp Okulu, Savunma Bilimleri
Enstitüsü, 2011.
VAHIDNIA, M.H., A.A. AlESHEIKH, ve A. ALIMOHAMMADI. "Hospital Site
Selection Using Fuzzy AHP and Its Derivatives", Journal of environmental
management, 90, 10, 2009, 3048-3056.
VILLEGAS, J.G., F. PALACIOS ve A.L. MEDAGLIA. “Solution Methods for
The Bi-Objective (Cost-Coverage) Unconstrained Facility Location Problem
with An Illustrative Example”, Annals of Operations Research, 147, 1,
2006, 109–141.
VINODH, S., A.R. VARADHARAJAN ve A. SUBRAMANIAN. "Application of
fuzzy VIKOR for concept selection in an agile environment", The
International Journal of Advanced Manufacturing Technology, 65, 5-8,
2013, 825-832.
VISWANADHAM, N. ve S. KAMESHWARAN. “A Decision Framework for
Location Selection in Global Supply Chains”, Proceedings of the 3rd Annual
IEEE Conference on Automation Science and Engineering, Scottsdale, AZ,
USA, 22-25 Eylül 2007.
WANG, T.C. ve T.H. CHANG. "Application of TOPSIS in Evaluating Initial
Training Aircraft Under A Fuzzy Environment", Expert Systems with
Applications, 33, 4, 2007, 870-880.
WANG, Y.M. ve T. ELHAG. "Fuzzy TOPSIS Method Based on Alpha Level
Sets with An Application to Bridge Risk Assessment", Expert systems with
applications, 31, 2, 2006, 309-319.
WU, C. R., LIN, C. T. ve H. C. CHEN. “Optimal Selection of Location for
Taiwanese Hospitals To Ensure A Competitive Advantage By Using The
153
Analytic Hierarchy Process and Sensitivity Analysis”, Building and
Environment, 42, 3, 2007, 1431-1444.
YANG, L. B.F. JONES ve S.H. YANG. “A Fuzzy Multi-Objective
Programming for Optimization of Fire Station Locations Through Genetic
Algorithms”, European Journal of Operational Research, 181, 2, 2007a,
903-915.
YANG, L., J. XIAOYU, G.ZIYOU ve L. KEPING. “Logistics Distribution
Centers Locations Problem and Algorithm under Fuzzy Environment”,
Journal of Computational and Applied Mathematics, 208, 2, 2007b, 303315.
YONG, Deng. "Plant Location Selection Based On Fuzzy TOPSIS”, The
International Journal of Advanced Manufacturing Technology, 28, 7-8,
2006, 839-844.
YU, Po Long. “A Class of Solutions for Group Decision Problems”,
Management Science, 19, 8, 1973, 936-946.
ZADEH, Lotfi Aliasker. “Fuzzy sets”, Information and Control, 1965, 338353.
ZAERPOUR, N., M. RABBANI, A. H. GHAREHGOZLI ve R. TAVAKKOLIMOGHADDAM. “A Comprehensive Decision Making Structure for
Partitioning of Make-To-Order, Make-To-Stock and Hybrid Products”, Soft
Computing, 13, 11, 2009, 1035-1054.
ZIMMERMANN, Hans Jurgen. Fuzzy Set Theory and Its Applications,
Massachusetts: Kluwer Academic, 1991.
154
EKĠ
EK-A :
ANKETE KATILAN PERSONELĠN KRĠTERLER ÖNEM
AĞIRLIKLARININ DĠLSEL DEĞĠġKENLER ĠLE DEĞERLENDĠRMESĠ
155
EK-A
ANKETE KATILAN PERSONELĠN KRĠTERLER ÖNEM AĞIRLIKLARINI
DĠLSEL DEĞĠġKENLER ĠLE DEĞERLENDĠRMESĠ
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
1
E
ÇĠ
ÇĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
2
OZ
Ġ
ÇĠ
Ġ
E
OĠ
OĠ
Ġ
E
E
OZ OZ
3
OĠ
E
E
Ġ
OĠ OĠ
E
OĠ
OZ
OĠ
4
OZ OZ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
OĠ ÇZ OZ
5
OZ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
6
E
OĠ
Ġ
OĠ
Ġ
E
7
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
8
OĠ OZ
E
Ġ
E
OĠ OZ
9
OZ OZ
Ġ
E
OĠ
OĠ OĠ ÇĠ
Ġ
Ġ
OĠ OZ
Ġ
Ġ
E
E
E
Ġ
ÇĠ
E
E
E
E
E
E
ÇĠ
E
OĠ
OĠ
E
ÇĠ
E
OZ
OĠ
E
OĠ
OĠ
E
OĠ
OĠ
Ġ
Ġ
E
OĠ
E
OĠ
Ġ
ÇĠ
E
Ġ
E
OĠ
OZ
OĠ
OĠ
E
Z
OZ
E
OZ
Ġ
Ġ
Ġ
Ġ
Ġ
OZ
OĠ
Ġ
Ġ
ÇĠ
E
E
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
OĠ
OĠ
Ġ
Ġ
OĠ
E
OĠ
OĠ
Ġ
OĠ
E
OĠ
E
Ġ
OĠ
Ġ
OĠ
E
OĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
E
E
Ġ
Ġ
OZ
OĠ
E
Ġ
E
OZ
OĠ
Ġ
E
OĠ
E
Ġ
OZ
OĠ
Ġ
Ġ
E
OZ
Ġ
Ġ
E
OĠ
OĠ
E
OĠ
E
E
Ġ
E
OĠ
Ġ
Ġ
Ġ
OĠ
E
Ġ
OĠ
Ġ
Ġ
OZ
Ġ
Ġ
E
OĠ
E
Ġ
Ġ
Ġ
ÇĠ
E
OĠ
Ġ
OĠ
OĠ
OĠ
Ġ
OĠ
Ġ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
OĠ
OĠ
Z
Ġ
OĠ
OĠ
OĠ
OĠ
Ġ
Ġ
OĠ
E
OĠ
E
OZ
Ġ
OĠ
ÇĠ
OĠ
OĠ
ÇĠ
Ġ
OZ OĠ
E
10
Ġ
Ġ
OĠ
11
ÇZ
Ġ
Ġ
12
OĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
ÇĠ
OĠ
OĠ
Ġ
ÇĠ
OĠ
Ġ
OĠ
Ġ
Ġ
OZ
OĠ
ÇĠ
13
Z
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇZ
Ġ
ÇĠ
ÇĠ
OZ OZ
ÇĠ
ÇĠ
Z
OĠ
Ġ
ÇĠ
OZ
OĠ
E
ÇZ ÇZ OZ OZ
14 OZ ÇĠ
Ġ
ÇĠ
E
OĠ
OĠ
E
OĠ
E
E
OĠ
OĠ
OĠ
OZ
E
E
OĠ
E
E
E
15
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
OĠ
Ġ
OZ
E
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
OĠ
OĠ
ÇĠ
16
Z
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
E
ÇĠ
ÇĠ
E
ÇĠ
Z
17
Ġ
ÇĠ
E
Ġ
Ġ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
18
OĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
19
Z
OĠ
Ġ
E OĠ
E
OĠ
OĠ
Ġ
E
OĠ
E
OĠ
E
E
OZ ÇZ
20
Z
OĠ
Ġ
Z
OĠ OZ OĠ
OĠ
OZ OZ
21
E
Ġ
Ġ
OĠ
22
OĠ
ÇĠ
ÇĠ
23
E
Ġ
ÇĠ
Ġ
24
E
OĠ
ÇĠ
E
25 ÇZ OZ OZ
ÇĠ
Z
OĠ OĠ
ÇĠ
Ġ
OĠ
E
OĠ
Ġ
E
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
Ġ
OĠ
OZ
E
E
E
E
E
OĠ OZ
Z
Ġ
E
OZ
E
OĠ
Ġ
OĠ
E
E
OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
OĠ
Ġ
ÇĠ
ÇĠ
OĠ
OZ
Ġ
E
OĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
OZ
Ġ
E
ÇĠ
E
Ġ
E
Ġ
OĠ
Ġ
OĠ ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
E
E
OĠ
OĠ
OĠ
E
E
OZ
OĠ
OĠ
OĠ
OĠ
E
OZ
OĠ
E
E
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
E
E
OZ OZ
E
Ġ
ÇZ
E
OZ
E
E
OZ ÇZ
E
E OĠ
E
OZ
E
OĠ
OĠ
ÇZ
OĠ
OĠ
OĠ
OZ OZ OZ
OĠ
E
E
OĠ
OZ OZ
OĠ
E
E
Ġ
OĠ ÇĠ
OĠ
26
E
E
Ġ
E
E
OĠ
E
OĠ
OĠ
OĠ
E
Ġ
E
E
E
E
E
E
E
E
27
E
OZ
E
E
E
E
E
OĠ
E
E
E
Ġ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
OZ
OĠ
ÇĠ
28 OZ OĠ
ÇĠ
OZ OZ OZ OZ OZ OĠ
E
OĠ
Ġ
OĠ
E
OĠ
OĠ
OZ
OĠ
E
OZ
E
E
OZ OZ
E
E
OĠ
Ġ
Ġ
E
OZ OZ
OĠ
Ġ
OĠ
Ġ
Ġ
OĠ
Ġ
OĠ
ÇĠ
Z
OĠ
OZ
E
OZ
OĠ
Ġ
Z
Ġ
OĠ
Ġ
OĠ
OĠ
OĠ
E
30 OZ OĠ
OĠ
E
Ġ
Ġ
E
OĠ
ÇĠ
ÇĠ
Z
E
Ġ
Ġ
OZ
OĠ
E
OĠ
OĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
ÇĠ
ÇĠ
OĠ E
OĠ
OĠ
Ġ
OĠ
ÇĠ
OĠ
OĠ
E
E
E
OĠ
E
Ġ
E
OĠ
OĠ
E
E
OĠ
E
Ġ
OĠ
OĠ
OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
E
E
OZ
OĠ
Ġ
OĠ
Ġ
OĠ
OĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
E
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
OZ OZ
ÇĠ
E
E
OĠ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
29
31
Z
E
OĠ
Ġ
E
32 OZ OĠ
Ġ
E OĠ OĠ
33
E
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
34
Ġ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
35 ÇZ OĠ
ÇĠ
Ġ
Ġ
ÇĠ
36
OĠ
ÇĠ
ÇĠ
ÇĠ
E
E
OZ ÇĠ
ÇĠ
OĠ
37
E
E
E
E
E
E
OZ
E
OĠ
OĠ
Z
OĠ
E
E
OZ
E
E
E
E
E
E
OZ
E
OZ OZ
38 ÇZ OZ
OĠ
E
Ġ
Ġ
OĠ
Ġ
ÇĠ
ÇĠ
OZ
ÇĠ
E
OZ
E
E
OĠ
OZ
E
Ġ
E
OĠ
E
OĠ
E
ÇĠ
OĠ OĠ OĠ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇZ
E
ÇZ
E
Ġ
Ġ
Ġ
E
E
ÇZ
Z
E
E
OĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
OZ
Ġ
Ġ
Z
E
OĠ
ÇĠ
OZ
E
Z
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
E
E
E
Ġ
OĠ
Z
E
E
E
E
OZ
E
OZ
OĠ
OĠ
E
Ġ
OZ
OĠ
OZ
OĠ
E
39
E
ÇĠ
40
OĠ
OĠ
Ġ
41
E
ÇĠ
ÇĠ
Ġ
42
Z
Ġ
ÇĠ
OĠ
Ġ
Ġ
Ġ
Ġ
Z
Ġ
ÇĠ
OĠ
OĠ
OĠ
43
Z
OZ
OĠ
E OĠ ÇĠ
E
OĠ
ÇĠ
ÇĠ
ÇZ
Z
E
ÇZ
E
OZ OZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
44
OĠ OZ
Ġ
Ġ
Ġ
OĠ
Ġ
OĠ
E
Ġ
Ġ
OĠ
Ġ
Ġ
ÇĠ ÇĠ
Ġ
E
Ġ
ÇĠ
A-1
Ġ
Ġ
E
OĠ
ÇĠ
Ġ
Ġ
Ġ
OZ
E
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
45 OZ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
Ġ
Ġ
Z
Ġ
E
E
ÇZ
E
E
E
Ġ
Z
E
E
Z
E
E
46
OĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
OZ
Ġ
ÇĠ
Ġ
Ġ
Ġ
OĠ
Ġ
47
OĠ OZ OZ
Ġ
OZ ÇĠ
ÇĠ
E
Ġ
Ġ
Ġ
E
OĠ
OZ
E
E
E
OĠ
E
E
OĠ
E
Ġ
ÇĠ
Ġ
E
OZ
Z
E
OZ
Ġ
Z
Ġ
E
Z
48
Ġ
49
50
51
OZ OZ Ġ
Ġ
OĠ
OĠ
OĠ
Ġ
OĠ
OĠ
OĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
Ġ
ÇĠ OZ
Ġ
ÇĠ
Ġ
OĠ
Ġ
OĠ OZ
OĠ
OĠ
Ġ
Ġ
Ġ
OĠ
OZ
OĠ
OĠ
E
OĠ
Ġ
Ġ
OĠ
E
E
E
E
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
OZ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
E
OZ
ÇĠ
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇZ
OZ OZ
ÇZ OZ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
Ġ
Ġ
Z
OZ
OĠ
OĠ
OĠ
Ġ
OĠ
OĠ
E
Z
E
Ġ
E
Ġ
ÇĠ
Ġ
ÇĠ
OĠ
Ġ
Ġ
Ġ
Ġ
E
E
Z
Ġ
OĠ
Ġ
E
Ġ
E
OĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
Ġ
Ġ
E
ÇĠ
OĠ
OĠ
E
52 OZ
Z
Ġ
53
ÇZ
E
ÇĠ
54
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
55 OZ OĠ
E
OĠ OĠ OZ OĠ
ÇĠ
E
Ġ
ÇĠ OĠ OĠ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
E
OĠ
E
OZ OZ
OĠ
Ġ
OZ
E
OĠ
OZ
E
E
E
E
56
E
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
ÇĠ
OĠ
OĠ
OĠ
OZ
OĠ
OĠ
OĠ
OĠ
OĠ
E
OĠ
E
E
OĠ
OĠ
OĠ
OĠ
OĠ
57
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
ÇZ
OĠ
E
ÇĠ
ÇZ
E
ÇĠ
OZ OZ
E
E
ÇZ
58
E
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
OĠ
E
OĠ
OĠ
Ġ
Ġ
Ġ
OĠ
OĠ
E
Ġ
OĠ
Ġ
Ġ
Ġ
OZ
OĠ
59
ÇĠ
Ġ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
60 OZ
Z
ÇĠ
OĠ E
Ġ
E
OĠ
ÇĠ
E
E
E
E
E
E
OĠ
OZ
E
E
Ġ
E
E
E
E
E
61
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
OZ
OĠ
Ġ
Ġ
Ġ
OĠ
Ġ
OZ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
OĠ
OZ
62
E
ÇĠ
ÇĠ
E
E
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
E
E
E
E
E
OĠ
E
E
E
E
E
E
E
E
63
E
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
OĠ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
64
ÇĠ
Ġ
ÇĠ
ÇĠ ÇĠ ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
ÇZ
Ġ
E
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
65
Ġ
Ġ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
Z
Z
E
E
OĠ
OĠ
ÇĠ
ÇZ
ÇĠ
OĠ
OZ
Z
E
OĠ
Z
66
Z
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
E
E
OZ
Ġ
OĠ
Ġ
E
OZ
E
E
Z
Ġ
E
67
ÇĠ
E
E
E
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
OĠ
E
ÇĠ
Ġ
Ġ
Ġ
E
E
ÇĠ
E
OĠ
OĠ
OĠ
OĠ
ÇĠ
68
ÇZ OĠ
ÇĠ
Z
Ġ
Ġ
OĠ
E
Ġ
ÇĠ
OĠ
OĠ
OĠ
Ġ
ÇZ
Ġ
69
ÇZ OĠ
Ġ
ÇĠ
ÇZ ÇZ ÇZ OĠ OZ OZ OZ
OĠ
E
E
OĠ
E
OĠ
OĠ
Z
OZ
E
E
E
E
E
E
E
OZ
OĠ
E
E
OZ OZ
70
Z
OĠ
OĠ
E
E
OĠ OZ
E
Ġ
E
Ġ
E
Ġ
E
Z
E
OĠ
ÇZ
Z
Ġ
OZ
E
E
ÇZ
Z
71
E
ÇZ
Ġ
Ġ
Z
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
Z
ÇĠ
ÇĠ
E
Ġ
Ġ
ÇZ
ÇĠ
OZ
ÇĠ
Ġ
ÇZ
72
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
73
Ġ
OĠ
ÇĠ
E
E
Ġ
OĠ
Ġ
OĠ
Z
E
E
E
E
E
Ġ
E
E
OĠ
OĠ
Ġ
OĠ
E
OZ OZ
Ġ
OZ
Ġ
ÇZ OZ
Ġ
ÇĠ
Ġ
OĠ
OĠ
Z
E
OĠ
OĠ
OĠ
OZ
OĠ
Z
OĠ
Ġ
OĠ
E
Ġ
OĠ
OZ
75
Z
ÇĠ
ÇĠ
OĠ E
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
E
OZ
Ġ
E
ÇĠ
Ġ
Ġ
E
E
OĠ
E
OZ
E
Ġ
E
76
OĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
Ġ
Ġ
Ġ
E
E
OZ
Z
Z
E
E
Z
Z
OZ
Z
Z
77
ÇĠ
ÇĠ ÇĠ ÇĠ
74
ÇZ OĠ
Ġ
OZ ÇZ
Ġ
OZ ÇZ ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
78 OZ
Ġ
Ġ
E
E
OĠ
E
E
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
OZ
Ġ
E
Ġ
OĠ
OĠ
OZ
Ġ
79
Z
Ġ
ÇĠ
Z
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
ÇĠ
OĠ
E
Ġ
OZ
Ġ
Ġ
Ġ
E
Ġ
OĠ
OZ OZ
E
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
E
ÇĠ
OĠ
OĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
OĠ
OĠ
Ġ
OĠ
OĠ
81
ÇZ OĠ
OĠ
OZ ÇĠ ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
E
ÇĠ
E
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Z
Ġ
82
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
E
ÇZ
E
ÇĠ
ÇĠ
E
E
E
E
ÇZ
E
ÇZ ÇZ
E
E
ÇZ
83
E
80
E
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
84 OZ ÇĠ
ÇĠ
OĠ E
ÇĠ
E
Ġ
ÇĠ
ÇĠ
OZ OZ
OĠ
OĠ
E
Ġ
E
OZ
E
OZ
Ġ
OĠ
E
E
E
Ġ
ÇĠ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
OĠ
Ġ
ÇZ
OĠ
ÇĠ
E
OĠ
OĠ
E
OĠ
ÇĠ
Ġ
ÇĠ ÇĠ
E
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
E
OĠ
OZ
OĠ
OĠ
OĠ
ÇĠ OĠ OĠ
OĠ
Ġ
E
OĠ
ÇZ OZ
E
Z
Z
Z
OZ
Z
85
Ġ
86 OZ OĠ
87
ÇZ
Ġ
Ġ
Ġ
Ġ
OĠ
OĠ
E
OZ OZ
Z
Z
OZ
Ġ
E
E
OZ OZ
OZ OZ
88
E
Ġ
ÇĠ
Ġ
OĠ
Ġ
E
OĠ
E
OĠ
OĠ
OZ
Ġ
Ġ
E
OĠ
OĠ
E
OĠ
Ġ
OĠ
E
OZ
E
OĠ
89
OĠ
E
OĠ
E
E
ÇĠ
E
E
E
E
E
Ġ
E
ÇĠ
Ġ
E
E
E
E
E
E
E
E
E
E
90
Z
ÇĠ
ÇĠ
OĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
E
E
E
OĠ
E
ÇĠ
Ġ
E
Ġ
E
E
OĠ
E
E
91
Z
OZ
Ġ
Ġ
OĠ
ÇĠ
Z
Z
ÇĠ
OĠ
OĠ
OĠ
OZ OZ
E
OĠ
OĠ ÇĠ ÇĠ OZ
A-2
OZ OZ
E
OZ OZ
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
92
E
OĠ
E
E OĠ OĠ
ÇĠ
OĠ
Ġ
Ġ
E
E
93
E
Ġ
Ġ
OĠ OĠ
E
E
OĠ
Ġ
Ġ
Ġ
E
E
OĠ
Ġ
OZ OZ OZ
E
E
E
E
E
E
OĠ
E
E
E
Z
OĠ
OZ
E
OZ
Z
OZ OZ
E
E
94
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
OĠ
OĠ
Ġ
OĠ
OĠ
95
E
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
OZ
OĠ
OĠ
ÇĠ
Ġ
ÇĠ
Ġ
OĠ
OĠ
OĠ
OĠ
E
96 OZ
E
E
E
OĠ
E
OĠ
OĠ
OĠ
OZ
E
OĠ
OĠ
E
E
OĠ
E
E
E
E
E
E
E
OĠ
97
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇZ
ÇĠ
Ġ
Ġ
Z
OĠ
ÇĠ
OĠ
98
Z
Ġ
OĠ
E
E
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
99
E
OĠ
OĠ
E
E
Ġ
Ġ
Ġ
Ġ
ÇĠ
OZ
OĠ
Ġ
ÇĠ
ÇĠ
Ġ
E
E
ÇĠ
OĠ
ÇĠ
Ġ
OZ
ÇĠ
ÇĠ
100
E
E
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
ÇĠ
ÇĠ
E
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
101 OĠ
Ġ
Ġ
OĠ
Ġ
OĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
OĠ
E
E
E
OĠ
OĠ
E
E
E
E
E
E
E
E
Ġ
E
102 OZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
Ġ
Ġ
Ġ
Ġ
103 OĠ
ÇĠ
ÇĠ
OZ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ OZ OĠ
OĠ
Ġ
ÇĠ
ÇĠ
104
E
105 ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ OĠ ÇĠ
106 OZ OĠ
ÇĠ
107
Ġ
ÇĠ
ÇĠ
OZ O
Z
Ġ E
E
E
OĠ OZ
108
E
ÇĠ
Ġ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
OĠ
109
E
OĠ
OĠ
OĠ E
E
E
E
E
ÇZ OZ
Ġ
OĠ
ÇĠ
Ġ
Ġ
OZ OZ
OĠ
OĠ
Ġ
ÇĠ
OĠ
Ġ
Ġ
OZ
ÇĠ
Ġ
E
OĠ
E
Ġ
Ġ
ÇĠ
OZ
ÇĠ
E
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
Ġ
E
ÇĠ
E
Ġ
OĠ
Z
OĠ
OZ
OĠ
E
Ġ
OĠ
Z
E
E
Ġ
Ġ
E
Ġ
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
Ġ
ÇĠ
Ġ
OĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
ÇĠ
Ġ
OĠ
OĠ
ÇĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
E
E
E
OĠ
E
OĠ
E
Z
Z
E
E
E
OZ
E
Ġ
E
OĠ
OĠ
E
Ġ
Ġ
Ġ
Ġ
E
OĠ
Ġ
E
Ġ
Ġ
Ġ
E
Ġ
E
OĠ
OĠ
OĠ
Ġ
OĠ
E
OĠ
Z
Ġ
OĠ
OĠ
OĠ
E
Z
Z
OZ OZ
OĠ
ÇĠ
Ġ
Ġ
Ġ
E
ÇĠ
Ġ
OZ
OĠ
E
E
ÇZ
E
Z
Z
OĠ
E
Z
111
E
OĠ
Ġ
OĠ
Ġ
OĠ
E
OĠ
OĠ
Ġ
OZ
OĠ
Ġ
ÇĠ
Ġ
OĠ
OĠ
E
E
OĠ
Ġ
OĠ
OĠ
Ġ
OĠ
112
Z
Ġ
OĠ
OZ OĠ OĠ
Ġ
OĠ
Z
E
OĠ
OĠ
OĠ
E
E
E
E
Ġ
E
OĠ
E
E
E
OĠ
E
113
ÇĠ
OĠ
Z
Z
OĠ OZ OZ
E
E
OZ OZ OZ
E
OZ
E
OZ
OĠ
OZ
E
OZ
E
E
OĠ OĠ OĠ
ÇĠ
Ġ
OĠ
ÇĠ
E
E
E
E
E
Ġ
OĠ
OZ
E
OĠ
E
ÇĠ
OĠ
Ġ
Ġ
E
E
Ġ
OĠ
Z
OĠ
OZ
Z
OĠ
E
OĠ
Ġ
ÇĠ
E
OZ
Ġ
OĠ
ÇĠ
110
114 OZ OĠ
Ġ
OĠ
Ġ
Ġ
Ġ
ÇZ ÇZ
OZ OZ OZ OZ
OĠ
Ġ
Ġ
116
E
ÇĠ
ÇĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
117
ÇĠ
ÇĠ
ÇĠ
ÇĠ OĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇZ ÇZ OZ OZ OZ ÇZ
Ġ
ÇĠ
ÇZ OZ OZ ÇZ ÇZ ÇZ ÇZ
118
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
ÇĠ
ÇĠ
OZ
Ġ
ÇĠ
E
ÇĠ
E
ÇĠ
OZ ÇĠ
Ġ
ÇĠ
ÇZ
ÇĠ
ÇZ
OĠ
E
ÇZ
ÇĠ
ÇĠ
115
Ġ
E
ÇZ OZ
ÇĠ ÇĠ
119
Ġ
Ġ
ÇĠ
ÇĠ
120
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
121
OĠ
Ġ
ÇĠ
OĠ
122
Z
OĠ
OĠ
E
ÇĠ ÇĠ
123
Z
OĠ
OĠ
124
E
ÇĠ
ÇĠ
ÇZ
125
Ġ
Ġ
ÇĠ
OĠ ÇĠ ÇĠ
126
E
OĠ
ÇĠ
127
Z
E
128
E
E
129
OĠ
Ġ
130
Z
131
Z
132
OĠ
133
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
OZ OZ ÇZ
E
E
OZ OZ
Ġ
OĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
Z
E
OZ
OĠ
OĠ
OZ
Ġ
ÇĠ
ÇĠ
OĠ
E
OĠ
ÇĠ
Ġ
E
E
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
E
OZ
OĠ
Ġ
E
E
OĠ
Ġ
E
OĠ
OĠ
OĠ
E
E
OĠ
OĠ
ÇĠ
Ġ
Ġ
Ġ
OĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
OĠ
Ġ
Ġ
E
Ġ
OĠ
E OĠ OĠ
E
Ġ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
E
OĠ
OĠ
E
E
OĠ
OĠ
OĠ
E
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
OZ
E
Ġ
ÇĠ
OĠ
E
ÇĠ
E
OĠ
E
Ġ
OĠ
E
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
Ġ
Ġ
OĠ
Ġ
Ġ
OĠ
ÇĠ
Ġ
Ġ
Ġ
OĠ
OĠ
Ġ
ÇĠ ÇĠ
Ġ
Ġ
ÇĠ
OZ ÇZ
Ġ
OĠ
Ġ
Ġ
Ġ
E
E
Ġ
Ġ
Ġ
Ġ
E
Ġ
E
Ġ
Ġ
E
Ġ
E
E
E
Ġ
Ġ
Z
E
E
E
E
E
Ġ
OĠ
E
E
Ġ
E
E
E
E
OZ
E
OZ
Z
E
OĠ
E
E
E
E
E
OĠ
OĠ OĠ
Ġ
OĠ
Ġ
Ġ
ÇĠ
OĠ
Ġ
Ġ
Ġ
OĠ
ÇĠ
OĠ
E
ÇĠ
Ġ
ÇĠ
OĠ
OĠ
Ġ
OĠ
OZ
ÇĠ
E
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
Ġ
Ġ
Ġ
OĠ
ÇĠ
OĠ
E
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
E OĠ OĠ
Ġ
E
Ġ
ÇĠ
OĠ
OĠ
Ġ
Ġ
OZ
OĠ
E
OĠ
Ġ
Ġ
OĠ
Ġ
ÇĠ
E
E OĠ
E
E
E
E
OĠ
E
OĠ
ÇĠ
OĠ
OĠ
OĠ
E
OĠ
OĠ
E
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
E
Ġ
Ġ
ÇĠ
E
ÇĠ
ÇĠ
Ġ
Ġ
E
E
Ġ
ÇĠ
ÇĠ
ÇĠ
134 OZ
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
ÇĠ
OĠ
OZ
Ġ
E
E
E
E
Ġ
OZ
OĠ
Ġ
E
135
Ġ
ÇĠ
E
OĠ
OĠ
OĠ
OĠ
E
OĠ
OĠ
OĠ
ÇĠ
Ġ
ÇĠ
E
E
E
E
OZ ÇZ
Ġ
OĠ OZ E
E
OZ
E
Ġ
OĠ
OĠ
E
E
OZ
E
E
E
E
E
E
OZ OZ OZ OZ
136
ÇZ ÇĠ
ÇĠ
ÇZ ÇĠ ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
OZ
ÇĠ
E
ÇĠ
E
OZ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
OZ OZ OZ OZ
137
ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
OĠ
OĠ
Z
OĠ
OĠ
E
OZ
Ġ
Z
E
Ġ
OZ
Ġ
E
E
E
OZ
138
E
E
OZ
Z
Ġ
OĠ
E
A-3
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
139
Ġ
OĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
OĠ
Ġ
ÇĠ
Ġ
OĠ
OĠ
OĠ
Ġ
Ġ
OZ
OĠ
Ġ
140
ÇZ
Z
Z
E OĠ OĠ
Z
Z
E
E
E
E
E
E
Z
Z
Z
E
E
E
E
Z
Z
OĠ
E
141
ÇZ
E
E
Ġ
ÇZ E
E
E
E
E
142
Z
Ġ
Ġ
Ġ
E
Ġ
Z
OĠ
E
E
E
Ġ
E
E
OZ
E
ÇĠ
OĠ
Ġ
E
OĠ
Ġ
Ġ
ÇĠ
OZ
OĠ
Ġ
Ġ
Ġ
OĠ
E
Ġ
Ġ
Ġ
E
E
ÇĠ
ÇĠ
Z
Z
Ġ
Ġ
Ġ
E
OZ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
143 OZ ÇĠ
144
ÇZ OZ OZ
Ġ
ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
E
ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
OĠ
Z
E
OZ
E
ÇZ
Ġ
ÇĠ
Ġ
Ġ
OĠ
Ġ
Ġ
E
E
E
Ġ
Ġ
E
E
E
Ġ
Z
Ġ
Ġ
OĠ
E
E
OĠ
Ġ
OZ ÇZ
E
E
Ġ
Ġ
ÇĠ
ÇZ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
E
146
Ġ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
147
ÇZ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
E
E
ÇĠ
Ġ
Ġ
Ġ
OĠ
OZ
OĠ
E
Ġ
148
E
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
E
OĠ
Ġ
Ġ
E
E
E
E
Ġ
E
OĠ
E
Ġ
Ġ
Ġ
149 OZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
Z
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
OZ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
150 OZ OĠ
Ġ
E OĠ ÇĠ
OĠ
Ġ
ÇĠ
Ġ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
E
OĠ
OĠ
Z
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
OĠ
E
ÇZ
Ġ
OZ
145
ÇĠ ÇĠ
Ġ
Ġ
151
E
ÇĠ
OĠ
E
ÇĠ
OĠ
ÇĠ
152
E
OĠ
OĠ
E OĠ OĠ
OĠ
OĠ
E
Ġ
Ġ
Ġ
OĠ
OĠ
OĠ
ÇĠ
E
Z
ÇĠ
Ġ
ÇĠ
OĠ
OZ
Z
E
153 OZ OĠ
E
Ġ
E
OĠ
OĠ
OĠ
OZ
Ġ
E
Ġ
OĠ
ÇĠ
OZ
Ġ
Ġ
OZ
Ġ
OZ
E
OZ
Ġ
E
OĠ OĠ
154
Ġ
ÇĠ
ÇĠ
E
155
Z
OĠ
ÇĠ
OĠ OĠ
Ġ
Ġ
Ġ
E
Ġ
Ġ
E
E
E
E
E
Ġ
E
ÇZ
E
ÇĠ
E
E
E
ÇZ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
Ġ
Ġ
OĠ
OĠ
E
E
Ġ
E
OĠ
OĠ
Ġ
E
Ġ
156
OĠ
Ġ
Ġ
Ġ
OĠ
ÇĠ
Ġ
ÇĠ
Z
E
Ġ
Ġ
ÇĠ
E
Ġ
E
OĠ
Ġ
OZ
OĠ
OĠ
OĠ
OĠ
E OĠ OĠ OZ
Ġ
E
E
OĠ
OĠ
ÇĠ ÇĠ
157
Z
Ġ
Ġ
158
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ ÇĠ
159
Z
E
Ġ
Ġ
OĠ
160
Z
Ġ
ÇĠ
E
Ġ
161
E
ÇĠ
E
ÇĠ ÇĠ ÇĠ
162
E
Ġ
Ġ
E
E
Ġ
163
E
OĠ
Ġ
E
E
E
E
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
164
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
165 OZ
E
ÇĠ
E
Ġ
Ġ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
Ġ
OĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
E
Ġ
Z
Z
OZ
Ġ
ÇZ
E
OZ ÇZ OZ
OĠ
E
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
OĠ
OĠ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
OĠ
OĠ
OZ OZ
ÇĠ
ÇĠ
OZ Ġ
Ġ
OZ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
E
OZ OZ OZ OZ
Ġ
OĠ
ÇĠ
Ġ
OZ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
E
ÇĠ
ÇĠ
OĠ
E
Ġ
Ġ
Ġ
OĠ
OĠ
Ġ
Ġ
OĠ
E
E
ÇĠ
E
OĠ
OĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
OĠ
OZ
E
E
E
OZ
E
OZ OZ OZ OZ OZ
166
ÇĠ
E
OĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
OĠ
Ġ
E
E
E
ÇĠ
Z
E
OZ
OĠ
E
E
Z
OZ
167
E
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
ÇZ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
168
ÇĠ
E
ÇZ OZ ÇĠ ÇĠ OZ OĠ
ÇĠ
ÇĠ
OZ OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
169
ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
170
ÇZ ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
E
Ġ
Ġ
Ġ
Ġ
Ġ
E
E
E
ÇĠ
ÇĠ
E
E
Ġ
172 OZ
E
Ġ
Ġ
OZ OĠ
E
E
OZ OĠ
OĠ
E
Z
OZ OZ
173
E
E
E
Ġ
E
OĠ
OĠ
Ġ
Ġ
Ġ
Z
E
OĠ
OĠ
174
Z
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
175 OZ OĠ
E
E
E
Ġ
OĠ
OĠ
Ġ
Ġ
E
Ġ
OĠ
Ġ
Ġ
ÇĠ
OĠ
OĠ
ÇĠ
Ġ
E
OĠ
Ġ
Ġ
171
E
OĠ OĠ
ÇĠ
176
Ġ
Ġ
Ġ
177
OĠ
ÇĠ
ÇĠ
ÇĠ OĠ ÇĠ
ÇĠ OZ
178
Z
E
E
ÇZ E
E
179
OĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Z
180
ÇĠ
Ġ
Ġ
E
Ġ
ÇĠ
ÇĠ
181
E
E
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇĠ
ÇĠ
OĠ ÇĠ ÇĠ
E
Ġ
182
183
Ġ
Ġ
184
Ġ
Ġ
OĠ
E
185
E
OĠ
Z
OĠ E
E
E
Ġ
Ġ
OĠ ÇZ
ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
ÇĠ
Ġ
Ġ
OĠ
OZ
Ġ
Ġ
OZ
Ġ
Ġ
OĠ
Ġ
Ġ
OZ
Ġ
Ġ
OĠ
OĠ
Ġ
Ġ
E
E
E
OZ
Z
OZ OZ OZ
E
OZ
OĠ
OZ
E
E
E
Ġ
OĠ
OZ
E
E
Ġ
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
OZ
ÇĠ
OZ OZ
ÇĠ
Ġ
E
OZ
OĠ
OĠ
E
Ġ
OĠ
OĠ
OĠ
ÇĠ
E
ÇĠ
OĠ
E
E
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
OĠ
E
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
OĠ
E
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
OĠ
OĠ
E
E
E
E
OZ
E
E
E
E
E
E
E
E
E
E
Ġ
Ġ
ÇĠ
Ġ
E
Ġ
Ġ
Ġ
OĠ
OĠ
OZ
Ġ
E
Ġ
Ġ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ
Ġ
OZ
Z
OĠ
ÇĠ
Z
Ġ
Z
OĠ
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
ÇĠ
E
Ġ
E
ÇZ
Ġ
OĠ
Ġ
Ġ
Ġ
E
ÇĠ
Ġ
ÇĠ
OZ
E
OĠ
Ġ
OĠ
Ġ
OĠ
OZ
ÇĠ
ÇĠ
Ġ
E
Ġ
OĠ
E
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
OĠ
Ġ
Ġ
E
E
Ġ
E
Ġ
E
Ġ
E
E
E
OĠ
OZ
E
OĠ
E
E
OĠ
Ġ
OĠ
Z
OZ
E
Z
E
E
ÇZ
OĠ
ÇZ
Ġ
E
OĠ
OĠ
E
OĠ
A-4
ÇZ ÇZ
Ġ
E
E
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
186
Ġ
ÇĠ
OĠ
187
E
E
Ġ
188
ÇĠ
ÇĠ
ÇĠ
189
Ġ
OĠ
OĠ
Ġ
Ġ
OĠ
190
Ġ
Ġ
OĠ
OĠ
Ġ
Ġ
Ġ
OĠ E
ÇĠ
ÇĠ
191 OZ
ÇĠ
Z
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
E
Ġ
E
Z
Ġ
Ġ
Ġ
Ġ
Ġ
E
E
E
OZ
E
E
E
OZ
OĠ
E
E
E
E
OĠ
OZ
E
E
E
E
E
E
E
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
OĠ
OĠ
E
OĠ
OĠ
OĠ
OĠ
OĠ
E
Ġ
OĠ
Ġ
OĠ
ÇĠ
ÇĠ
Ġ
E
Ġ
Ġ
ÇĠ
E
E
Ġ
E
E
E
Ġ
Ġ
Ġ
OĠ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
E
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
E
Ġ
Ġ
Ġ
E
E
E
E
E
OZ
E
E
OĠ
E
Z
E
OĠ
OĠ
E
ÇĠ OĠ
Ġ
E
ÇĠ
OĠ
OĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
OĠ
ÇĠ
E
ÇĠ
E
Ġ
E
ÇĠ
Ġ
OĠ
ÇZ
E
ÇZ
E
OZ
ÇĠ
OZ
Z
OZ OZ
E
Z
E
OĠ
OĠ
OĠ
Z
OĠ
OZ OZ
ÇĠ
OĠ
OZ
Ġ
Ġ
ÇĠ
Ġ
OĠ
ÇZ OZ
Ġ
Z
E
Ġ
OĠ OĠ
192
E
193
E
Ġ
Ġ
OĠ
OĠ
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
Z
194
Ġ
E
E
OZ ÇĠ ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
Z
E
OĠ
OĠ
ÇZ
Z
ÇĠ
Ġ
Ġ
OĠ
ÇĠ
Ġ
Ġ
OĠ
ÇĠ
196 OĠ
Ġ
ÇĠ
Ġ
E
Ġ
ÇZ
Ġ
ÇĠ
ÇĠ
OĠ
OZ
Ġ
Ġ
ÇĠ
Ġ
OĠ
OĠ
Ġ
Ġ
197 OĠ
OĠ
Ġ
Ġ
E
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
OĠ
E
OZ OZ
OĠ
OZ OZ
OĠ
OZ
Ġ
OĠ
E
E
E
198
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ OZ
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
E
E
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
E
199
Ġ
Ġ
OĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
E
OZ
Ġ
Ġ
Ġ
OĠ
E
E
Ġ
OĠ
OĠ
E
OĠ
E
E
OĠ
ÇĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OZ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
195 ÇĠ
200 ÇĠ
Ġ
ÇĠ ÇĠ ÇĠ
Ġ
Ġ
ÇĠ
Ġ
OZ
Ġ
201 OĠ
Ġ
Ġ
OĠ OZ ÇĠ
E
Ġ
Ġ
Ġ
OZ
OĠ
Ġ
Ġ
OĠ
OĠ
OZ
E
OĠ
OĠ
Ġ
OĠ
OĠ
E
OĠ
202 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
OĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇZ
ÇĠ
E
ÇZ
ÇĠ
E
ÇZ
Ġ
203 ÇZ ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇZ
E
E
E
E
E
ÇĠ
E
E
E
E
E
E
E
E
OĠ
ÇĠ
Ġ
Ġ
E
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
204 ÇZ
E
ÇĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
205 OĠ
E
OZ
Ġ
OĠ OĠ OZ OĠ
Ġ
E
OĠ
OZ
Ġ
Ġ
E
E
ÇĠ ÇZ ÇĠ
E
E
ÇZ ÇZ
Ġ
206 ÇZ ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
OZ OZ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
E
OZ OZ OZ OZ OZ
ÇZ ÇZ ÇZ OZ OZ ÇZ OZ
207
Z
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
208
Z
Z
E
E
ÇĠ ÇĠ
OĠ
E
ÇĠ
ÇĠ
OZ OZ
E
E
E
OĠ
OZ
Z
E
OZ OZ
E
OZ
E
E
209 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
210 OZ ÇĠ
ÇĠ
OĠ OĠ OĠ
E
OĠ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
OĠ
E
OĠ
OZ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
OĠ OĠ ÇĠ
Ġ
E
ÇĠ
OĠ
OĠ
E
Ġ
Ġ
Ġ
Ġ
E
ÇZ
Ġ
E
OĠ
OĠ
OĠ
Z
E
212 OZ ÇĠ
ÇĠ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
OĠ
E
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
Ġ
E
Ġ
Ġ
OĠ
OĠ OĠ OĠ
211
E
E
Ġ
Ġ
214 ÇĠ
E
ÇĠ
215 OĠ
ÇĠ
216 ÇĠ
ÇĠ
217 ÇĠ
Ġ
E
Ġ
OĠ
OZ OZ
Ġ
ÇĠ
OĠ
OĠ
Ġ
Ġ
OĠ
E
OĠ
Z
OZ
OĠ
OĠ
OZ
E
Ġ
E
E
Z
OZ E
Ġ
E
Ġ
ÇĠ
OZ
E
Ġ
Ġ
OĠ
E
OĠ
E
E
OĠ
Ġ
OZ
ÇĠ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
E
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
ÇĠ
ÇĠ
OZ
ÇĠ
OĠ
OĠ
OZ
ÇĠ
OZ
E
E
E
Z
OĠ
ÇĠ
OĠ
Ġ
OĠ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
Z
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
218 OZ OZ
ÇĠ
ÇĠ ÇĠ
Z
OĠ
Z
ÇĠ
Z
E
ÇĠ
Z
ÇĠ
Ġ
OĠ
Z
OZ
Z
OĠ
Ġ
Z
219 OZ ÇĠ
Ġ
Ġ
Ġ
ÇĠ
E
E
Ġ
Ġ
Ġ
Ġ
Ġ
ÇZ
OĠ
E
OĠ
OZ
E
Ġ
OZ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
E
E
E
OĠ
E
ÇĠ
E
OĠ
E
E
OZ
Ġ
E
213
220 ÇĠ
ÇĠ
ÇĠ
E
ÇĠ OĠ ÇĠ OZ
OĠ E
OĠ
ÇĠ
OZ OZ
Z
OZ
E
Ġ
OZ OZ
221 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
Ġ
OĠ
OĠ
Ġ
OĠ
OĠ
222 OĠ
OĠ
OĠ
OĠ OĠ OĠ
OĠ
OĠ
ÇĠ
Ġ
Ġ
ÇĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
Ġ
OĠ
OĠ
OĠ
OĠ
Ġ
OĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
223
E
224 ÇĠ OZ
OĠ E
E
ÇĠ
Ġ
E
OĠ
ÇĠ
OĠ
OĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
OĠ
ÇĠ
OĠ
E
Ġ
Ġ
E
OĠ
Ġ
Ġ
Ġ
E
E
E
Ġ
ÇĠ
OĠ
Ġ
Ġ
E
Ġ
226 OĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
ÇĠ
OZ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
225
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
227 OZ OZ OZ OZ OZ OZ OĠ OZ OZ OZ OZ OZ OZ
E
OZ OZ OZ OZ OZ OZ OZ OZ OZ OZ OZ
228 ÇZ ÇĠ
ÇĠ
ÇĠ
OZ
229 ÇZ ÇĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
E
ÇZ
E
E
E
Ġ
Ġ
OĠ
ÇZ
OĠ
ÇĠ
ÇĠ
E
E
Ġ
E
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
OĠ
E
ÇĠ
E
E
OĠ
E
OĠ
E
E
OĠ
230
E
ÇĠ
ÇĠ
OĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
E
Ġ
Ġ
E
Ġ
231
Ġ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
232
E
OĠ
E
OĠ OĠ OĠ
E
OĠ
E
OZ OZ
E
ÇĠ
ÇĠ
ÇĠ
E
OZ
Ġ
OĠ
ÇĠ
Ġ
Ġ
OĠ
ÇĠ
Ġ
A-5
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
233 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
OZ OZ OZ OZ OZ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
235 OZ OĠ
OZ
E
Ġ
Ġ
E
ÇĠ
Ġ
Z
E
ÇĠ
OZ
Ġ
OZ
ÇĠ
ÇZ OZ
236 OZ ÇĠ
ÇĠ
E OĠ
Ġ
E
OĠ
Z
Z
OZ
OĠ
OĠ
Ġ
Ġ
E
OĠ
OZ
Ġ
OĠ
OZ OZ
234
Ġ
Ġ
E
OĠ
OZ
OĠ
Ġ
Ġ
OĠ E
OĠ
E
E
E
E
OĠ
OĠ
OZ OZ
E
OZ
Ġ
OĠ
OZ OZ OZ
E
E
238 ÇZ
Ġ
Ġ
OZ OĠ OĠ
E
Z
OĠ
OĠ
Ġ
E
Ġ
OĠ
OĠ
OĠ
OĠ
E
Ġ
E
OĠ
OĠ
OZ
E
ÇĠ
239 OĠ
E
E
OĠ E
E
OZ
E
OĠ
E
OZ
OĠ
OĠ
OĠ
OZ
Ġ
E
E
Ġ
OZ OZ
Z
Z
E
OĠ
240 ÇĠ
ÇĠ
ÇĠ
OĠ
237
Z
ÇĠ
ÇĠ OĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
E
E
OĠ
Ġ
OĠ
E
E
OĠ
OĠ
OĠ
E
241 ÇZ OĠ
Ġ
OZ OZ ÇĠ
E
OZ ÇĠ
ÇĠ
E
OĠ
ÇĠ
Ġ
Ġ
OĠ
OZ OZ
ÇĠ
ÇĠ
E
OZ OZ OZ
E
242 OZ OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
E
Ġ
Ġ
E
ÇĠ
OĠ
E
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
243 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
OĠ OĠ OĠ
Ġ
ÇĠ
ÇĠ
Ġ
OĠ
OĠ
OZ
OĠ
OZ
E
ÇĠ
ÇZ
E
E
OĠ
E
ÇĠ
ÇĠ
ÇZ
E
ÇĠ
E
ÇĠ
E
ÇZ ÇZ
E
E
E
E
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
E
OĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
OĠ
244
Ġ
245 ÇĠ ÇZ
246 ÇĠ
ÇĠ
Ġ
ÇZ ÇĠ ÇĠ ÇZ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
E
OZ
E
E
E
ÇĠ
E
ÇĠ
E
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
248 ÇZ ÇĠ
ÇĠ
OĠ ÇĠ ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
E
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
249 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
OĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
OĠ
Ġ
ÇĠ
OĠ
Ġ
ÇĠ
OZ
Ġ
OĠ
OĠ
OĠ
Ġ
E
Ġ
251 ÇĠ
ÇĠ
ÇĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
ÇĠ
E
ÇĠ
ÇĠ
OĠ
Z
ÇĠ
Ġ
ÇĠ
E
ÇĠ
ÇĠ
E
252 OZ
Ġ
ÇĠ
OZ
Ġ
Ġ
ÇĠ
Z
E
Z
Ġ
Z
Ġ
E
OĠ
Ġ
E
OĠ
E
OZ
E
Ġ
E
253 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ OZ
247
250
E
Ġ
254 ÇĠ
ÇĠ ÇĠ ÇĠ
E
Ġ
OĠ ÇĠ
Ġ
Ġ
E
Ġ
OĠ ÇĠ ÇĠ OZ ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
ÇĠ
ÇĠ
E
ÇĠ
E
ÇĠ
OZ
ÇĠ
E
OZ
255
Ġ
OĠ
Ġ
E
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
E
OZ
Ġ
OĠ
E
Ġ
OZ
OĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
E
OĠ
256
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
257 OZ ÇĠ
ÇĠ
ÇĠ OĠ ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
OZ
OĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
OĠ
E
OĠ
ÇĠ
OĠ
258 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ
ÇĠ
ÇZ ÇZ ÇZ
ÇĠ
ÇZ ÇZ ÇZ ÇZ ÇZ
ÇĠ
ÇZ ÇZ
259 ÇĠ
OĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
ÇZ
ÇĠ
OĠ
ÇĠ
260 ÇZ ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
E
E
OĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇZ
E
OĠ
OĠ
OĠ
OĠ
ÇĠ
ÇĠ
Z
E
OĠ
E
Z
E
E
261 OZ
Ġ
Ġ
E
ÇĠ ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
E
Ġ
OĠ
OĠ
OĠ
Ġ
ÇĠ
Z
OĠ
E
Ġ
OĠ
OĠ
E
E
262 ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ ÇĠ ÇZ ÇZ ÇĠ
ÇZ OZ
Ġ
Ġ
264 OĠ
ÇĠ
ÇĠ
265 ÇĠ
E
ÇĠ
Ġ
266 ÇZ
Z
Z
E
267
E
Ġ
Ġ
263
Z
E
268 ÇĠ OZ
Z
ÇĠ
ÇZ
Z
Ġ
OĠ
ÇĠ
E
OĠ
Ġ
Z
E
ÇĠ
ÇĠ
OZ
ÇĠ
Z
ÇĠ
ÇĠ
Z
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Z
Z
OĠ
E
OĠ
OĠ
E
Ġ
Ġ
Ġ
Ġ
Ġ
E
E
Z
E
E
E
E
OZ
ÇĠ
OZ
OĠ
OĠ
OĠ
OĠ
OZ
OĠ
E
Ġ
Ġ
E
E
ÇĠ
ÇĠ
OZ
ÇĠ
ÇĠ
OĠ
OZ
ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
Ġ
E
E
ÇĠ
Z
E
ÇĠ
ÇĠ
Z
E
ÇĠ
ÇĠ
ÇĠ
OZ
E
E
E
Z
E
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
Ġ
E
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
E
E
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
E
OĠ
ÇĠ ÇĠ
OĠ E
E
E
Ġ
OĠ
ÇĠ
ÇĠ
E
E
OĠ
OĠ
OĠ
E
Ġ
E
E
E
OĠ
E
E
E
E
269
E
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
Z
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇZ
Z
E
Z
E
Ġ
Ġ
E
270
Z
Ġ
Ġ
OĠ OĠ
OZ
Ġ
Ġ
OĠ
E
OĠ
E
E
E
E
OĠ
ÇZ
OĠ
OZ
E
E
Z
ÇZ OZ
271 OĠ
OĠ
Ġ
272
OĠ
OĠ
E
Ġ
Ġ
OĠ
Ġ
E
E
Ġ
Ġ
OĠ
OĠ
Ġ
Ġ
E
OĠ
OĠ
OĠ
Ġ
OĠ
OĠ
E
E
OĠ
OĠ
E OĠ
Ġ
OĠ
OĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
OZ
Ġ
OĠ
OZ
E
OĠ
E
E
E
E
OZ
273 OZ
Ġ
Ġ
ÇĠ
Ġ
Ġ
OZ
Ġ
OĠ
E
Ġ
Ġ
Ġ
Ġ
E
OĠ
OĠ
E
Ġ
OZ
Ġ
OĠ
E
Ġ
Ġ
274 ÇZ
E
OĠ
E
E
Ġ
E
E
Ġ
Ġ
OĠ
E
Ġ
Ġ
ÇĠ
Ġ
Z
E
ÇĠ
ÇZ
OĠ
E
OZ
Ġ
OĠ
275
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
E
OZ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
276 ÇĠ
OĠ
ÇĠ
E
OĠ
ÇĠ
ÇĠ
OĠ
Ġ
E
OĠ
ÇĠ
E
OĠ
Z
OĠ
OĠ
E
E
E
Ġ
ÇĠ
277 OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
OĠ
E
Ġ
OĠ
Ġ
OĠ
E
OĠ
OĠ
OZ
E
Ġ
278
Z
Ġ
Ġ
Ġ
Ġ
Ġ
E
Ġ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
E
Z
Ġ
ÇĠ
OĠ
OĠ
Ġ
Z
OĠ
279
Z
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
Ġ
E
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
E
OZ OZ ÇĠ
ÇĠ ÇĠ
A-6
EK-A‟NIN DEVAMI
L1 L2
280 ÇZ ÇĠ
281
Z
282
Ġ
283 OĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
E
Ġ
OĠ
Z
OĠ
Z
OĠ
OĠ
OĠ
Ġ
E
Ġ
ÇZ ÇZ ÇZ ÇZ
E
OZ OZ
ÇĠ
ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
Z
OĠ
E
E
E
OZ
E
ÇZ
E
OZ
E
E
E OĠ
Ġ
OĠ
Ġ
E
OZ
E
Ġ
OZ
Z
E
Z
Z
E
E
OZ
Z
OZ OZ
E
ÇĠ
ÇĠ
E OĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
Ġ
ÇĠ
E
E
ÇĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
OĠ E
ÇĠ
OĠ
Ġ
Ġ
Ġ
OZ
E
OĠ
OĠ
OĠ
OZ
Ġ
E
OĠ
Ġ
E
E
E
OĠ
E
285 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
E
Ġ
Ġ
E
E
ÇĠ
ÇZ
ÇĠ
OĠ
E
OĠ
E
ÇZ
Ġ
286 OZ ÇĠ
ÇĠ
E
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
Ġ
OĠ
Ġ
OĠ
E
Ġ
OĠ
Ġ
OĠ
OĠ
E
OĠ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
E
Ġ
E
Ġ
OĠ
Ġ
E
E
Ġ
284
287
Ġ
E
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
288 ÇĠ
289
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
290
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
Z
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
OĠ
OĠ
291 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ ÇZ ÇĠ ÇZ ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
292 OZ
Ġ
OĠ
OĠ OĠ
OZ OZ OZ
Z
Z
E
E
Z
E
Z
OZ
Z
Z
OZ
Z
293
Z
E
E
ÇĠ OĠ ÇĠ OZ ÇĠ
294
Ġ
Ġ
Ġ
295 OZ
Ġ
Ġ
296
E
Ġ
Ġ
297 OĠ
Ġ
Ġ
298
Ġ
ÇĠ
Ġ
E
E
OZ
Ġ
E
ÇĠ
E
OĠ
OĠ
OZ
OĠ
Z
OĠ
E
OZ
E
Z
E
E
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OZ E
E
Ġ
E
Ġ
Ġ
Ġ
Ġ
OĠ
E
OZ
OĠ
E
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
OZ
Z
Ġ
Ġ
E
Ġ
Ġ
E
Ġ
Ġ
Ġ
Ġ
Ġ
OZ
E
Ġ
OĠ
OĠ
OĠ
Ġ
OZ OĠ
Ġ
ÇĠ
ÇĠ
Ġ
E
E
E
Ġ
Ġ
OĠ
OZ
Z
Ġ
Ġ
Ġ
OĠ OĠ
Ġ
OZ OZ
OZ OZ
OZ OZ
OĠ
E
E
E
Ġ
ÇĠ
Ġ
ÇĠ
Z
E
E
Ġ
E
Z
E
Z
E
E
Z
Z
Z
299 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
300
E
E
E
E
E
E
E
E
E
E
E
E
E
ÇĠ
E
Ġ
Ġ
OZ OZ
E
E
ÇĠ
E
E
E
E
E
E
E
E
301 ÇĠ
ÇĠ ÇĠ ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
OZ
ÇĠ
ÇĠ
Ġ
E
OĠ
ÇĠ
OZ
E
Z
OĠ
302
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
OZ OZ OZ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E
Ġ
Ġ
E
303
Ġ
ÇĠ
ÇĠ
Ġ
E
E
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
Ġ
ÇĠ
Ġ
E
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
304 OĠ
Ġ
ÇĠ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
E
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
E
Ġ
Ġ
OĠ
305 ÇZ
Z
ÇĠ
ÇZ ÇZ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
306 OĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ OZ OZ
OĠ
OĠ
OĠ
OZ
ÇĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
ÇZ
OĠ
OĠ
Ġ
ÇĠ
ÇĠ
307 ÇZ
Ġ
ÇĠ
ÇĠ ÇĠ ÇĠ OZ OĠ
ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
OĠ
ÇĠ
OĠ
OZ
E
E
OZ
E
E
E
OĠ
E
308 ÇĠ
ÇĠ
ÇĠ
OĠ ÇĠ ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
309 OZ
Ġ
ÇĠ
Z
Ġ
310 ÇĠ
ÇĠ
Ġ
E
311 ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
OZ
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Z
OĠ
OĠ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
OĠ ÇĠ ÇĠ
Ġ
Ġ
313 OZ OĠ
Ġ
E
Ġ
Ġ
Ġ
314
Ġ
E
E OĠ ÇĠ
ÇĠ
315
Ġ
312
Ġ
ÇĠ
ÇĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
OĠ
OĠ
E
317 ÇZ ÇĠ
ÇĠ
ÇĠ ÇZ ÇĠ
318 ÇZ ÇĠ
319
316 OĠ
E
OĠ
OĠ
E
E
E
OĠ
E
ÇĠ
ÇĠ
Z
OĠ
E
E
OĠ
OĠ
E
OĠ
OĠ OZ
E
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
E
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
ÇĠ
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OZ
E
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
E
OĠ
E
E
E
E
E
OĠ
E
E
E
E
OĠ
E
OZ
E
E
ÇĠ
E
ÇĠ
ÇZ
ÇĠ
E
Z
OĠ
ÇĠ
ÇZ
E
OĠ
E
ÇZ
E
OZ
ÇĠ
OZ
Z
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
E
OĠ E
E
OĠ
E
E
OZ
E
E
E
E
E
E
E
OZ
E
E
E
E
E
E
E
320 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
OZ ÇZ ÇZ
E
ÇĠ
OZ
ÇĠ
ÇĠ
Ġ
OZ
321 OZ
Ġ
ÇĠ
ÇĠ ÇĠ ÇĠ
E
Ġ
ÇĠ
Ġ
E
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
OĠ
ÇĠ
Ġ
322 ÇZ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
OZ ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
323
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
E
E
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Z
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
324
Ġ
ÇĠ
ÇĠ
OZ OZ Ġ
Ġ
ÇĠ
E
Ġ
OĠ
OĠ
Ġ
E
Z
OĠ
E
OĠ
E
E
E
E
E
E
E
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
Ġ
Ġ
Ġ
Z
E
Ġ
E
Ġ
OĠ
E
OZ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
325 ÇĠ
326
Ġ
Ġ
Ġ
Ġ
ÇĠ ÇĠ
OĠ
Ġ
A-7
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
327
E
ÇĠ
ÇĠ
ÇĠ
Ġ
328
E
OZ
E
E
OZ Ġ
329
Ġ
ÇĠ ÇĠ ÇĠ
330 ÇĠ
331
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
332 OĠ OZ OZ
Ġ
Ġ
ÇĠ
ÇĠ ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
OĠ
E
E
OĠ
Ġ
OZ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
OZ
E
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OZ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
E
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
E
OĠ
OĠ
OZ
Ġ
OĠ
OĠ ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
ÇĠ
Z
Ġ
ÇĠ
ÇZ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
ÇĠ
ÇĠ
E
E
OĠ
OĠ
OĠ
OĠ
E
E
OĠ
Ġ
Ġ
OĠ
OĠ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
OZ
Z
E
OZ
OĠ
OZ
E
ÇĠ
E
Ġ
Z
OZ OZ OZ ÇZ OZ
Z
ÇZ
Ġ
E
OĠ E
334 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
ÇĠ
335 OĠ
Ġ
ÇĠ
ÇĠ ÇĠ ÇĠ
E
ÇĠ
ÇĠ
Ġ
OZ
ÇĠ
Ġ
336
Ġ
ÇĠ
Z
OZ ÇĠ
ÇĠ
Ġ
Ġ
Ġ
OZ OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
333
Z
E
OZ OZ
E
Z
Ġ
E
E
E
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
E
E
OĠ
ÇĠ
E
Ġ
ÇĠ
Ġ
Ġ
OĠ
OĠ
Ġ
OZ
Ġ
Ġ
E
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
337 OĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
338
E
OĠ
OĠ
ÇĠ OĠ
339 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
340 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
341
E
E
E
E
Z
Z
E
E
E
Z
E
Z
E
E
ÇZ
E
E
E
E
OZ
Z
ÇĠ
E
342
Z
ÇĠ
E
Ġ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
E
Ġ
OĠ
Ġ
Ġ
343 ÇZ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
E
E
E
E
E
E
E
OZ
E
E
E
E
E
E
E
344 ÇĠ
Z
OĠ
E
E
ÇĠ OZ
E
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
345 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OZ
OĠ
OĠ
OĠ
OĠ
Ġ
Ġ
E
OĠ
Ġ
OĠ
E
E
OĠ
E
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇZ
ÇĠ
ÇĠ
Ġ
OĠ
OĠ
OĠ
OĠ
346 OZ OĠ
Ġ
OZ ÇĠ ÇĠ
Ġ
347 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
348
ÇĠ
ÇĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇZ
OĠ
E
Ġ
Ġ
Z
E
Z
ÇZ
ÇĠ
Ġ
Z
ÇĠ
349 ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
350
Ġ
Ġ
ÇĠ
351
E
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
E
OZ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
E
Ġ
Ġ
ÇĠ
Z
ÇĠ
Ġ
E
OĠ
ÇĠ
E
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
352 OZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
OĠ
OZ
ÇĠ
OĠ
OĠ
353 OĠ
OĠ
E
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
354 OĠ
ÇĠ
ÇĠ
ÇĠ OĠ
Ġ
ÇĠ
ÇĠ
OĠ OZ
OĠ
OĠ
E
OZ
ÇĠ
OĠ
OĠ
OZ
Ġ
OZ
OĠ
OĠ
ÇĠ
Ġ
Ġ
E
Ġ
Ġ
E
Ġ
E
Ġ
OĠ
OĠ
OĠ
OĠ
E
E
E
OĠ
OĠ
E
E
E
E
E
E
E
E
356 OĠ
Ġ
Ġ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E
Ġ
OĠ
Z
ÇĠ
OZ
Ġ
OĠ
Ġ
Ġ
E
357 OĠ
Ġ
ÇĠ
Ġ
OĠ
Ġ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
E
OĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ OZ OZ OZ OZ OZ OZ OZ
355
358
Z
ÇĠ
OZ
359
Ġ
E
Ġ
OĠ
E
OZ
E
E
E
E
OZ
E
E
OĠ
OZ OZ
E
OZ OZ
E
E
360 OĠ
OĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
Ġ
OĠ
OĠ
ÇĠ
OĠ
361 OZ
Ġ
Ġ
OZ OĠ OĠ
E
Ġ
Ġ
Ġ
OZ
E
E
E
OZ
E
E
OZ
Ġ
OĠ
OĠ
E
OĠ
E
OZ
362 ÇZ ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
Ġ
E
E
OĠ
ÇĠ
Ġ
E
ÇZ
Ġ
Ġ
OĠ
E
Ġ
E
OĠ
E
363 OZ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
OZ
E
E
E
E
Ġ
ÇĠ
Z
E
OZ
E
E
Z
OZ
E
364 OĠ
E
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
OĠ
Ġ
OZ
E
OĠ
OĠ
OĠ
E
OĠ
OĠ
Ġ
OZ OZ
OZ OZ
365
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
OĠ
Ġ
E
Ġ
Ġ
Ġ
ÇĠ
OĠ
E
OĠ
ÇĠ
E
ÇĠ
Ġ
OĠ
366
E
Ġ
OĠ
OĠ
Ġ
Ġ
OĠ
OĠ
Ġ
ÇĠ
E
OĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
E
OĠ
Ġ
E
E
E
Ġ
367
E
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
E
E
E
E
E
E
E
E
E
E
E
E
E
ÇĠ
E
E
E
E
368 OZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
E
Ġ
Ġ
OĠ
Ġ
OĠ
OĠ
Ġ
OĠ
OĠ
OĠ
Ġ
369
Z
Ġ
Ġ
Ġ
OĠ
Ġ
OZ ÇĠ
370
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
OZ
Ġ
ÇĠ
ÇĠ
ÇZ
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
E
E
OĠ
ÇZ
ÇĠ
E
ÇĠ
OĠ
ÇZ
371
E
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
OĠ
E
E
E
OĠ
E
OZ
E
OZ
E
E
Ġ
E
E
372 OĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
E
Ġ
Ġ
OĠ
E
E
Ġ
E
OĠ
OĠ
E
E
E
OĠ
OĠ
OĠ
E
E
OĠ
373
OĠ
ÇĠ
E
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Z
OZ
Ġ
ÇĠ
Ġ
E
Ġ
OZ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Z
ÇĠ
Z
A-8
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
374 OZ
Ġ
Ġ
375 ÇZ
Ġ
OĠ
376 OĠ
OĠ E
OĠ
E
OĠ
Ġ
OĠ
E
E
OĠ
OĠ
OZ OZ OZ
Ġ
E
OĠ
E
OĠ ÇĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
E OĠ
OZ
Ġ
Ġ
OĠ
E
ÇĠ
Ġ
ÇĠ ÇĠ ÇĠ
378 OĠ
OĠ
E
E
E
OĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
377
379
Ġ
380 OZ OĠ
Ġ
OĠ
Ġ
ÇĠ
E
OĠ
Ġ
Ġ
Ġ
OĠ
Z
OĠ
OĠ
OZ
OĠ
OĠ
E
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
E
OĠ
OĠ
E
E
OZ
OĠ
E
OZ
E
OĠ
OĠ
OĠ
E
OĠ
E
E
OĠ
OĠ
OĠ
OĠ
E
OĠ
OĠ
E
E
OĠ
OĠ
OĠ
OĠ
OĠ
ÇĠ
Ġ
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
E
E
ÇĠ
Ġ
Ġ
OĠ
OĠ
OĠ
ÇĠ
OZ OĠ
OZ
OĠ
OĠ
OĠ
E
E
Z
Z
Ġ
OZ
OĠ
OĠ
E
Z
OZ
OĠ
OZ OZ
Ġ
Ġ
OĠ
OĠ OĠ OĠ
E
E
OĠ OZ
Ġ
ÇĠ
OĠ OĠ OĠ
OĠ
E
E
OĠ
OĠ
OĠ
Ġ
ÇĠ
OĠ OĠ ÇĠ
OĠ
Ġ
OĠ
Ġ
Ġ
OĠ
OĠ
Ġ
383 ÇĠ
ÇĠ
ÇĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
E
ÇĠ
OZ
OĠ
E
Ġ
OĠ
OĠ
OZ OZ
ÇĠ
ÇZ
Ġ
OZ
OĠ
E
OĠ
OZ OZ
ÇĠ
ÇĠ
ÇĠ
OĠ
E
ÇĠ
E
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
385 ÇĠ ÇZ
ÇĠ
ÇĠ
E ÇZ ÇZ ÇĠ ÇZ ÇZ ÇZ
ÇĠ
E
ÇZ ÇZ
E
ÇZ ÇZ
E
ÇĠ
E
ÇZ ÇZ
E
E
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
E
OĠ
OĠ
OĠ
E
E
OĠ
OĠ
OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E
E
E
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
OZ
Z
E
E
ÇĠ
Ġ
E
384
386
387 OZ
388
Ġ
389
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
E
Ġ
E
OZ ÇĠ
Ġ
382 OĠ
381
OĠ
OZ OZ
E
Ġ
Ġ
Ġ
OĠ
Ġ
OĠ
E
E
E
E
E
Ġ
E
E
OĠ
OĠ
E
OĠ
E
E
E
E
E
Ġ
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
OĠ
ÇĠ
E
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
E
E
Ġ
Ġ
E
OĠ
390 ÇĠ
E
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
391 ÇĠ
ÇĠ
ÇĠ
ÇZ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OZ
ÇĠ
OZ
ÇĠ
E
E
ÇĠ
ÇĠ OĠ ÇĠ
E
E
OĠ OZ
ÇĠ
OZ
Ġ
OZ
ÇĠ
Ġ
E
ÇZ
E
E
OZ ÇZ
OĠ
ÇZ ÇZ
393 ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
394 ÇZ OĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
395 ÇZ OZ ÇZ ÇZ OĠ OZ
Z
OZ ÇĠ
ÇZ
Ġ
E
Z
396 OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
OZ OZ ÇĠ
ÇĠ
ÇĠ OZ OZ OZ
Z
E
E
E
ÇĠ
E
E
Ġ
392
397
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
398 OZ OĠ
399 OZ
ÇĠ ÇĠ ÇĠ
Ġ
E
OĠ
E
E
OZ OZ OZ OZ
OĠ OZ
E
E
OĠ
OĠ
Ġ
OĠ
OĠ
OZ OZ
Z
OZ
ÇĠ
E
ÇZ
ÇĠ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
E
E
E
E
E
E
E
E
E
OZ
Ġ
Ġ
Ġ
E
Ġ
OĠ
OĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
Ġ
OĠ
Ġ
Ġ
ÇĠ
OĠ E
E
E
E
E
OĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
E
OĠ
OĠ
OĠ
OZ
OĠ
OĠ
OĠ
Z
Ġ
ÇĠ
Ġ
OĠ
OĠ
Ġ
Ġ
403 ÇĠ
Ġ
Ġ
E
E
ÇĠ
402
Ġ
ÇZ OZ
401 OZ ÇĠ
400
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
E
E
E
ÇĠ
ÇĠ
ÇĠ
E
E
E
E
E
OZ
ÇĠ
E
ÇĠ
E
E
OZ
E
404 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
405 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
406 ÇĠ
E
ÇĠ
ÇĠ ÇZ E
E
Z
E
Ġ
E
Ġ
OĠ
OĠ
OĠ
E
ÇĠ
E
E
OZ
E
OZ OZ
E
E
407
Z
E
OZ
Ġ
E
E
E
E
E
E
E
E
E
E
E
E
OZ
E
E
E
E
E
E
E
E
408
Z
E
OZ
OĠ
Ġ
ÇĠ
OĠ OZ OĠ
Z
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
OĠ
OĠ
Ġ
ÇĠ
E
OZ
ÇĠ
409 ÇĠ
E
Ġ
E
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
Ġ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
410
Ġ
Ġ
Ġ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
E
Ġ
E
Ġ
Ġ
ÇĠ
OZ
411
Z
Z
OZ
Z
Z
Z
Z
Ġ
ÇĠ
E
E
Z
Z
Z
OZ
Ġ
Ġ
Ġ
Ġ
E
E
OĠ OĠ
413 OZ ÇĠ
ÇĠ
ÇĠ
Ġ
412 OZ
Z
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
OZ OZ
OZ OĠ
OZ OZ OZ OZ
OZ OZ
Z
OZ OZ
E
E
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇZ ÇZ
E
Ġ
Ġ
ÇĠ
Ġ
E
Ġ
Ġ
E
E
E
E
E
OĠ
OĠ
OĠ
E
OĠ
E
OĠ
OĠ
OĠ
OĠ
415 ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
OĠ
E
OĠ
E
E
OZ
OĠ
Ġ
OZ
OĠ
E
OĠ
OĠ
Ġ
OĠ
OĠ
416
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
OĠ
E
Ġ
E
OĠ
E
417 OĠ
ÇĠ
Ġ
ÇĠ ÇĠ
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E
OĠ
OĠ OĠ
Ġ
Ġ
E
OĠ
OĠ
OZ
E
Ġ
OĠ
OĠ
OZ
Z
Z
E
OĠ
E
E
OZ OZ
E
E
ÇĠ OZ OĠ
Ġ
E
E
E
OĠ
OĠ
OZ
OĠ
OZ
E
E
E
E
E
OĠ
OĠ
OĠ
E
OZ
OĠ
E
ÇĠ
ÇĠ
Ġ
E
ÇĠ
OĠ
OĠ
OĠ
Z
ÇZ
Ġ
OĠ
E
Ġ
E
OĠ
E
Ġ
E
E
414
418
Ġ
419 OĠ
420
Ġ
Ġ
ÇĠ
A-9
Ġ
Z
EK-A‟NIN DEVAMI
L1 L2
421 ÇĠ
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
ÇĠ
ÇĠ
422
E
Ġ
Ġ
423
E
ÇĠ
ÇĠ
424 ÇZ ÇĠ
ÇĠ
ÇZ ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
E
ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
E
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
OĠ
ÇĠ
OĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
Ġ
OĠ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
OĠ
ÇĠ
ÇĠ
ÇZ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ
ÇĠ
ÇZ
ÇĠ
ÇZ
ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
ÇĠ
Ġ
Ġ
425
Z
ÇĠ
Ġ
E
426
E
ÇĠ
Ġ
OĠ E
427
E
OZ
OĠ
428
Z
Ġ
ÇĠ
429 OZ OZ
Ġ
430
E
E
431
Ġ
E
ÇĠ
Ġ
Ġ
Ġ
OĠ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
OĠ
E
Ġ
OĠ
OĠ
Ġ
Ġ
ÇĠ ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
OZ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
Z
E
OZ OĠ
E
ÇĠ
Ġ
OZ
Ġ
Ġ
E
Ġ
E
E
OZ OZ OZ
E
OZ OZ
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
OZ OZ ÇZ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OZ
ÇĠ
Z
ÇĠ
Ġ
OĠ
OZ
E
Ġ
Ġ
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
OĠ
OZ
Ġ
OĠ
Ġ
Ġ
Ġ
OĠ
Ġ
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
OZ OĠ OZ OĠ
Ġ
ÇĠ
Ġ
OĠ
E
Ġ
Ġ
E
E
E
OĠ
OZ OZ
Ġ
Ġ
E
E
E
E
OĠ
ÇĠ
E
OĠ
Z
OĠ
OĠ
Ġ
Ġ
OZ
OĠ
E
OĠ
E
OZ
E
E
OZ
OĠ
OZ OZ
E
E
433 ÇZ ÇĠ
ÇĠ
Z
OZ ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
Z
ÇĠ
OĠ
ÇZ
OĠ
ÇĠ
OZ
ÇĠ
OĠ
E
434 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
435
ÇĠ
ÇĠ
ÇĠ OĠ OĠ
E
OĠ
ÇĠ
ÇĠ
E
E
OĠ
OĠ
OĠ
E
OZ
E
E
E
E
OĠ
E
OĠ
OĠ
436 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
OĠ
432 ÇZ
E
OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇZ ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
437
E
Ġ
Ġ
E
E
OĠ
OĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
438
Z
OĠ
OZ
ÇĠ
E OZ ÇĠ
E
OZ
ÇĠ
E
OĠ
OĠ
OĠ
ÇĠ
ÇĠ
E
Ġ
OZ
E
OĠ
Z
E
ÇĠ
OZ
439
Z
Ġ
E
E
E
OĠ
Ġ
OĠ
OĠ
E
OĠ
ÇĠ
OZ ÇĠ ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
E
E
Ġ
ÇĠ
OĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
Ġ
ÇĠ
440 ÇZ ÇĠ
441 ÇZ
Ġ
Ġ
OĠ
Ġ
E
OĠ
Ġ
E
OĠ
E
E
E
E
E
OĠ
E
ÇĠ
E
ÇĠ
ÇĠ
ÇZ
E
E
Z
ÇĠ
Ġ
Ġ
ÇĠ
ÇZ
OĠ
E
E
ÇĠ
OĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ ÇĠ
ÇĠ
ÇĠ
Z
E
ÇĠ
ÇĠ
Z
OZ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
443 ÇZ ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ OZ
Ġ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
444 ÇZ
E
E
Z
E
ÇĠ OZ
E
ÇĠ
ÇĠ
Ġ
E
ÇĠ
Ġ
Z
ÇZ ÇZ ÇZ ÇZ
Z
Z
ÇZ ÇZ
445
Ġ
OĠ
OĠ
442
Z
Ġ
OZ OZ ÇZ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
OĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
446 ÇZ
Ġ
ÇĠ
E OĠ ÇĠ OZ OZ ÇĠ
ÇĠ
OZ
E
Ġ
Ġ
Ġ
E
OZ ÇZ
ÇĠ
ÇZ
ÇĠ
OZ
OĠ
ÇZ ÇZ
447
Ġ
E
E
E
E
E
E
E
E
OZ
E
E
E
E
E
E
E
E
OZ
E
Z
E
OĠ
ÇZ ÇZ
E
E
448 OĠ
Ġ
ÇĠ
E
ÇĠ
ÇĠ
Ġ
E
Ġ
E
E
E
E
E
E
Ġ
OĠ
E
E
E
E
E
E
E
449 ÇĠ
E
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
451
E
ÇĠ
ÇĠ
Ġ
Ġ
E
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
OĠ
ÇĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
Ġ
452
E
E
Z
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
ÇĠ
OĠ
Ġ
Ġ
OZ
Ġ
Ġ
E
Z
E
OZ
OĠ
OZ
E
OĠ
E
453 ÇĠ
450 OZ OZ
Ġ
E
OĠ
OZ E
ÇĠ
ÇĠ
OĠ OĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
OZ
E
ÇĠ
OĠ
E
OĠ
ÇĠ
ÇĠ
454 ÇZ ÇĠ
ÇĠ
ÇZ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
OĠ
OĠ
Ġ
OĠ
OĠ
OĠ
OĠ
455 OĠ OZ
OĠ
OĠ
Ġ
OĠ
OĠ
E
OĠ
ÇĠ
OĠ
ÇĠ
OĠ
E
OZ
ÇĠ
Z
Z
OĠ
OZ
ÇĠ
Ġ
Ġ
Z
OĠ
Ġ
Ġ
Ġ
456
E
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
E
OĠ
E
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
OZ
OĠ
Ġ
457
E
OĠ
OĠ
OĠ OĠ OĠ
Z
E
OĠ
Ġ
OZ
Z
ÇĠ
ÇĠ
E
OĠ
OZ
OĠ
Ġ
E
Ġ
Ġ
E
OĠ
OĠ
Ġ
OĠ
OĠ OĠ
OĠ
OĠ
ÇĠ
ÇĠ
OĠ
E
Ġ
Ġ
Ġ
E
OĠ
OZ
Ġ
E
E
Ġ
OĠ
E
OĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ
Ġ
Ġ
ÇĠ
ÇĠ
458 ÇZ
459
E
460 OZ ÇĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇZ
ÇĠ
OZ
ÇĠ
Ġ
ÇĠ
OĠ
OZ OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
461 OĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
462
Z
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
463
E
ÇĠ
ÇĠ
OĠ
OĠ OZ
E
Ġ
ÇĠ
OĠ
E
E
E
E
E
Ġ
E
E
E
E
E
E
E
E
464
E
ÇĠ
ÇĠ
ÇĠ OĠ OĠ
465
E
Ġ
ÇĠ
Ġ
466
E
Ġ
ÇĠ
Ġ
467
Z
E
E
E
Ġ
E
OĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
E
Ġ
Ġ
OĠ
Ġ
OĠ
Ġ
OĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
E
Ġ
Ġ
E
Ġ
E
E
OĠ
OĠ
OĠ
E
OĠ
OĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
ÇĠ
E
E
OZ
E
E
Z
E
E
E
E
E
Z
E
E
E
E
Ġ
E
Z
E
E
E
E
E
E
E
E
ÇĠ
E
E
E
E
E
Ġ
Ġ
E
A-10
EK-A‟NIN DEVAMI
L1 L2
Ġ
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
E
E
ÇĠ ÇĠ ÇĠ
469 OĠ
ÇĠ
ÇĠ
OĠ E
470 OĠ
ÇĠ
ÇĠ
OZ OĠ
471
E
ÇĠ
ÇĠ
Ġ
472
E
OĠ
Ġ
473
Z
E
OĠ
474 OZ OĠ
OĠ
468
Z
OĠ OZ
OĠ
ÇĠ
ÇĠ
OZ
OĠ
Ġ
Ġ
Ġ
Ġ
E
ÇĠ
ÇĠ
E
OĠ
Ġ
OĠ
Ġ
ÇĠ
E
Ġ
Ġ
OĠ
OĠ
Ġ
Ġ
OĠ
Ġ
OĠ
OZ
ÇĠ
Ġ
Ġ
Ġ
E
Ġ
Ġ
E
Ġ
Ġ
ÇĠ
Z
E
OZ
ÇĠ
ÇĠ
OZ
ÇĠ
E
ÇĠ
ÇĠ
OĠ
ÇĠ
OĠ
OZ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
OĠ
Ġ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
E
E
OĠ
OĠ
E
Ġ
ÇĠ
Z
E
OZ OZ OZ OZ
E
OZ
E
E
OZ OZ
E
Z
ÇĠ
Ġ
Ġ
OĠ
Ġ
ÇĠ
OĠ
OĠ
OĠ
E
Z
OĠ
ÇĠ
E
OZ
Ġ
ÇĠ
Ġ
Ġ
Ġ
OĠ
Ġ
OĠ
Ġ
E
Ġ
Ġ
Ġ
Ġ
E
E
E
Ġ
OĠ
ÇĠ OZ
E
E
OZ OZ
E
OZ
Ġ
OĠ
OĠ
OĠ
E
Ġ
ÇĠ
E
ÇĠ
Z
Z
E
Z
E
Ġ
ÇĠ
OĠ
OĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
Ġ
476
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
477
E
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Z
OZ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
ÇĠ
Ġ
478
E
Ġ
Ġ
E
OĠ
475 ÇZ
OĠ ÇĠ ÇĠ
ÇĠ
E
Ġ
ÇĠ
Ġ
OĠ
OĠ
Ġ
OĠ
OĠ
Ġ
479 OZ ÇĠ
Ġ
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
OĠ
E
OZ
ÇĠ
OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
OZ
ÇĠ ÇĠ ÇĠ ÇZ ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
OĠ ÇĠ ÇĠ
OĠ
ÇĠ
E
OĠ
ÇĠ
ÇĠ
480
481 ÇĠ
Ġ
ÇĠ
E
ÇĠ
Ġ
483 ÇĠ
482
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
OĠ
OĠ
OĠ
OĠ
E
ÇĠ
OĠ
E
OĠ
Ġ
OĠ
OĠ
ÇĠ
OĠ
E
OĠ
OĠ
E
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
ÇĠ
Z
ÇĠ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
ÇĠ
Ġ
ÇĠ
Ġ
OĠ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
484 OZ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
E
OĠ
Ġ
E
Ġ
Ġ
Ġ
E
OĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
485 OĠ
E
E
OĠ OĠ ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
E
Ġ
Ġ
Ġ
ÇĠ
OĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
486 OĠ
ÇĠ
ÇZ
OĠ OĠ ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
E
ÇĠ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
487 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
488 OZ ÇĠ
ÇĠ
OĠ
E
OĠ
OĠ
OĠ
OĠ
OĠ
OZ OZ
E
Ġ
OZ
Ġ
OZ
OĠ
E
OĠ
OĠ
OZ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
E
E
E
Ġ
Ġ
E
E
E
E
E
E
E
E
490 ÇZ ÇĠ
ÇĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
E
ÇĠ
ÇĠ
E
E
E
E
E
E
Ġ
E
491 OZ ÇĠ
ÇĠ
E
ÇĠ OĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
OZ
E
Z
ÇZ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ ÇĠ
489
E
Ġ
ÇĠ ÇĠ
Ġ
Ġ
OZ ÇZ
492 OZ ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
E
ÇĠ
OĠ
E
ÇĠ
ÇĠ
OĠ
ÇĠ
493
E
E
E
OĠ E
E
E
ÇĠ
OĠ
OĠ
E
E
E
E
E
E
ÇĠ
E
E
E
E
E
E
E
E
494
Z
Ġ
ÇĠ
OĠ
Ġ
OĠ
ÇĠ
Ġ
ÇĠ
OĠ
OĠ
E
E
E
OĠ
OĠ
OĠ
Ġ
OĠ
ÇĠ
E
E
Ġ
Ġ
Ġ
495 OZ OZ ÇZ
ÇĠ ÇĠ ÇĠ OZ ÇĠ
496 OĠ
OZ
OĠ OĠ
497 ÇZ ÇĠ
ÇĠ
OZ
498
E
OZ
OĠ
E
499
Ġ
Ġ
Ġ
Ġ
500
E
ÇĠ
ÇĠ
E
501 OZ OĠ
E
Ġ
OĠ
E
OĠ
OĠ
E
Z
Z
505 ÇZ ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
E
502 OZ
503
Ġ
504 ÇZ
506
E
Ġ
507 OZ OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
E
E
ÇĠ
OZ
E
E
OĠ
E
E
OĠ
OZ
Ġ
E
E
E
ÇĠ
E
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
Ġ
OĠ
Ġ
OĠ
OZ
Ġ
OĠ
ÇĠ
ÇĠ
OĠ
OZ
Ġ
OZ
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
Ġ
OĠ
OĠ OZ OĠ OZ
E
OĠ
OĠ
OĠ
E
E
Z
Z
OĠ
OZ
OĠ
Ġ
OĠ
Z
Ġ
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
E
E
E
ÇĠ
E
E
E
E OĠ
Ġ
Ġ
E
E
OĠ
Ġ
E
OĠ
E
E
E
E
E
Ġ
Ġ
E
Ġ
Ġ
Ġ
Ġ
E
E
OZ
E
E
E
E
E
E
E
ÇĠ
E
E
Ġ
Ġ
Ġ
E
E
ÇZ E
E
OZ
Z
E
OĠ
Z
E
OĠ
ÇĠ
Ġ
E
OĠ
ÇĠ ÇĠ ÇZ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
OZ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E OĠ ÇĠ
E
E
E
E
E
E
OĠ
OĠ
OĠ
ÇĠ
Ġ
E
Ġ
Ġ
E
OĠ
ÇZ
E
ÇĠ
OĠ
E
E
Z
E
OZ
ÇĠ
Ġ
E
Ġ
OĠ
OZ
OĠ
Z
ÇĠ
ÇĠ
OĠ
E
OZ OZ
E
OĠ
Ġ
Ġ
E
OĠ
OĠ
Ġ
OĠ
OĠ
E
E
Ġ
E
ÇĠ
E
E
E
OĠ
E
508 OĠ
OĠ
OĠ
OĠ E
E
OĠ
Ġ
OĠ
Ġ
OĠ
OĠ
OĠ
E
OĠ
Ġ
OĠ
E
OĠ
OĠ
Ġ
Ġ
OĠ
509 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ
OĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
510
E
OĠ
Ġ
OZ ÇĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OZ
ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
OĠ
E
511
E
ÇĠ
ÇĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
OĠ
ÇĠ
E
E
Ġ
ÇĠ
E
ÇĠ
OĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
E
E
E
E
E
Ġ
OĠ
OĠ
E
E
E
E
E
E
E
OĠ
E
E
E
E
E
E
E
E
513 ÇZ ÇĠ
ÇĠ
E
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
OZ
ÇĠ
ÇĠ
E
Z
Ġ
Ġ
OĠ
E
Ġ
OĠ
OĠ
Ġ
ÇĠ
ÇĠ
OĠ
Ġ
OĠ
E
E
E
OĠ
Ġ
Ġ
E
OĠ
OĠ
OZ
E
OĠ
E
E
E
OZ
E
512 OZ
514
E
OĠ
Ġ
OĠ OZ
E
OZ OZ OZ
OĠ OĠ OĠ
A-11
EK-A‟NIN DEVAMI
L1 L2
Ġ
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
ÇĠ
ÇĠ
516 OZ ÇĠ
ÇĠ
517
Ġ
ÇĠ
518
Ġ
ÇĠ
519
E
ÇĠ
ÇĠ
520
E
OZ
OĠ
OZ OZ OZ OZ OZ OZ
521 OZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
OĠ
515
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E
E
E
ÇĠ
ÇĠ
Ġ
E
Ġ
Ġ
Z
OZ
ÇĠ
Ġ
ÇĠ ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
OĠ
OĠ
OĠ
Ġ
OZ
Z
OĠ
OĠ
Ġ
E
OZ
E
OZ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
ÇĠ
Ġ
Ġ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
OĠ
OĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E
OZ
E
E
OZ OZ OZ OZ OZ
OĠ
Ġ
Ġ
E
ÇĠ
ÇĠ
Ġ
OZ OZ OZ OZ OZ OZ OZ
Ġ
OĠ
OZ
OĠ
Ġ
OĠ
OĠ
OZ
Ġ
OĠ
OZ
E
Ġ
E
522
Ġ
ÇĠ
ÇĠ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
OZ
E
Ġ
523
E
E
OĠ
OĠ OĠ OĠ
OĠ
OĠ
E
OĠ
OĠ
E
OĠ
OZ
Z
OĠ
OĠ
OĠ
E
OĠ
OĠ
OZ OZ
E
OĠ
524 OĠ
Ġ
ÇĠ
OĠ OĠ ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
E
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
E
OĠ
OZ
OĠ
OĠ
OĠ
OĠ
OĠ
525 ÇĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
527 ÇĠ
ÇĠ
ÇĠ
528 ÇĠ
Ġ
Ġ
OĠ
Ġ
529 OĠ
Ġ
OĠ
ÇĠ
E
E
526
Ġ
Ġ
E
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
ÇĠ ÇĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
E
E
E
Ġ
Ġ
Ġ
E
E
E
E
E
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
ÇZ
E
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OZ
Ġ
Ġ
OĠ
OZ
OĠ
ÇĠ
Ġ
Ġ
OĠ
Z
E
OĠ
ÇZ
Ġ
OĠ
Ġ
Ġ
E
ÇĠ ÇĠ ÇĠ
530 OZ ÇĠ
ÇĠ
E
OĠ
ÇĠ
E
E
E
Ġ
Ġ
E
E
E
ÇĠ
Ġ
E
ÇĠ
E
Ġ
Ġ
E
Ġ
ÇĠ
531 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
ÇĠ
E
532 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
533
E
ÇĠ
ÇĠ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
534
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
OZ OZ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
E
E
ÇĠ
E
E
E
ÇĠ
E
E
E
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
OZ
E
ÇZ ÇZ
OĠ
OĠ
Ġ
OZ OZ
OĠ
ÇĠ
535 ÇZ
536
E
E
E
OĠ OĠ OĠ
OĠ
OĠ
E
OĠ
OĠ
OĠ
Ġ
E
E
OĠ
E
OĠ
ÇĠ
Ġ
OĠ
ÇĠ
OĠ
OĠ
E
537
E
ÇĠ
ÇĠ
ÇĠ ÇĠ OĠ
E
ÇĠ
ÇĠ
ÇĠ
E
E
E
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
Ġ
E
E
E
ÇĠ
E
ÇĠ
538
E
OZ
OĠ
ÇĠ
E
OZ
Ġ
OĠ
E
E
OZ OZ OZ
OĠ
OZ
E
E
OĠ
OZ OZ
E
539 ÇĠ
Ġ
Ġ
OZ OZ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
OĠ
OĠ
Ġ
ÇZ
ÇĠ
OĠ
E
Ġ
OĠ
ÇZ
OĠ
540
Ġ
E
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
OĠ
E
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
541
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
542 OZ
543
Ġ
544
E
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ ÇĠ OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
Z
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
OĠ
Ġ
ÇĠ
OZ
OĠ
E
E
E
OĠ
E
OĠ
E
E
E
E
E
Ġ
E
Ġ
Ġ
Ġ
ÇĠ
OĠ
ÇĠ
E
ÇĠ
ÇĠ
E
ÇĠ
OĠ
OĠ
OĠ
OĠ
Ġ
Ġ
OĠ
E
OĠ
Z
OĠ
OĠ
OĠ
545 ÇĠ
OĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
ÇĠ
OĠ
OĠ
ÇĠ
OĠ
E
OĠ
Ġ
OĠ
E
OĠ
OĠ
OĠ
546
OĠ
Ġ
E OĠ ÇĠ
OĠ
E
Ġ
Ġ
OĠ
OĠ
Ġ
Ġ
Ġ
E
E
Z
Ġ
OĠ
E
Ġ
Ġ
OĠ
OĠ
547 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
548 OĠ
OĠ
E
OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
E
Ġ
E
Ġ
Ġ
Ġ
Ġ
Ġ
549
Z
OĠ
Ġ
Ġ
ÇĠ ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
E
E
E
Ġ
E
ÇZ
E
OĠ
E
E
E
E
E
550 ÇĠ
OĠ
Ġ
OĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
OZ
E
Ġ
ÇĠ
ÇZ
E
Ġ
551
E
E
E
OZ ÇĠ ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
552 OĠ
E
ÇĠ
Ġ
E
Ġ
E
OĠ
OĠ
ÇĠ
Ġ
Z
ÇĠ
ÇĠ
ÇĠ
E
553 ÇĠ
Z
Ġ
Ġ
ÇZ OZ
OZ
E
E
OZ
E
E
E
OĠ
E
OZ OZ
ÇĠ
ÇĠ
OZ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
OĠ
Z
Ġ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
E
E
OĠ
E
E
Z
Ġ
ÇĠ
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
554 OZ ÇĠ
ÇĠ
Ġ
Ġ
Ġ
E
E
Ġ
E
E
Ġ
OĠ
OĠ
OĠ
Ġ
E
Ġ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
Ġ
ÇĠ
ÇĠ
E
ÇĠ ÇĠ
E
ÇĠ ÇZ
556 OZ ÇĠ
ÇĠ
Ġ
E
555
Ġ
557 OĠ OZ OZ OZ OZ ÇĠ
ÇĠ
Ġ
559 OZ ÇĠ
ÇĠ
Ġ
558
Z
Ġ
560
E
ÇĠ
ÇĠ
561
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
OZ
Ġ
E
OĠ
OĠ
ÇĠ
E
E
E
E
OĠ
Ġ
Ġ
ÇĠ
Ġ
E
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
E
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
OZ
Ġ
OZ
ÇĠ
Ġ
OZ OZ
Ġ
OZ OZ OZ
E
Ġ
ÇĠ
ÇĠ
E
ÇĠ
Z
E
E
E
E
E
ÇĠ
E
E
E
E
E
E
E
E
OZ E
E
OZ
E
OZ
Z
ÇĠ
OĠ
ÇZ
Ġ
OĠ
E
ÇĠ
OĠ
Ġ
OĠ
E
OĠ
ÇĠ
E
OĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
ÇĠ
E
E
Ġ
ÇĠ
E
Ġ
OZ
Ġ
E
E
OĠ
E
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
E
ÇĠ ÇĠ
A-12
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
E
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
E
E
E
Ġ
ÇĠ
E
ÇĠ
ÇĠ
E
E
E
OĠ
E
563 ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
562
ÇĠ
ÇĠ
564 ÇZ ÇĠ
ÇĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
ÇĠ
ÇĠ
OĠ
E
E
E
565 OĠ
Ġ
ÇĠ
ÇĠ OĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
E
E
OĠ
ÇĠ
ÇĠ
E
OĠ
OĠ
E
E
OĠ
E
Ġ
OZ
E
Ġ
ÇĠ
ÇĠ OZ E
E
E
OZ
E
E
OZ
E
E
E
E
ÇĠ
OZ OZ OZ OZ OZ
567 ÇZ ÇĠ
ÇĠ
OĠ ÇZ ÇĠ ÇZ ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ OZ
ÇĠ
OĠ
ÇĠ
OZ OZ OZ
E
568 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
569 ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
Ġ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
570 OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
E
Ġ
Ġ
Ġ
Ġ
Ġ
E
Ġ
ÇZ
OĠ
ÇZ ÇZ ÇZ
E
OZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ ÇZ
566
Ġ
OZ OĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
571 ÇZ OĠ
ÇĠ
E ÇZ ÇZ ÇĠ OZ
E
E
572
Ġ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
573
E
OĠ
OĠ
ÇĠ ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
Z
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
574 ÇĠ
E
E
ÇĠ OĠ OĠ
OĠ
E
Ġ
OZ
OĠ
ÇĠ
E
E
E
OĠ
Ġ
E
OĠ
E
OĠ
E
OZ
OĠ
E
575
Ġ
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
576 OĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OZ
E
ÇĠ
ÇĠ
ÇĠ
OĠ
E
Ġ
OĠ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
E
Ġ
OĠ
Ġ
ÇZ
Ġ
578 ÇĠ
Ġ
OĠ
E
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
579 OĠ
ÇĠ
E
Ġ
ÇĠ ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
OĠ
OĠ
Ġ
E
ÇĠ
Ġ
OĠ
ÇĠ
OĠ
580 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OZ
OĠ
ÇĠ
ÇĠ
OZ
ÇĠ
OZ
ÇĠ
ÇĠ
OZ
ÇĠ
OĠ
OĠ
ÇĠ
ÇĠ
581 ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
E
ÇĠ
Ġ
Ġ
ÇĠ
ÇZ ÇZ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
E
E
E
OĠ
OĠ
E
OZ OZ
Z
OZ
E
E
577
Ġ
Ġ
582 ÇZ ÇĠ
ÇĠ
ÇZ
E
OĠ OĠ
584 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
585 ÇĠ
E
Ġ
586 ÇĠ
Ġ
ÇĠ
583
Ġ
Ġ
587 ÇĠ OZ
ÇĠ
OZ E
Ġ
E
E
Ġ
Ġ
Ġ
Ġ
E
E
Z
Z
E
ÇĠ
E
E
Ġ
E
Z
E
E
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ OZ OĠ
ÇĠ
ÇĠ
E
E
ÇĠ
E
Ġ
ÇĠ
E
E
OĠ
OZ
OĠ
OĠ
Ġ
ÇĠ
OĠ
ÇĠ ÇĠ ÇĠ OZ ÇĠ
ÇĠ
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
OZ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇZ
ÇĠ
Ġ
ÇĠ ÇĠ ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
OĠ OĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ OZ
E
Ġ
Ġ
ÇĠ
ÇĠ
OZ
OĠ
OZ
ÇĠ
OĠ
OZ
OĠ
OĠ
588
Z
589
Z
E
E
ÇZ OZ
Z
OZ ÇĠ
ÇĠ
Ġ
Z
E
E
ÇĠ
E
OZ
Ġ
E
E
E
E
OZ
Ġ
OĠ
590
E
OĠ
OĠ
OĠ OĠ OĠ
Z
OĠ
Ġ
E
OĠ
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
OĠ
OĠ
OĠ
Ġ
Ġ
ÇĠ
OĠ
Ġ
Ġ
591 OZ OĠ
OĠ
E
OĠ
OĠ
OĠ
E
OĠ
E
E
E
OĠ
OZ
E
OĠ
E
E
OZ
OĠ
E
E
E
E
592 OĠ
ÇĠ
ÇĠ
ÇĠ OĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OĠ
OĠ
ÇĠ
ÇĠ
OZ
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
593 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
594 ÇĠ
E
ÇĠ
E
OĠ
ÇĠ
ÇĠ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇZ
Ġ
E
ÇĠ
E
E
OĠ
E
595 OZ OZ OZ
Ġ
OZ OĠ ÇZ OĠ
E
ÇĠ
OZ
OĠ
OĠ
OĠ
OĠ
OĠ
Ġ
OĠ
OZ
OĠ
OĠ
E
OZ
OĠ
E
Ġ
Ġ
ÇĠ
E
ÇĠ
OZ
E
OĠ
E
E
OĠ
OĠ
E
E
E
Ġ
Ġ
596
Z
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
597
Z
E
OĠ
598
E
E
Ġ
OZ OĠ ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
E
OĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ OZ E
E
E
E
E
E
OĠ
OĠ
OĠ
OĠ
E
E
OĠ
Ġ
E
Ġ
OĠ
E
Ġ
OĠ
599
Ġ
E
OĠ
600
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
601
E
ÇĠ
602
Z
E
E
E
OZ
E
ÇĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
E
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
OĠ
Ġ
OZ
Ġ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
Ġ
OZ
OĠ
OĠ
E
OĠ
Ġ
E
OĠ
603 ÇĠ
ÇĠ
ÇĠ
OZ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
E
OĠ
E
ÇĠ
OĠ
E
E
E
E
E
Ġ
E
604
E
E
Ġ
OĠ OĠ
E
E
Ġ
ÇĠ
Z
E
Z
Z
Z
E
E
Ġ
E
ÇZ
E
Z
Z
E
E
605 OZ ÇĠ
ÇĠ
OZ OĠ OĠ
ÇĠ
E
E
E
OZ
OĠ
E
OZ OZ
E
OZ OZ OZ
E
OZ OZ
E
OZ
606
Ġ
ÇZ
ÇĠ
ÇĠ
E
ÇĠ ÇZ ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OZ ÇZ
ÇĠ
Z
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
607
Z
OĠ
Ġ
E
ÇĠ ÇĠ
E
Ġ
Ġ
Z
608 OZ
Ġ
ÇĠ
E
OĠ
OĠ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
E
E
ÇĠ
ÇĠ
OĠ
E
OĠ
OĠ
Ġ
E
OĠ
OĠ
ÇĠ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OZ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
OZ
OĠ
A-13
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
609 ÇĠ
Ġ
Ġ
ÇĠ
OĠ
OĠ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
Ġ
OĠ
Ġ
Ġ
OZ
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
OĠ
OĠ
610
E
E OZ E
E
E
E
E
E
E
E
E
E
E
E
E
OZ
E
E
E
E
E
E
Ġ
OĠ
OĠ
E
E
611
Ġ
E
E
612
E
Z
OZ
613 ÇĠ
ÇĠ
614
Z
E
615
E
E
E
616
E
Ġ
Ġ
OZ OZ
Ġ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
OZ OZ
OĠ
Ġ
OĠ
Ġ
Ġ
OĠ
OĠ
E
OZ
E
E
Ġ
OĠ
E
OĠ
E
OZ
E
E
OĠ
E
E
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OZ
E
E
OZ OZ OZ OZ
E
E
E
E
E
E
OĠ E
E
OZ OZ OĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇZ E
E
E
E
E
E
E
E
E
E
E
E
E
OZ OZ OZ OZ OZ OZ OZ OZ
E
E
E
E
E
E
E
E
OĠ
OĠ
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
Ġ
617 OZ ÇĠ
ÇĠ
ÇĠ
E
OĠ
Ġ
OĠ
Ġ
E
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
OĠ
E
E
OĠ
OĠ
E
E
OĠ
618 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
619 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
E
ÇĠ
E
E
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
620
E
E
E
E
E OZ OZ
E
E
E
OZ
E
E
OĠ
Ġ
OĠ
E
E
E
E
E
E
E
E
OZ
621 ÇĠ
ÇĠ
E
ÇĠ
Ġ
ÇĠ
Z
ÇĠ
Ġ
ÇĠ
OĠ
E
OZ
Z
ÇĠ
Ġ
OZ
Z
Ġ
OĠ
Ġ
Z
Ġ
Ġ
ÇĠ
622
Ġ
OĠ
ÇĠ
Ġ
OĠ
Ġ
OĠ
E
E
E
E
E
E
E
OĠ
E
OĠ
OĠ
OĠ
E
OZ
OĠ
E
Ġ
OĠ
623
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
Ġ
624 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
625 OZ OĠ
E
E
E
Ġ
OĠ
OĠ
Ġ
Ġ
E
Ġ
ÇĠ
Ġ
OĠ
ÇĠ
OĠ
E
ÇĠ
E
ÇĠ
OĠ
OĠ
E
OZ
626 OZ OĠ
OĠ
OĠ OĠ
Ġ
OZ
Z
OĠ
E
E
Ġ
E
E
E
E
OZ
E
E
E
E
E
E
E
E
627 OZ OZ
E
OZ OZ E
OZ OZ OZ
ÇĠ
Ġ
OZ OZ OZ OZ OZ OZ OZ OZ OZ
628 OĠ
OĠ
Ġ
OĠ OĠ OĠ
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
629 OZ OĠ
Ġ
Ġ
E
E
E
E
OZ
E
E
Ġ
Ġ
Ġ
Ġ
Ġ
OZ
E
E
Ġ
ÇĠ
Ġ
Ġ
OĠ
Ġ
630 ÇĠ
E
E
E
E
Z
E
E
Z
Z
E
E
E
E
OĠ
E
E
E
E
E
E
E
E
E
E
631
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
ÇĠ
E
E
E
E
E
E
E
E
632
Ġ
ÇZ
Ġ
OZ OĠ ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
E
Ġ
Ġ
E
Ġ
ÇĠ
OĠ
E
E
E
E
OZ
OĠ
E
E
633
Ġ
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
E
634 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
635
E
E
E
Ġ
E
E
E
E
E
ÇĠ
OZ
E
E
Ġ
E
ÇĠ
ÇĠ
Ġ
E
E
ÇĠ
E
OĠ
E
E
636
E
E
Ġ
E
E
E
E
E
OĠ
E
OĠ
E
Ġ
ÇĠ
OĠ
E
E
E
Ġ
OĠ
Ġ
Ġ
ÇĠ
OĠ
ÇĠ
637
Ġ
ÇĠ
ÇĠ
E OZ ÇĠ
Z
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
Ġ
Ġ
OĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
638
E
Z
E
OĠ
Z
Ġ
OĠ
E
Ġ
Ġ
E
OĠ
OĠ
E
E
Ġ
OZ
Z
OĠ
OZ
E
OZ OZ OZ OZ
639 OĠ
OĠ
Ġ
E
E
Ġ
OĠ
E
Ġ
Ġ
OZ
Ġ
Ġ
Ġ
Ġ
OĠ
E
ÇZ
Ġ
E
OĠ
OĠ
ÇĠ
Z
OĠ
ÇĠ
Ġ
Ġ
ÇĠ
OĠ
OĠ
Ġ
OĠ
ÇĠ
Ġ
Ġ
OĠ
Ġ
ÇĠ
OĠ
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
E
Ġ
Ġ
ÇĠ
640
Ġ
ÇĠ
641
E
OZ OZ OZ OZ OZ
E
OĠ
Ġ
E
Ġ
ÇĠ
OĠ
ÇĠ
OĠ
ÇĠ
OZ
Z
Z
Ġ
Ġ
ÇĠ
ÇĠ
E
Ġ
OĠ
OĠ
OĠ
E
642 OĠ
ÇĠ
ÇĠ
OZ OĠ
Ġ
OZ OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
OĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
643 OĠ
E
OĠ
ÇĠ OĠ
Ġ
OZ OĠ
Ġ
Ġ
E
E
ÇĠ
ÇĠ
OĠ
OĠ
OZ
Ġ
Ġ
Ġ
OZ
E
OĠ
OĠ
OĠ
644
ÇĠ
E
ÇĠ
ÇĠ
645 ÇĠ
ÇĠ
Ġ
646 OĠ
Z
OZ OZ E
ÇĠ
647 ÇZ
Ġ
ÇĠ
Z
648 OĠ
Ġ
ÇĠ
649 OZ ÇĠ
ÇĠ
650 OĠ
ÇĠ
OZ
651
OĠ
Ġ
652 OĠ
ÇĠ
ÇĠ
OĠ
Ġ
653 ÇĠ
OĠ
Ġ
Z
Ġ
654 OĠ
E
ÇĠ
ÇĠ
Ġ
655 ÇĠ
Ġ
ÇĠ
E
OĠ OZ
E
Ġ
E
E
Ġ
OĠ
ÇĠ
OĠ
Ġ
ÇĠ
OZ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
E OĠ ÇĠ ÇZ
Ġ
E
E
ÇĠ
E
ÇZ
OĠ
ÇĠ
Ġ
OĠ
ÇĠ
ÇZ
Ġ
ÇĠ
E
E
E
E
OZ
Z
ÇZ
Z
OZ
OĠ
E
OĠ
OĠ
E
Ġ
E
OĠ
Z
OZ OZ
Z
ÇZ
Ġ
E
ÇĠ
Z
Ġ
ÇĠ
ÇĠ
ÇZ
Z
ÇĠ
OĠ
OĠ
E
Z
Ġ
ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
ÇĠ
E
ÇĠ ÇĠ ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OZ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
Z
OĠ
ÇĠ ÇĠ ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
ÇĠ
OZ
OĠ
Ġ
Ġ
OĠ
ÇĠ
Z
Ġ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
E
ÇĠ
ÇĠ
ÇZ
Z
OZ OĠ
ÇZ
OĠ
E
E
E
ÇĠ
OĠ
ÇZ
E
Z
OĠ
OZ
Z
OZ OZ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
OZ
Ġ
OZ
Ġ
OĠ
ÇZ
Ġ
Z
ÇĠ
Ġ
E
OZ
OĠ
OZ
E
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
OĠ
OZ
ÇĠ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
Ġ
OĠ
E
ÇĠ ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
ÇĠ
Z
E
ÇĠ
E
E
OZ
Z
Ġ
Ġ
Ġ
OZ OZ Z
A-14
EK-A‟NIN DEVAMI
L1 L2
L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 L16 L17 L18 L19 L20 L21 L22 L23 L24 L25
656 OZ ÇĠ
ÇĠ
OĠ OĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
E
OĠ
ÇĠ
Ġ
ÇĠ
Ġ
E
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ ÇĠ ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
E
Z
Ġ
ÇĠ
OZ
657
E
ÇĠ
ÇĠ
658
E
ÇĠ
ÇĠ
Ġ
659
E
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
OĠ
OĠ
OZ OZ OZ
OĠ OĠ
Ġ
Ġ
Z
E
OĠ
OĠ
OĠ
E
E
Ġ
OĠ
ÇZ
Ġ
ÇĠ
OZ
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
E
OZ
Z
OĠ
E
Ġ
OĠ
OZ ÇZ
OZ
Ġ
Ġ
OZ
660 OZ
Ġ
Ġ
ÇĠ ÇĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ
OĠ
E
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
Ġ
Ġ
661
E
E
E
E
E
Ġ
OĠ
OĠ
OĠ
Ġ
OĠ
E
E
E
E
OĠ
E
OZ
OĠ
E
E
OĠ
OĠ
Ġ
E
662
E
Ġ
ÇĠ
OĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
ÇĠ
ÇĠ
E
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
663
Ġ
ÇĠ
Ġ
Ġ
ÇĠ ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
OZ
Ġ
Ġ
E
OZ
OĠ
Z
OZ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
OĠ
E
664 ÇZ
Ġ
ÇĠ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
OĠ
Ġ
Ġ
Ġ
Ġ
ÇĠ
Z
OZ
E
ÇĠ
OĠ
E
Ġ
E
665 OĠ
Z
OĠ
OĠ OZ E
Ġ
ÇĠ
ÇĠ
E
E
E
E
OĠ
ÇĠ
E
OĠ
ÇZ ÇZ
E
Z
E
E
666
ÇĠ
ÇĠ
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
667 ÇZ ÇĠ
Ġ
Ġ
ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ ÇZ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
ÇZ
ÇĠ
Ġ
ÇĠ
OĠ
OĠ
Ġ
OĠ
OĠ
Ġ
E
E
E
OZ
E
OĠ
Z
Ġ
Ġ
ÇĠ
ÇĠ
Ġ
OĠ
OZ
Ġ
OĠ
ÇĠ
OZ
Ġ
E
Z
OĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
E
OZ
ÇĠ
ÇĠ
OĠ
ÇĠ
E
Ġ
ÇZ
E
Ġ
OĠ
ÇZ
OĠ
Ġ
Ġ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Z
OZ
E
Ġ
OĠ
E
Ġ
Z
Ġ
E
ÇĠ
Ġ
E
E
Ġ
671 ÇZ ÇĠ
Ġ
ÇĠ
ÇĠ
OĠ
E
OĠ
ÇĠ
Z
Z
OZ OZ
Z
OZ ÇZ
Z
ÇĠ
ÇZ OZ
Z
OZ
OĠ
E
672 ÇZ ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Z
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
OĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
Ġ
E
ÇĠ
ÇĠ
ÇĠ
ÇĠ
Ġ
OĠ
Ġ
Ġ
668
Z
E
669 ÇZ ÇĠ
670 OĠ
673
E
ÇĠ
Ġ
ÇZ ÇZ
Ġ
674 ÇZ
E
Ġ
E
E
Ġ
E
ÇZ OZ OĠ
E
E
OZ OZ ÇZ
E
E
Ġ
E
E
E
ÇZ ÇZ ÇZ
E
675
E
ÇĠ
ÇĠ
OĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
E
ÇĠ
Ġ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
Ġ
ÇĠ
676
E
ÇĠ
OĠ
Ġ
ÇĠ ÇĠ
ÇĠ
Ġ
ÇĠ
ÇĠ
E
E
E
E
E
Z
ÇĠ
ÇZ
E
Ġ
OZ
Ġ
ÇĠ
Ġ
Z
E
Ġ
E
E
OĠ
Ġ
OĠ
E
Ġ
OĠ
Ġ
677
Ġ
ÇĠ
E
E OĠ OZ
Ġ
Ġ
E
Ġ
E
Ġ
E
OĠ
678
E
OZ
ÇĠ
ÇĠ ÇĠ ÇĠ
E
ÇĠ
OĠ
ÇĠ
OĠ
OĠ
OZ OZ OZ
ÇĠ
OZ ÇZ ÇZ OZ OZ ÇZ ÇZ OZ ÇZ
679 ÇĠ
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
OZ OZ OZ
Ġ
ÇĠ
ÇĠ
ÇĠ
ÇĠ
ÇZ
ÇĠ
ÇĠ
Ġ
Ġ
Ġ
OĠ
E
ÇĠ
ÇĠ
OZ
E
E
E
OZ OZ OZ OZ OZ OZ OZ OZ
681
Ġ
ÇĠ
ÇĠ
Ġ
ÇĠ ÇĠ
Ġ
Ġ
Ġ
Ġ
OĠ
OZ
Ġ
Ġ
E
Ġ
OĠ
OZ
OĠ
ÇĠ
Ġ
E
Ġ
Ġ
OZ
682
Ġ
OĠ
E
Ġ
OĠ ÇĠ
ÇĠ
Ġ
Ġ
ÇĠ
OZ
Z
OĠ
Ġ
OĠ
Ġ
ÇĠ
Ġ
Ġ
OĠ
OĠ
ÇĠ
E
Ġ
OĠ
683
E
Ġ
Ġ
E
E
OĠ
Ġ
OĠ
OĠ
OĠ
E
OĠ
OĠ
OĠ
E
E
E
Ġ
OĠ
OZ
E
OĠ
E
E
OĠ
684 OĠ
Ġ
ÇĠ
OĠ
Ġ
Ġ
ÇZ OĠ
Ġ
Ġ
ÇĠ
Ġ
ÇĠ
OZ
ÇĠ
ÇĠ
OĠ
ÇZ
Ġ
ÇĠ
Ġ
OĠ
ÇĠ
E
680 OZ
Ġ
ÇĠ
ÇZ ÇZ
685
Ġ
OĠ
ÇĠ
ÇĠ ÇĠ
OĠ
OĠ
Ġ
Ġ
Ġ
Ġ
Ġ
E
OZ
Ġ
Z
OZ
OĠ
E
ÇĠ
OĠ
E
E
E
686
Z
ÇĠ
ÇĠ
ÇĠ ÇĠ ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
Ġ
E
E
E
OĠ
E
E
Ġ
ÇĠ
Ġ
OZ
Ġ
OZ
E
687
E
ÇĠ
ÇĠ
E
ÇĠ ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
E
E
Ġ
Ġ
Ġ
Ġ
ÇĠ
E
Ġ
688 OĠ
E
Ġ
OĠ
689
E
ÇĠ
ÇĠ
Ġ
OĠ ÇĠ
Ġ
Ġ
Ġ
Ġ
Ġ
Ġ
OZ OZ
Ġ
Ġ
OĠ
OĠ
OZ
E
Ġ
OZ
OĠ
Ġ
OĠ
E
Ġ
Ġ
OĠ
ÇĠ
ÇĠ
OĠ
ÇĠ
Ġ
Ġ
Ġ
OĠ
OĠ
Ġ
OĠ
Ġ
ÇĠ
OĠ
OĠ
OĠ
OĠ
690 ÇĠ
ÇĠ
OZ
Ġ
ÇĠ ÇĠ ÇZ
Ġ
ÇĠ
ÇĠ
E
E
E
OZ
Ġ
ÇĠ
E
Z
ÇĠ
E
E
OĠ
Ġ
E
Z
691 OZ
Ġ
ÇĠ
Ġ
Ġ
OĠ
Ġ
OĠ
692 ÇĠ
Ġ
ÇĠ
Ġ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
E
ÇĠ
Ġ
ÇĠ
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
E
Ġ
OĠ
Ġ
Ġ
Ġ
ÇĠ
ÇĠ
E
OĠ
Ġ
ÇĠ
ÇĠ
OĠ
ÇĠ
OĠ
OĠ
OZ
Ġ
E
OĠ
ÇĠ
OĠ
693 OĠ
Ġ
Ġ
ÇĠ
Z
Ġ
OĠ
E
Ġ
ÇĠ
ÇĠ
ÇĠ
Ġ
Ġ
OĠ
Ġ
OĠ
Ġ
Ġ
E
OĠ
Ġ
OĠ
Ġ
Ġ
A-15
A-16
Download

tc kara harp okulu savunma bġlġmlerġ enstġtüsü tedarġk ve lojġstġk