Bulanık AHP ve bulanık TOPSIS ile madenlerde kazıcı yükleyici seçimi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Madencilik sektörü belirsizliklerin oldukça fazla görüldüğü, verilen kararlardan geri dönüşün mümkün olmadığı veya çok pahalıya mal olduğu bir sektördür. Bu çalışmada da olduğu gibi madencilik yatırımları 20-30 yıl gibi uzun sayılabilecek bir süre kullanılabildiği gibi, bazen de daha uzun süreler kullanılmaktadır. Büyük madencilik operasyonlarında ve filo yönetimlerinde karar verme süreci, yöneticilerin karşılaştıkları karmaşık ve oldukça önemli sorunlar barındırır. Bu kararlar; işletmelerin verimliliğinin artırılmasına, sektörde sürdürülebilir rekabet edebilme yeteneğinin kazanılmasına, maliyetlerin düşürülmesine ve dolayısıyla ülkemiz madencilik sektörüne önemli katkılar sağlamaktadır. Bu çalışmada, örnek bir açık ocak sahası için, büyük madencilik faaliyetlerinde en çok kullanılan yedi adet kazıcı yükleyici makine arasından en uygun kazıcı yükleyici makinenin seçimi yapılmıştır. Bu amaç için, Çok Kriterli Karar Verme yöntemlerinden Bulanık AHP, Bulanık TOPSIS ve bu iki yöntemin birlikte kullanıldığı karma yöntemlerden oluşan toplam sekiz adet yöntem kullanılmıştır. Karar verme sürecinde; uygulamada yaygın olarak karşılaşılan birkaç uzmanın katılımı yerine, anket çalışmasına katılan uzman sayısı da dikkate alındığında, sektörde uzun yıllar her kademede hizmet etmiş 40'ın üzerinde uzman yer almıştır. Bu şekilde hem daha sağlıklı kararların alınması hem de birlikte karar verme kültürüne katkı sağlanması amaçlanmıştır. Bu tez çalışması kapsamında; bir madencilik uygulamasında bir karar verme sürecinde literatürde bu kadar çok birlikte kullanımına rastlanmayan, sekiz farklı yöntem kullanılmıştır. Sonuçta uygulanan yöntemlerden çıkan sonuçların birbiri ile uyumlu olduğu görülmüş ve alınan kararların birbirini pozitif yönde etkilediğinin Spearman Sıralama Katsayısı ile doğruluğu teyit edilmiştir. The mining sector is an industry where uncertainties are seen quite a lot, where it is either impossible to reverse the decisions made or costs a lot of money. As in this study, mining investments can be considered as long as 20-30 years, and sometimes longer periods are used. Decision-making in large mining operations and fleet management poses a complex and significant challenge facing managers. These decisions; it contributes significantly to increasing the efficiency of enterprises, gaining the ability to compete sustainly in the sector, reducing costs and therefore making important contributions to the mining sector of our country. In this study, a total of eight integrated methods were selected from multi-criterion decision-making methods for digger loader machines that they received by investing large capitals together with Fuzzy AHP, Fuzzy TOPSIS and these two methods. In the decision-making process, the selection was made using the scale determined by expert decision makers on the seven most commonly used alternative digger loader machines in large mining activities. With the method applied, the most suitable machine selection will be made for the machine fleet. When making such large investments, different methods will be applied and comparison of these methods will be realized.It is clear that decisions taken with high risk of inherent inherent risk affect their own businesses as well as the country's economy. When such important decision-making processes are taken into account in the total number of experts participating in the survey study instead of being taken by several experts, they will be taken by experts who have served at all levels in over 40 sectors for many years. This will contribute to the culture of decision-making together.Within the scope of this thesis study; Eight different methods were used in a mining application in a decision-making process that were not used so much together in the literature. As a result, it was seen that the results of the applied methods were compatible with each other and the accuracy of the decisions taken positively affected each other was confirmed by the Spearman Ranking Coefficient.
Collections