Bulanık (fuzzy) matematikle ömür devri maliyeti risk analizi Bir uygulama: Bilgisayar dersanesi projesi

Abstract

Karar vericiler daima belirsizliği yönetmek zorundadırlar. Belirsizliği yönetmekse onu kontroi etmek demektir ve belirsizliği kontrol etmek onun ölçülmesiyle mümkün olur. Geçmişte olasılık teorisi belirsizliğin modeilenmesinde ana araç olarak kullanıldı. Bu çalışmada belirsizlik bulanık küme teorisi ile modeliendi. Küçülen bütçeler, tedarik sürecindeki değişiklikler ve enflasyon gibi bir çok neden yatırım yapılacak sistem ya da projeye ilişkin olarak ömür devri maliyet analizini gerekli kılmıştır. Ömür devri maliyet tahmini ile karşılaştırıldığında ömür devri risk analizi hem maliyete ilişkin hem de maliyetin taşıdığı riske ilişkin bilgiler sağlaması yönüyle öne çıkmaktadır. Ekonomik risk analizinde temelde kullanılan teknikler duyarlılık analizi ya da olasılık teorisine dayalı tekniklerden oluşmaktadır. Duyarlılık analizi bir değişkenin sonuç üzerinde neden olduğu değişime yönelik bilgi verirken, olasılık teorisine dayalı simülasyon yöntemleri hem karmaşıktırlar hem de geçmiş veriye ihtiyaç duyarlar. Aynı zamanda bu yöntemler olasılık teorisi gereği verilerin bazı olasılık dağılımına uyduğunu ve bu uyumun pratikte de geçerli olduğunu varsayarlar. Ayrıca değişkenler arası var olduğu kabul edilen ilişkileri gösteren doğrusal modellerin kendine has varsayımları vardır. Özellikle yeterli geçmiş veri olmadığında bulanık küme teorisinin ekonomik risk analizinde kullanılabileceği bu çatışmanın esas konusudur. Askeri bir okulda on yıllık bir bilgisayar dershanesi projesine yönelik risk. bulanık sayılarla modellenmiş ve bu riskin ölçümü bulanık sayıların sıralanması yöntemiyle yapılmıştır. Üyelik fonksiyonlarının (bulanık sayılar) oluşturulması sırasında geçmiş veriler ve uzman görüşlerinden yararlanılmıştır. Net bu günkü değer formülüne dayalı bir model ekonomik risk analizi için kullanılmış, bu modelin yıllık eşit taksitlerin bu günkü değer faktörüne bölünerek elde edilen diğer model ise yaşam ömürleri farklı iki proje alternatifinin ekonomik risk analizine göre kıyaslanması için kullanılmıştır. Her iki model Excel yazılımı üzerinde oluşturulmuştur.

Decision makers always have to manage uncertainly, managing uncertainly is controlling it, and to control uncertainly one must able to measure it. Historically, probability theory has been the primary tool for representing uncertainly in mathematical models. In this study uncertainly is represented by fuzzy set theory. Many reasons, like decreases in budget allocations, changes in acqusition process and enflation required the life cycle cost analysis for any system or project. If it is compared with cost estimation.economical life cycle cost risk analysis is better for generating information about both cost and the risk that is included by the project. In economical risk analysis, mainly techniques,used, are sensitivity analysis and techniques based on probability theory. Sensitivity analysis is only useful when the uncertainly in one variable is predominant. Simulation methods, based on probability theory are complex and they require historic data to analyse. Also the methods based on probability theory assume that the data have a special probability distribution based on its characteristics. Besides,the relations(correlation,regression) among several variables which are created by lineer model require many assumptions. Because the fuzzy set theory does not have characteristics or assumptions that ( as in probability theory )govern it.especially when there is no enough historic data, fuzzy set theory can be used for making risk analysis. This is the main point of this study. Uncertainity that is related to life cycle cost of a ten year project (computer- lab, in a military school) is represented by fuzzy numbers and measured by the ranking methods of fuzzy numbers. While creating membership functions historic data and expert opinions are used. One model (based on net present value) was used to make risk analysis, and one model (created dividing the first model by present worth factor of annual recurring costs) was used to compare life cycle cost of alternatives with different lifes. The two models were created on Excel.