Geri Dön

Integration of Bayesian networks with dematel for causal risk analysis: A supplier selection case study in automotive industry

Sebepsel risk analizi için bütünleşik Bayes ağları ve dematel yöntemi: Otomotiv endüstrisinde tedarikçi seçimi vaka çalışması

PDF İndir

  1. Tez No: 478491
  2. Yazar: RUKİYE KAYA
  3. Danışmanlar: YRD. DOÇ. DR. BARBAROS YET
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 114

Özet

Bayes ağları, belirsizlik içeren sebep-sonuç ilişkilerinin analizinde etkili araçlardır. Bayes ağları olasılıksal grafiksel ağlardır. Risk ve belirsizlik içeren karar analizlerinde olasılıksal hesaplamalar ile avantaj sağlamaktadır. Grafiksel yapısı sayesinde sebep-sonuç ilişkileri düğümler ve bağlantı okları ile gösterilmektedir. Bayes ağları, kısıtlı bilgi ile olasılıksal hesaplamalar yaparak, bilinmeyen değişkenleri, bilinen değişkenler ve değişkenler arası ilişkilere bağlı olarak tahmin edebilmektedir. Bayes ağları, uzman bilgisine dayalı olarak kurulabilmektedir. Fakat Bayes ağlarının sebepsel grafik yapılarının kurulumu için geçerli bir yöntem bulunmamaktadır. Uzmanlara değişkenler arasındaki ilişkilerin yönü sorulmakta ve alınan cevaplar doğrultusunda sebep-sonuç ilişkisi ağları oluşturulmaktadır. Bu yöntemle, birden fazla uzman görüşü alındığında, farklı görüşler arasından uygun yönün seçimi sistematiksiz bir şekilde yapılmaktadır. Bu yöntem hatalara ve yanlılığa sebep olabilmektedir. Bu tezde, Bayes ağlarının sebep-sonuç grafiksel yapısının uzman bilgisine dayalı olarak kurulmasına yönelik DEMATEL (Decision Making Trial and Evaluation Laboratory) metodu kullanımı önerilmiştir. DEMATEL ankete dayalı bir çok kriterli karar verme yöntemidir. Kriterler arasındaki sebep-sonuç ilişkisini ve kriterlerin ağ içerisindeki etki derecesini belirlemek için kullanılır. DEMATEL yönteminin direk ve toplam ilişki matrisi olmak üzere iki önemli matrisi vardır. Direk ilişki matrisi, kriterlerin birbirleri üzerindeki direk etki değerlerinden oluşmaktadır. Toplam ilişki matrisi ise kriterler arasındaki direk ve dolaylı olmak üzere toplam etki değerlerine ilişkin değerlerden oluşmaktadır. Bu tezde önerilen yönteme göre, DEMATEL anketi yardımıyla uzmanlara kriterler arasındaki direk ilişkilerin etki dereceleri sorularak direk ilişki matrisi oluşturulmaktadır. DEMATEL yönteminden elde edilen direk ilişki matrisine dayalı olarak Bayes ağlarının sebep-sonuç ilişkisi yapısı belirlenmektedir. Böylece birden çok uzman görüşü sistematik bir şekilde alınarak Bayes ağı oluşturulabilmektedir. Ayrıca uzmanlar sadece ilişkilerin yönünü değil gücünü de sayısal ölçekte belirleyebilmektedir. DEMATEL'in direk ilişki matrisine dayalı olarak belirlenen sebep-sonuç grafik yapısı içerisindeki döngüler, Bayes ağları yapısıyla uyumlu hale getirmek için elenmektedir. Uzman görüşü yardımıyla gerekli görülen yapısal değişiklikler sistematik şekilde yapılabilmektedir. Elde edilen Bayes ağının parametreleri ranked nodes yöntemi aracılığıyla belirlenmektedir. Ranked nodes yöntemi, Bayes ağları içerisindeki büyük şartlı olasılık tablo değerlerini belirlemek yerine, sadece ata düğümlerin ağırlıklarını ve alt düğümlerin varyans değerlerini belirleyerek modeli çalıştırabilmektedir. Bu tezde, önerilen yönteme göre, ranked nodes parametreleri DEMATEL anket sonuçlarından elde edilmektedir. DEMATEL yönteminin toplam ilişki matrisi sonuçları ile kurulan Bayes Modeli üzerinde yapılan kanıt duyarlılık analizi sonuçları karşılaştırılarak modelin geçerliliği test edilebilmektedir. Ayrıca parametre duyarlılık analizi yardımıyla modelin gürbüzlüğü test edilmektedir. Önerilen yöntem, Türkiye'de büyük bir otomotiv üreticisi firmanın tedarikçi seçim karar analizinde kullanılarak test edilmiştir. Tedarikçi seçimi konusunda yapılan geçmiş çalışmalar ve firma içerisindeki uzman bilgisi yardımıyla tedarikçi seçimine ilişkin kriterler belirlenmiş. DEMATEL anketi yardımıyla, firma içerisindeki 14 uzmana, tedarikçi seçim kriterlerinin birbirleri üzerindeki etki dereceleri sorularak, direk ve toplam ilişki matrisleri hesaplanmıştır. Direk ilişki matris sonuçlarına göre, Bayes ağı modeli yapısı belirlendikten sonra, matris değerlerinden modelin parametreleri ranked nodes yöntemine göre belirlenmiştir. Parametre duyarlılık analizi ile modelin gürbüzlüğü test edilmiştir. Kanıt duyarlılık analizi sonuçlarının DEMATEL toplam ilişki matrisi ile karşılaştırılarak modelin geçerliliği kontrol edilmiştir. Ürün kalitesi, sevkiyat performansı gibi doğrudan gözlemlenmesi mümkün olmayan kriterlere, dolaylı olarak tahminini kolaylaştıracak indikatörler eklenmiştir. Bu indikatörler yardımıyla, uzman bilgisi modele aktarılmış ve bilinmeyen kriterler tahmin edilerek çeşitli senaryo analizleri yapılmıştır. Böylece uzmanlar, kısıtlı bilgileri ile kriterlerin tahmin değerlerini analiz ederek tedarikçilerini değerlendirebilmektedir. Otomotiv üreticisi firma ürünlerinin bileşenlerinden biri için bir tedarikçi aramaktadır. Bunun için daha önce çalışmış olduğu ve hiç çalışmadığı iki tedarikçi, önerilen yöntem yardımıyla değerlendirilmiştir. DEMATEL yöntemi tek başına karar verme aracı olarak kullanılamayıp, belirsizlik içeren karar analizlerinde yetersiz kalmaktadır. Bayes ağları belirsizlik içeren karar analizlerinde etkin bir araç olarak DEMATEL yöntemini tamamlayıcı bir araç olarak önerilmektedir. DEMATEL yöntemi sayesinde, Bayes ağlarının sebepsel yapısı sistematik bir şekilde kurulabilmektedir. Böylelikle bütünleşik Bayes ağları ve DEMATEL metodu, sebepsel risk analizleri için etkin bir yöntem olarak önerilmektedir. Bu tez aynı zamanda otomotiv endüstrisinde tedarikçi seçim karar analizi için kullanışlı bir karar destek modeli sunmaktadır.

Özet (Çeviri)

Bayesian Networks (BNs) are effective tools in analysis of causal relations in uncertain environments. BNs can make probabilistic calculations when a part of their variables are unknown. They can be constructed based on expert knowledge. However, there is not a widely accepted method for building BNs from expert knowledge. A common way of building BNs from expert knowledge is asking experts directions of arcs between nodes. However, this approach is not systematic as experts can be subject to errors and biases about existence and directions of causal relations. This approach is also difficult to apply especially when there are multiple experts with conflicting opinions. This thesis proposes a method to build BN models based on multiple experts' opinion by using the Decision Making Trial and Evaluation Laboratory (DEMATEL) approach. DEMATEL is a Multi Criteria Decision Making (MCDM) Method to determine cause-effect relationships between multiple criteria. In our method, the causal structure of BN is determined by asking experts pairwise direct influence values of criteria on each other via DEMATEL survey. Then, our method systematically revises the structure based on DEMATEL results and expert opinion. After construction of the BN structure, the BN is parameterized by using ranked nodes. DEMATEL survey is also used to determine the parameters of ranked nodes. Sensitivity analysis of parameters is conducted to measure the robustness of the model. And sensitivity analysis of evidence is conducted to evaluate the consistency of the model by comparing its results with the total relation matrix of DEMATEL. DEMATEL alone is not able to make probabilistic calculations to handle uncertainty. When DEMATEL and BN are integrated with our method, DEMATEL provides the causal structure of BN and then BN makes it possible to analyse risk and uncertainty based on the causal relationship between the decision criteria. They complement each other and integration of them provides a practical decision support tool. We applied our proposed method to a supplier selection case study in a large automotive manufacturer in Turkey. Our proposed method is suitable for the supplier selection problem as it has multiple interrelated decision criteria and uncertainty. In addition to these, buyers usually do not have perfect information regarding their suppliers, and the BN model developed by our approach is also able to deal with that. In the case study, the cause-effect relations between supplier selection criteria were determined by DEMATEL survey and the risks related with the criteria among their interactions were analyzed by BN according to knowledge of 14 experts from the automotive manufacturer. Experts can use the model to estimate the values of supplier selection criteria and analyse decision scenarios. The proposed approach presents a novel way of building BN model from the expert knowledge by using DEMATEL surveys and ranked nodes. Another contribution of the thesis is to provide a practical decision support tool for supplier selection decision analysis in automotive industry.

Benzer Tezler

  1. Tez No

    374209

    An analysis of criteria interaction techniques in multiple attribute decision making and a fuzzy TOPSIS based new model proposal

    Çok kriterli karar verme problemlerinde kriter etkileşim tekniklerinin analizi ve bulanık TOPSIS temelli yeni bir model önerisi

    İLKER GÖLCÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Endüstri ve Endüstri MühendisliğiDokuz Eylül Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ADİL BAYKASOĞLU

  2. Tez No

    879104

    Makine öğrenimine dayalı akciğer kanserinin erken tanısında belirsizlik ölçeğinin tespiti

    Detection of the uncertainty scale in the early diagnosis of lung cancer based on machine learning

    SEMA ÜZÜLMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAFER ASLAN

  3. Tez No

    559281

    Dinamik çığ tehlike değerlendirmesi için CBS ve BAYES ağlarının entegrasyonu

    Integration of GİS and Bayesian networks for dynamic avalanche assessment

    İPEK YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Jeodezi ve FotogrametriOndokuz Mayıs Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA ÖZTÜRK

  4. Tez No

    851075

    Interpretable cancer stage classification using sparse bayesian neural networks

    Seyrek bayesian sinir ağları ile yorumlanabilir kanser evre sınıflandırması

    HAZAL HASRET YURDAKUL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET GÖNEN

  5. Tez No

    909016

    Kimyasal tanker gemilerinde tank yıkama operasyonlarının entegrasyonu

    Integration of tank cleaning operations on chemical tanker ships

    TAYLAN GÜLER

    Doktora

    Türkçe

    Türkçe

    2024

    Denizcilikİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ÇİÇEK

Geri Dön