Çok kriterli karar verme ve yapay zeka teknikleri ile bulut servisi seçimi
Cloud service selection with multi-criteria decision making and artificial intelligence techniques
- Tez No: 927160
- Danışmanlar: DOÇ. DR. HASAN ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Bu tez, bulut servisi seçim sürecinde Çok Kriterli Karar Verme (ÇKKV) yöntemleri ve yapay zeka tekniklerinin kullanımını incelemektedir. Günümüzde bulut bilişim, işletmelerin dijital dönüşümünde kritik bir rol oynamaktadır ve doğru bulut servisi sağlayıcısını seçmek, organizasyonların operasyonel verimliliği için önemlidir. Ancak, bulut servisi seçiminde çok sayıda kriter ve alternatif bulunması, karar verme sürecini karmaşık hale getirmektedir. Bu çalışma, en uygun bulut hizmet sağlayıcısının belirlenmesi amacıyla gerçekleştirilmiştir. Bilgi teknolojileri alanında çalışan 6 uzman ile yapılan beyin fırtınası ve literatür taraması sonucunda, bulut hizmet sağlayıcısı seçiminde önemli olan 8 temel ölçüt Maliyet, Kullanıcı Dostu Arayüz ve Yönetim Araçları, Veri Yedekleme ve Kurtarma, Güvenlik, Entegrasyon, Destek ve Müşteri Hizmetleri, Performans, Uyumluluk belirlenmiştir. Tezde, bulut servisi seçim sürecinde ÇKKV yöntemlerinden AHP ve TOPSIS kullanılmıştır. AHP ile kriter ağırlıkları belirlenerek TOPSIS yöntemi ile en uygun bulut hizmet sağlayıcısı seçilmiştir. Bulut hizmet sağlayıcısı tahmininde makine öğrenmesi yöntemleri karşılaştırmalı olarak incelemiştir. Çalışmada, k-Nearest Neighbors, Random Forest, Neural Network ve Gradient Boosting algoritmaları tercih edilmiştir. Sonuçlara göre, MAE, MAPE ve RMSE kriterlerine göre en iyi tahmin yöntemi olarak kNN belirlenmiştir. Bu yaklaşım, karar vericilere, kriterler arasındaki dengeyi sağlamak ve büyük veri kümeleri üzerinde daha doğru analizler yapmak için kapsamlı bir çerçeve sunar. ÇKKV yöntemleri, kriterlerin önem derecelerini ve alternatiflerin sıralamasını belirlerken; yapay zeka teknikleri tahminleme yapar. Araştırmanın uygulama kısmında, bulut servis sağlayıcılarının değerlendirilmesi için veri toplama, ÇKKV ve yapay zeka yöntemlerinin uygulanması adımları detaylı olarak ele alınmıştır. Elde edilen sonuçlar, önerilen yaklaşımın, bulut servisi seçiminde daha hızlı, doğru ve etkili sonuçlar sağladığını göstermektedir. Sonuç olarak, bu tez bulut servisi seçimi gibi karmaşık karar verme süreçlerinde ÇKKV ve yapay zeka tekniklerinin nasıl kullanılacağına dair değerli bir yöntem sunmakta ve bu yaklaşımın avantajlarını, sınırlamalarını belirlemekte, ayrıca gelecekteki çalışmalar için önerilerde bulunmaktadır. Bu yaklaşım, işletmelerin bulut hizmetlerini daha etkin bir şekilde seçmelerine yardımcı olarak, daha verimli ve rekabetçi bir dijital ortam yaratmalarına katkı sağlamayı amaçlamaktadır.
Özet (Çeviri)
This thesis investigates using multi-criteria decision-making (MCDM) methods and artificial intelligence techniques in the cloud service selection process. Today, cloud computing plays a critical role in the digital transformation of businesses, and selecting the right cloud service provider is vital for the operational efficiency of organizations. However, numerous criteria and alternatives in cloud service selection make the decision-making process complex. This study aims to identify the most suitable cloud service provider. Through brainstorming with six experts in information technology and a literature review, eight key criteria were identified as important in selecting a cloud service provider: Cost, User-Friendly Interface and Management Tools, Data Backup and Recovery, Security, Integration, Support and Customer Services, Performance, and Compliance. This thesis employed the AHP (Analytic Hierarchy Process) and TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) methods from MCDM techniques in the cloud service selection process. AHP was used to determine the criteria weights, and TOPSIS was applied to select the most suitable cloud service provider. Machine learning methods for predicting cloud service providers were also compared. The k-Nearest Neighbors, Random Forest, Neural Network, and Gradient Boosting algorithms were selected for this comparison. According to the results, kNN was identified as the best prediction method based on the MAE, MAPE, and RMSE criteria. This approach provides a comprehensive framework for decision-makers to balance criteria and perform more accurate analyses on large datasets. While MCDM methods determine the importance of criteria and rank the alternatives, artificial intelligence techniques are used for prediction. In the application section of the study, the steps for data collection, the application of MCDM, and artificial intelligence methods for evaluating cloud service providers were discussed in detail. The results show that the proposed approach provides faster, more accurate, and effective outcomes in cloud service selection. In conclusion, this thesis offers a valuable methodology for utilizing MCDM and artificial intelligence techniques in complex decision-making processes such as cloud service selection. It highlights the advantages and limitations of this approach and provides recommendations for future research. The methodology aims to assist businesses in selecting cloud services more effectively, creating a more efficient and competitive digital environment.
Benzer Tezler
- Prıorıtızatıon of socıal medıa advertısıng channels ınonlıne retaılıng by an aı-drıven mcdm framework
Çevrimiçi perakendecilikte sosyal medya reklamkanallarinin yapay zeka destekli bir çkkv çerçevesiyleönceliklendirilmesi
SABA MOSTAFAEI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU
- Ar-Ge projelerinde risk ve performans yönetiminde ödül-ceza modelleri ve hibrit çok kriterli karar verme karşılaştırılması
Comparison of reward-penalty models and hybrid multi-criteria deci̇si̇on maki̇ng i̇n R&D project ri̇sk and performance management
EZGİ GÜL DİNÇER
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
DOÇ. DR. SAFİYE SENCER
- Dynamic data-driven optimization approach for flight selection problem
Uçuş seçimi problemi için dinamik veri odaklı optimizasyon yaklaşımı
ERDEM AKIN
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı
PROF. DR. BAŞAR ÖZTAYŞİ
- Güney ege deniz trafiğinin seyir emniyeti açısından değerlendirilmesine yönelik bir yaklaşım önerisi
An approach proposal for the evaluation of navigation safety in the south aegean sea traffic
CANAN ŞENDİLMEN DANACI
Doktora
Türkçe
2025
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUBA KEÇECİ
- Bakım planlamasında kullanılan makine öğrenme yöntemlerinin çok kriterli karar verme ile analizi
Analysis of machine learning methods used in maintenance planning with multi-criteria decision making
GÖZDE NUR CALAYIR
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KABAK