İŞLETMELERDE KARAR VERME TEKNİKLERİ - Deneme Sınavı - 6

Karar verme problemlerinde karar dalları stratejileri (seçenekler-alternatifler), şans dalları ise doğal durumları (olayları) göstermek için kullanılır.

Karar ağaçları temel karar düğümü solda yer almak üzere soldan sağa doğru yönlendirilmiş bir akışta oluşturulur.

Karar ağaçları, karar problemlerinin çözümünde, tümevarım yöntemiyle çizilme, tümdengelim yöntemi ile çözülme özelliği ile katkı yaparlar.

Karar verme, karar verici tarafından belirlenen amaçların gerçekleştirilebilmesi için iki veya daha fazla hareket biçimi arasından birinin seçimini ifade eder. Karar verme aşamasında, araştırmacı, strateji matrisini oluşturarak probleme uygun bir çözüm yöntemi yardımıyla en iyi sonuç ya da sonuçların ne olduğunu tespit etmeye çalışır.

Karar verme konusunda kullanılan bir diğer araç da karar problemi için karar ağacının oluşturulmasıdır. Karar ağacı, strateji matrisi yardımıyla karar vericinin karşılaşabileceği tüm senaryoları bir arada görmesine yardımcı olan grafiksel bir yardımcıdır. Temel olarak ağaca benzeyen bir yapısı olduğu için karar ağacı adı verilmiştir.

Şans Düğümü: Strateji matrisindeki doğal durumların karar ağacında gösterilmesi için şans düğümlerinden yararlanılır. Şans düğümleri, karar ağacında daire sembolü ile gösterilir. Şans düğümlerinden çıkan dallar, ortaya çıkış olasılıkları belirli değerleri alabilen olaylar için kullanılmaktadır.

Bölümdeki Şekil 3.1’de incelendiğinde karar ağacının nasıl oluşturulacağını ele alalınabilir. Karar ağacı çizimine en sola bir karar düğümü çizilerek başlanır. Şekilde en solda gösterilen kare, bir karar düğümüdür, bu düğümden karar alternatifi sayısı kadar dal sağa doğru yönlendirilir.

Karar ağaçları, çizimleri kolay olan ve karar vericiye en iyi karar alternatifinin seçiminde görsel olarak yardımcı olan grafiklerdir. Karar ağaçları aşırı hesaplamaya gerek kalmadan sınıflama yapar ve hem sürekli, hem de kesikli değişkenler için uygundur. Ancak karar ağaçlarının en büyük dezavantajı, karar alternatifi ve doğal durum sayısının artması durumunda karar ağacının karmaşık bir yapı alabilmesidir.

Dolayısıyla probleme bağlı olarak karmaşık yapıda olabilirler.

Karar ağaçları karar düğümü ile başlar ve sonuç değerleri ile tamamlanır. Karar verici karar ağacının çizimini tamamladıktan sonra karar ağacının en sağından karar düğümüne doğru ilerleyerek en iyi sonuca ulaşır.

Doğal durum olasılıklarının elde edilen yeni bilgiler ışığı altında geliştirilmesi için, olasılık teorisinde önemli bir yere sahip olan Bayes teoremi kullanılabilir. Bayes teoremi temel olarak bir olaya ilişkin bilinen olasılıkların yeni bilgi ışığı altında tekrar gözden geçirilmesi işlemidir. Karar verici Bayes teoremini karar verme sürecine dahil ederek, parametreler hakkında yapacağı tahminlerde kendisinin sahip olduğu bilgileri, deneyimlerini, yani öznel ve nesnel bilgileri sonradan yapılan araştırmalar sonucunda elde edilen ek bilgilerle bütünleştirme şansını yakalayacaktır.

Karar verme problemlerinde olduğu gibi birçok diğer problemde de karara ulaşmak için mümkün olduğunca doğru ve fazla bilgiye ihtiyaç duyulur. Karar verme problemlerinde karar verici her zaman belirlilik ortamında olsa karar verme süreci zor olmayabilir. Fakat bu durum gerçek hayatta çoğunlukla mümkün olamamaktadıra

Karar vericinin hangi doğal durumun kesinlikle ortaya çıkacağını bilmesi için ödemesi gereken en yüksek miktarın belirlenmesi, karar vericinin ek bilgi için ne miktara/rakama kadar ödeme yapmasının akılcı olduğunu tespit etmesi için önem arz etmektedir. Tam bilginin beklenen değeri, hangi doğal durumun ortaya çıkacağının kesinlikle öğrenilmesiyle elde edilebilecek en iyi getiri değeri ile hangi doğal durumun kesinlikle ortaya çıkacağı bilgisi öğrenilmeden önceki en iyi beklenen getiri değeri arasındaki fark olarak tanımlanabilir. Tam bilginin değerini hesaplamak için araştırmacı “her doğal durum için en yüksek getiri değerlerini” tespit eder.

Karar verme problemlerinde tam bilginin beklenen değeri (Expected Value of Perfect Information) EVPI kısaltması ile kullanılır. Tam bilginin beklenen değerinin hesaplanması için, EVPI = [Tam bilgi ile elde edilen getiri] – [Tam bilgi olmadan elde edilen beklenen getiri] eşitliği kullanılır.

1970’lerin sonlarında geliştirilmiş tekniğin en temel uygulama alanı, seçenekler kümesi içinden karşılaştırma sonucunda birinin belirlendiği seçim problemleridir.

Hiyerarşik yapı amaç, kriterler ve seçeneklerden oluşur. Hiyerarşik yapının oluşturulmasında ilk adım amacın belirlenmesidir.

Sayısal değer 7 ise tanımı "Çok önemli " şeklinde ve açıklaması "Bir faktör diğerine göre yüksek derecede kuvvetle daha önemlidir." şeklindedir.

İkili karşılaştırma, hiyerarşide yer alan elemanların bir üst
düzeydeki eleman üzerindeki etkilerinin gücüne göre karşılaştırılmasıdır.

CI: Tutarlılık İndeksi
RI: Rassal Tutarlılık Indeksi (Rassallık göstergesi) olmak üzere;
Tutarlılık Oranı (CR) olarak tanımlanır.

İkili karşılaştırmalara ilişkin tutarsızlığın ifadesi olan tutarlılık oranı 0,10’un (%10) üzerinde ise karar vericinin ikili karşılaştırmalar matrisini oluşturuken içinde bulunduğu yargıları tekrar gözden geçirmesi uygun olacaktır.

Göreli önem değerlerine ulaşmak için aşağıda açıklanan işlem adımları yerine getirilir.
• İkili karşılaştırma matrisinde her bir sütunun sütun toplam değerleri bulunur.
• Sütunda yer alan her bir eleman değeri, bulunduğu sütunun toplam değerine bölünür.
• Elde edilen yeni matrisin her satırının aritmetik ortalaması alınır.
Elde edilen değerler ilgili elemanlardan oluşan kümenin göreli önem vektörünü gösterir.