İnşaat Sektöründe Yapay Sinir Ağları Yardımıyla Alt Yüklenici Seçimi

Abstract

Günümüzün rekabete dayalı dünya ekonomilerinde, firmalar sürekli olarak maliyetleri kısarak ve üretimlerinin bir kısmını veya tamamını dış kaynak kullanımı ile gerçekleştirerek çekirdek yeteneklerine odaklanmalıdırlar. Önceden tahmin edilemeyen iş yükleri ve uzmanlık ihtiyaçı sebebiyle, bir çok ana yüklenici risklerini azaltabilmek için alt yüklenicilere güvenmektedirler. Ancak, inşaat sektöründeki gittikçe artan alt yüklenici kullanımına rağmen alt yüklenici seçiminin önemi sık sık göz ardı edilmektedir. Dış kaynak kullanılacak iş için uygun donanımlara sahip alt yükleniciyi seçmek, düşük performans maliyeti ve uzman yetenekleri sayesinde kısalan iş süresi ile firmalara daha yüksek bir kar payı sağlayacaktır. Bu yüksek lisans tez çalışmasında, alt yüklenici seçimi konusunda yönetim kararlarının desteklenmesi ve kolaylaştırılması için bir yapay sinir ağı modeli önerilmiştir. Yapay sinir ağları (YSA), insan beynini ve sinir sistemini taklit etmeye çalışan bilgi işleme teknolojisidir. YSA’lar öğrenebilen sistemlerdir. İnsan beynine benzer şekilde, tecrübeler aracılığıyla öğrenirler ve eski örnekleri kullanarak karşılaştığı yeni öreneklere genellemeler yaparlar. Alt yüklenici seçiminin baskın karakteristik özellikleri doğrusal olmayan davranışa sahip olması ve öznelliğin ön planda olmasıdır. Bu yüzden, alt yüklenici seçim sürecini oluştururken YSA gibi öznelliğin rahatlıkla aktarılabileceği ve doğrusal olmayan problemlerle çalışabilecek bir modelin kullanımı doğrusal modellere ve ağırlıklandırılmış puanlama gibi geleneksel metotlara göre üstünlük sağlayacaktır. Alt yüklenici seçimi için yapay sinir ağlarının kullanımı ve başarısı, Türkiye’de bulunan bir inşaat firmasında yapılan uygulamayla araştırılmıştır.

In today’s competitive world economy, firms have to continually cut costs and focus on core competencies which have led many to outsource some or all of their production. With unpredictable workloads and need for specialized skills, many main construction contractors put their faith in subcontractors to reduce their risks. However; despite the growing use of subcontractors in construction industry, the importance of subcontractor selection is frequently underestimated. Selecting the accurate subcontractors who have the necessary resources for outsourced work can obtain a higher profit margin by reducing their performance costs and a faster completion time by specialized skills. In this master degree thesis, a neural network is proposed to support and ease management decisions in subcontractor selection. Artificial neural networks (ANNs) are information processing technologies that simulate the human brain and the nervous system. ANNs are systems that can learn. Like the human brain, they learn from experiences and generalize from previous examples to new ones. Predominant characteristics of subcontractor selection are non-linearity and subjectivity. So that, a model like ANN, that can easily transfer subjectivity and work with non-linear models, should be more effective than the linear models and traditional methods like weighted score models when modeling the process of subcontractor selection. By an application case related to a construction firm in Turkey, the neural network implementation and its achievement in subcontractor selection are investigated.