Bulanık Mantık

İNSAN KAYNAKLARI YÖNETİMİNDE PERFORMANS DEĞERLENDİRME İÇİN BİR BULANIK UZMAN SİSTEM GERÇEKLEŞTİRİMİ

Makalenin İngilizce İsmi: 
IMPLEMENTATION OF A FUZZY EXPERT SYSTEM FOR PERFORMANCE EVALUATION IN HUMAN RESOURCE MANAGEMENT
Makale İçerik Bilgileri
Tüm Terimler
Anahtar Kelimeler: 
performans değerlendirme
Yapay Zekâ
Bulanık Mantık
uzman sistem
bulanık çıkarım
Türkçe Özet: 

İşletmeler için insan kaynakları yönetiminde performans değerlendirmesi, problemin belirsiz ve yetersiz bilgiyle oluşturulması yüzünden karmaşık ve zaman alıcı bir işlemdir. Bu zorlukları ortadan kaldırmak için yapay sinir ağları, uzman sistemler, bulanık mantık ve genetik algoritmalar gibi yapay zekâ teknikleri kullanılabilir. Bu çalışmada; bir işletmede çalışanların yıllık performanslarının değerlendirilmesi için bir bulanık uzman sistem geliştirilmiş ve uygulanmıştır. Elde edilen sonuçlar, bulanık uzman sistem ile performans değerlendirmenin tutarlı ve sağlıklı olduğunu göstermiştir.
Anahtar Kelimeler: Performans değerlendirme, yapay zekâ, uzman sistem, bulanık mantık, bulanık çıkarım

Makale Künye Bilgisi
Tüm Terimler
Makalenin Yayımlandığı Dergi: 
Ege Akademik Bakış Dergisi
PDF Dosyası: 
application/pdf iconarastirmax_2743_pp_837-849.pdf
Referanslar: 

BYUN, D.H. and SUH, E.H. (1994): “Human resource management expert system”, Expert Systems, 11(2): 109–119.
DWEIRI, F.T. and KABLAN, M.M. (2006): “Using fuzzy decision making for the evaluation of the project management internal efficiency”, Decision Support Systems, 42(2), 712-726.
ERASLAN E. ve ALGÜN, O. (2005): “İdeal Performans Değerlendirme Formu Tasarımında Analitik Hiyerarşi Yöntemi Yaklaşımı”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 20(1): 95-106.
KLIR G.J. and YUAN B., (1995): “Fuzzy Sets and Fuzzy Logic: Theory and Application”, Prentice Hall, New Jersey.
KESHWANI, D.R., JONES, D.D., MEYER, G.E. and BRAND, R.M., (2008): “Rule-based Mamdani-type fuzzy modeling of skin permeability”, Applied Soft Computing, 8(1): 285-294.
LIN H.Y., HSU, P.Y. and SHEEN, G. J. (2007): “A fuzzy-based decision-making procedure for data warehouse system selection”, Expert Systems with Applications, 32(3): 939-953.
MEHRABAD, M. S. and BROJENY, M.F. (2007): “The development of an expert system for effective selection and appointment of the jobs applicants in human resource management”, Computers & Industrial Engineering, 53(2): 306-312.
NEGNEVITSKY, M., (2005): “Artificial Intelligence: A Guide to Intelligent Systems”, Addison-Wesley, England.
ÖZDEMİR, M. S. (2002): “Bir İşletmede Analitik Hiyerarşi Süreci Kullanılarak ÖZTÜRK, V. ve SÖNMEZ, A.C. (2006): “Değerlendirme sistemleri için melez uzman sistem yaklaşımı”, İstanbul Teknik Üniversitesi Dergisi/D: Mühendislik Serisi, 5(5): 3–14.
PEDRYCZ W. and GOMIDE, F., (1998): “An Introduction to Fuzzy Sets: Analysis and Design”, MIT Press, Cambridge.
RADOJEVIC, D. and PETROVIC, S. (1997): “A Fuzzy Approach to Preference Structure in Multicriteria Ranking”, International Transactions in Operational Research, 4(5-6): 419-430.
848
İnsan Kaynakları Yönetiminde Performans Değerlendirme için
Bir Bulanık Uzman Sistem Gerçekleştirimi
RIGG, G., MORLEY, R. and HEPPLEWHITE, R.T. (2000): “Themis: The objective assessment of CGF performance”, Proceedingsof the 9 th Conference on Computer Generated Forces and Behavioral Representations, Orlando, FL, 16-18 May, pp. 133-138.
SÜNGÜ, A. (2004): “İnsan Kaynakları Yönetiminde Performans Değerleme ve Astların, Performans Değerleme Çalışmalarına Verdikleri Destek ve Güveni Etkileyen Faktörler Üzerine Bir Araştırma”, Yüksek Lisans Tezi, Muğla Üniversitesi.
TIDHAR, G., HEINZE, C., GOSS, S., MURRAY, G., APPLA, D. and LLOYD, I., (1999): “Using Intelligent Agents in Military Simulations or Using Agents Intelligently”, American Proceedings of the Eleventh Innovative Applications of Artificial Intelligence Conference, American Association of Artificial Intelligence (AAAI), pp: 829-836.
ZADEH, L. A. (1965): “Fuzzy Sets”, Information Control, 8(3): 338–353.
ZADEH, L.A.(1983): “The Role of Fuzzy Logic in the Management of Uncertainty in Expert Systems”, Fuzzy Sets and Systems, 11(1-3):197-198.
ZIMMERMANN, J.-H., (1996): “Fuzzy Set Theory- and Its Applications”, Third Edition, Kluwer Academic Publishers, U.S.A.

Bulanık Mantık ve Lojistik Regresyon Yöntemleri ile Ulaşım Ağlarında Geçki Seçim Davranışının Modellenmesi

Makalenin İngilizce İsmi: 
Modelling Route Choice Decision in Transportation Networks by Fuzzy Logic and Logistic Regression Approaches
Makale İçerik Bilgileri
Tüm Terimler
Anahtar Kelimeler: 
Ulaşım Ağları
Bulanık Mantık
Ulaştırma
Lojistik Regresyon
Rotalama
Türkçe Özet: 

Geçki seçim problemi, bir çok parametrenin değerlendirilerek, bireysel faydanın en
büyüklemesine yönelik karmaşık bir sorun olup, oluşturulacak modelin doğruluğu, bireysel
geçki seçim davranışının gerçekçi olarak temsiline bağlıdır. Bu çalışmanın amacı, Denizli
ilinde belirlenmiş olan önemli bir yol ağındaki geçki seçim problemini, yapılan anket
çalışması sonucu elde edilen gerçek veriler kullanılarak bulanık olarak modellemektir.
Bulanık Mantık modelinde, geçki seçim davranışı üzerinde etkili olan en önemli dört
parametre; yolculuk süresi, trafik güvenliği, tıkanma olasılığı ve çevresel etki
değerlendirmeleri dikkate alınmıştır. Geçki seçim davranışındaki belirsizlikleri
modelleyebilmek amacıyla Bulanık Mantık kabullerinden yararlanılmıştır. Geliştirilen
Bulanık Mantık Geçki Seçim modeli, lojistik regresyon modelleri ile karşılaştırılmış ve
gerçek değerlere en yakın sonuçlar BM modeli ile elde edilmiştir.

Makale Künye Bilgisi
Tüm Terimler
Makalenin Yayımlandığı Dergi: 
İnşaat Mühendisleri Odası Teknik Dergi
PDF Dosyası: 
application/pdf iconarastirmax_2699_pp_.pdf
Referanslar: 

[1] Bovi, P.H.L. and Stern E., Route Choice:Wayfinding in Transport Networks, Kluwer
Academic Publishers, the Netherlands, 1990.
[2] Oppenheim, N., Urban Travel Demand, John Wiley & Sons Inc., 1995.
[3] Burrell, J., Multipath route assignment and its application to capacity restraint,
Proceedings of the 4th İnternational Symposium on the Theory of Road and Traffic
Flow, 1968.
[4] Dial, R., A probabilistic multipath traffic assignment algorithm which obviates path
enumeration, Transportation Research, 5, 1971.
[5] Arslan, T., Hybrid Rational Route Choice Approaches: Using Concepts From Fuzzy
Logic and the Analytic Hierarchy Process, Ph.D Thesis, in Civil Engineering in the
Graduate College of the Illinois Institute of Technology, Chicago, Illinois, 2003.
[6] Ben-Akiva, M. and S.R. Lerman. Discrete Choice Analysis: Theory and Application
to Travel Demand. Cambridge, MA: The MIT Press, 1985
[7] Sheffi, Y., Urban Transportation Networks: Equilibrium Analysis with Mathematical
Programming Methods, Prentice-Hall, Inc., Englewood Cliffs, New Jersey 07632,
ISBN: 0-13-939729-9, 1985.
[8] Teodorovic D., Kikuchi S., Transportation Route Choice Model using fuzzy inference
technique, Proceedings of ISUMA ’90, The First International Symposium on
Uncertainty Modeling and Analysis, 140-145s., 1990.
[9] Akiyama, T., Tsuboi, H., Description of Route Choice Behavior by Multi-Stage
Fuzzy Reasoning, Paper presented at the Highways to the Next Century Conference,
Hong Kong, 1996b.
[10] Lo H. and Lam W.S.P., A Modified Multinomial Logit Model of Route Choice for
Drivers Using the Transportation Information System, 295-299s., Proceedings of 9th
Mini-EURO Conference, 1997.
[11] Henn V., Fuzzy Route Choice Model for Traffic Assignment, Proceedings of the 9th
mini EURO Conference Fuzzy Sets in Traffic and Transportation Systems, Budva,
1997
[12] Lee B., Fujiwara A., Sugie Y., Namgung M., Route Choice Behaviour Considering
Randomness and Vagueness Uncertainty, Proceeedings of the 13th Mini EURO
Y. Şazi MURAT, Nurcan ULUDAĞ
4379
Conference Handling Uncertainty in the Analysis of Traffic and Transportation
Systems, Bari, 2002.
[13] Binetti, M and De Mitri, M., Traffic Assignment Model with Fuzzy Travel Cost, 805-
812 s., Proceeedings of the 13th Mini EURO Conference Handling Uncertainty in the
Analysis of Traffic and Transportation Systems, Bari, 2002.
[14] Henn V., What is the Meaning of Fuzzy Costs in Fuzzy Traffic Assignment Models,
231-239s., Proceeedings of the 13th Mini EURO Conference Handling Uncertainty in
the Analysis of Traffic and Transportation Systems, Bari, 2002.
[15] Mahmassani, H.S., Srinivasan K., Perception and Judgment Processes in Traveller
Decisions Under Real-Time Traffic Information, 266-268s., Proceeedings of the 13th
Mini EURO Conference Handling Uncertainty in the Analysis of Traffic and
Transportation Systems, Bari, 2002.
[16] Vythoulkas, P.C., Koutsopoulos H.N., Modelling Discrete Choice Behaviour Using
Concepts from Fuzzy Set Theory, Approximate Reasoning and Neural Networks,
Transportation Research Part C11, 51-73s., 2003.
[17] Lin, C.-T., Lee, C.S., 1991, Neural-network –based fuzzy logic control and decision
system. IEEE Transactions on Computers 40., 1320-1336s., 1991.
[18] Palma A., Picard N., Route Choice Decision under Uncertainty, 10th International
Conference on Travel Behaviour Research, 2003.
[19] Henn V., Ottomanelli M., Handling Uncertainty in Route Choice Models: From
probabilistic to Possibilistic Approaches, European Journal of Operational Research,
2005.
[20] Abdel-Aty, M.A., Kitamura R., Jovanis P.P., Using Stated Preference Data for
Studying the Effect of Advanced Traffic Information on Drivers’ Route Choice,
Transportation Research-C, Vol. 5, No. 1, 39-50s, 1997.
[21] Zadeh, L.A., Fuzzy Sets. Information and Control, 1965
[22] Murat Y.Ş., Gedizlioğlu E., A Fuzzy Logic Multi-phased Signal Control Model for
Isolated Junctions, Transportation Research Part C: Emerging Technologies, 13, 19-
36s., 2005.
[23] Şen, Z., Fuzzy Algorithm for Estimation of Solar Irradiation from Sunshine Duration,
Solar Energy, 63, 1, 39-49, 1998.
[24] Uludağ N., Ulaşım Ağlarında Geçki Seçim Probleminin Bulanık Mantık ile
Modellenmesi, 90s., Y. Lisans tezi, Pamukkale Üniversitesi Fen Bilimleri Enstitüsü,
Denizli, 2005.
[25] Menard, S., Applied Logistic Regression Analysis, Sage Publications, 128 p., 2001.

İçerik yayınları