Cilt 12 Sayı 1 (2024): Business & Management Studies: An International Journal
Makaleler

Hibrit bir ÇKKV modeli ile G20 ülkelerinin lojistik performansının ölçülmesi

PDF
  • Ebru Acar Akbulut,
  • Alptekin Ulutaş,
  • Ali Aygün Yürüyen,
  • Saime Balalan
Ebru Acar Akbulut
Yüksek Lisans Mezunu, Sivas İŞGEM, Sivas, Türkiye
Alptekin Ulutaş
Doç. Dr., İnönü Üniversitesi, İ.İ.B.F., Uluslararası Ticaret ve İşletmecilik, Malatya, Türkiye,
Ali Aygün Yürüyen
Öğr. Gör., Ardahan Üniversitesi, Nihat Delibalta Göle Meslek Yüksekokulu, Ulaştırma Hizmetleri Bölümü, Ardahan, Türkiye
Saime Balalan
Yüksek Lisans Öğrencisi, İnönü Üniversitesi, İ.İ.B.F., Uluslararası Ticaret ve İşletmecilik, Malatya, Türkiye
DOI: https://doi.org/10.15295/bmij.v12i1.2300

Yayınlanmış 2024-03-25

Anahtar Kelimeler

  • Lojistik Performans, ÇKKV, LPI, SD, PSI, MEREC, MARA
  • Logistics Performance, MCDM, LPI, SD, PSI, MEREC, MARA

Nasıl Atıf Yapılır

Acar Akbulut, E., Ulutaş, A., Yürüyen, A. A., & Balalan, S. (2024). Hibrit bir ÇKKV modeli ile G20 ülkelerinin lojistik performansının ölçülmesi . Business & Management Studies: An International Journal, 12(1), 1–21. https://doi.org/10.15295/bmij.v12i1.2300

Telif Hakkı (c) 2024 Ebru Acar Akbulut- Alptekin Ulutaş- Ali Aygün Yürüyen- Saime Balalan

Creative Commons License

Bu çalışma Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License ile lisanslanmıştır.

Özet

Lojistik, yatırım kârını azami seviyeye yükseltmek için bir ürünü depolayabilen veya stratejik olarak akışlarını belirli bir plan dahilinde kontrol edebilen bir yönetim kararı oluşturmaya yönelik sistemdir. Lojistik Performans Endeksi (LPI), ülkelerin lojistik alanında durum tespiti yapabilmeleri ve iyileştirmeleri gereken alanları belirlemede oldukça önemlidir. Bu makale G20 ülkelerinin lojistik performanslarını Çok kriterli karar verme (ÇKKV) yöntemleri ile değerlendirmektedir. Çalışmada kullanılan veriler Dünya Bankası’nın 2018 yılında yayınladığı LPI raporundan alınmıştır. ÇKKV yöntemleri, en iyi performans gösteren alternatifin seçimi veya istenilen hedef doğrultusunda performans ölçümleme ve sıralama ihtiyacı duyulan her alanda kullanılabilmektedir.  Çalışmada kullanılan ÇKKV yöntemleri herhangi bir çalışmada birlikte daha önce kullanılmamıştır. Bu nedenle bu çalışma özgün bir çalışmadır. Çalışmada kriter ağırlıklarının değerlendirilmesinde üç farklı yöntem (SD, PSI ve MEREC) bir arada kullanılmıştır. Bu üç farklı yöntemin bir arada kullanılmasıyla daha kesin ve güvenilir sonuçların elde edildiği düşünülmektedir.

Çalışmada alternatiflerin sıralanması için literatürde nadiren kullanılan MARA (Magnitude of the Area for the Ranking of Alternatives/Alternatiflerin Sıralanması için Alan Büyüklüğü) yöntemi uygulanmıştır. Literatürde MARA yöntemi kullanılarak yapılan Türkçe yayın bulunmamaktadır. Çalışma literatürde bulunan bu boşluğu doldurmayı hedeflemektedir. Uygulanan yöntemler ve elde edilen sonuçlar doğrultusunda Almanya en iyi performans gösteren alternatif olarak belirlenmiştir.

PDF

İndirmeler

İndirme verileri henüz mevcut değil.

Referanslar

  1. Altıntaş, F.F. (2021). “Avrupa Birliği Ülkelerinin Lojistik Performanslarının Critic Tabanlı Waspas ve Copras Teknikleri ile Analizi”, Türkiye Sosyal Araştırmalar Dergisi, Yıl 25, Sayı:1 – Nisan 2021
  2. Andrejic, M., & Kilibarda, M. (2014). Global Logistics Efficiency Index. Center for Quality.
  3. Arvis, J. F., Ojala, L., Wiederer, C., Shepherd, B., Raj, A., Dairabayeva, K., & Kiiski, T. (2018). Connecting to compete 2018.
  4. Ayaydın, H., Durmuş, S., & Pala, F. (2017). Gri İlişkisel Analiz Yöntemiyle Türk Lojistik Firmalarında Performans Ölçümü. Gümüshane University Electronic Journal of the Institute Of Social Science/Gümüshane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 8(21).
  5. Aydın, Y. (2021). Bütünleşik Bir ÇKKV Modeli ile Sigorta Şirketlerinin Piyasa Performansının Analizi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (32), 53-66.
  6. Bayır, T., & Yılmaz, Z. (2017). AB Ülkelerinin Lojistik Performans Endekslerinin AHP ve Vikor Yöntemleri ile Değerlendirilmesi. Middle East Journal of Educations (meje), 3(2), 73-92.
  7. Bayraktutan, Y., & Özbilgin, M. (2015). Lojistik maliyetler ve lojistik performans ölçütleri. Maliye Araştırmaları Dergisi, 1(2), 95-112.
  8. Boakai, S., & Samanlioglu, F. (2023). An MCDM approach to third party logistics provider selection. International Journal of Logistics Systems and Management, 44(3), 283-299.
  9. Çakır, S. (2017). Measuring logistics performance of OECD countries via fuzzy linear regression. Journal of Multi‐Criteria Decision Analysis, 24(3-4), 177-186.
  10. Çalık, A., Erdebilli, B., & Özdemir, Y. S. (2022). Novel Integrated Hybrid Multi-Criteria Decision-Making Approach for Logistics Performance Index. Transportation Research Record, 03611981221113314.
  11. Demir, G., (2022). Hayat Dışı Sigorta Sektöründe Kurumsal Performansın PSI-SD Tabanlı MABAC Metodu ile Ölçülmesi: Anadolu Sigorta Örneği. Ekonomi Politika ve Finans Araştırmaları Dergisi, 7(1), 112-136.
  12. Diakoulaki, D., Mavrotas, G., & Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method. Computers & Operations Research, 22(7), 763-770.
  13. Dünya Bankası (2022). International LPI. https://lpi.worldbank.org/.
  14. Ersoy, N. (2022). OECD ve AB Üyesi Ülkelerin İnovasyon Performanslarının MEREC-MARCOS Bütünleşik Modeli ile Ölçümü. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 24(3), 1039-1063.
  15. Gligorić, M., Gligorić, Z., Lutovac, S., Negovanović, M., & Langović, Z. (2022). Novel Hybrid MPSI–MARA Decision-Making Model for Support System Selection in an Underground Mine. Systems, 10(6), 248.
  16. Goswami, S. S., Mohanty, S. K., & Behera, D. K. (2022). Selection of a green renewable energy source in India with the help of MEREC integrated PIV MCDM tool.Materials today: proceedings,52, 1153-1160.
  17. Karakaş, A. (2022). Sürdürülebilir ve yılmaz tedarikçi seçimi probleminin MEREC tabanlı MAIRCA yöntemi ile çözümü. (Yayımlanmamış Yüksek Lisans Tezi). Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Enstitüsü, Eskişehir, Türkiye.
  18. Keshavarz-Ghorabaee, M. (2021). Assessment of distribution center locations using a multi-expert subjective–objective decision-making approach. Scientific Reports, 11(1), 19461.
  19. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2021). Determination of objective weights using a new method based on the removal effects of criteria (MEREC). Symmetry, 13(4), 525.
  20. Khorshidi, R., & Hassani, A. (2013). Comparative Analysis Between TOPSIS and PSI Methods of Materials Selection to Achieve a Desirable Combination of Strength and Workability in Al/SiC Composite. Materials and Design, 52, 999-1010.
  21. Krishankumar, R., Saranya, R., Nethra, R. P., Ravichandran, K. S., & Kar, S. (2019). A decision-making framework under probabilistic linguistic term set for multi-criteria group decision-making problem. Journal of Intelligent & Fuzzy Systems, 36(6), 5783-5795.
  22. Maniya, K., & Bhatt, M. G. (2010). A selection of material using a novel type decision-making method: Preference selection index method. Materials & Design, 31(4), 1785-1789.
  23. Maniya, K. D., & Bhatt, M. G. (2011). An alternative multiple attribute decision making methodology for solving optimal facility layout design selection problems. Computers & Industrial Engineering, 61(3), 542-549.
  24. Mešić, A., Miškić, S., Stević, Ž., & Mastilo, Z. (2022). Hybrid MCDM Solutions for Evaluation of the Logistics Performance Index of the Western Balkan countries. Economics, 10(1), 13-34.
  25. Nguyen, N. A. T., Wang, C. N., Dang, L. T. H., Dang, L. T. T., & Dang, T. T. (2022). Selection of cold chain logistics service providers based on a grey AHP and grey COPRAS framework: a case study in Vietnam. Axioms, 11(4), 154
  26. Oğuz, S., Alkan, G., & Yılmaz, B. (2019). ''Seçilmiş Asya Ülkelerinin Lojistik Performanslarının TOPSIS Yöntemi ile Değerlendirilmesi'', IBAD Sosyal Bilimler Dergisi, Özel Sayı, 497-507.
  27. Qiu, L. M., Sun, L. F., Liu, X. J., & Zhang, S. Y. (2013). Material selection combined with optimal structural design for mechanical parts. Journal of Zhejiang University SCIENCE A, 14(6), 383-392.
  28. Pamucar, D., Chatterjee, K., & Zavadskas, E. K. (2019). Assessment of third-party logistics provider using multi-criteria decision-making approach based on interval rough numbers. Computers & Industrial Engineering, 127, 383-407.
  29. Pamucar, D., Žižović, M., Biswas, S., & Božanić, D. (2021). A new logarithm methodology of additive weights (LMAW) for multi-criteria decision-making: Application in logistics.
  30. Parashkevova, L. (2007). Logistics Outsourcing-a Means of Assuring the Competitive Advantage for an Organization. Vadyba / Management, 15 (2). 29-38
  31. Rao, R. V., & Patel, B. K. (2010). A subjective and objective integrated multiple attribute decision making method for material selection. Materials & Design, 31(10), 4738-4747.
  32. Rao, R. V., Patel, B. K., & Parnichkun, M. (2011). Industrial robot selection using a novel decision making method considering objective and subjective preferences. Robotics and Autonomous Systems, 59(6), 367-375.
  33. Sarı, E. B. (2019). Measuring The performances of the machines via Preference Selection Index (PSI) method and comparing them with values of Overall Equipment Efficiency (OEE). İzmir İktisat Dergisi, 34(4), 573-581.
  34. Şen, İ. K. (2014). Lojistik faaliyetlerin yönetimi ve maliyetleme yaklaşımları. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 4(1), 83-106.
  35. Stević, Ž., Tanackov, I., Puška, A., Jovanov, G., Vasiljević, J., & Lojaničić, D. (2021). Development of modified SERVQUAL–MCDM model for quality determination in reverse logistics. Sustainability, 13(10), 5734.
  36. Uca, N., Civelek, M. E., & Çemberci, M. (2015). Lojistik Performans Endeksi Bileşenlerinin Gayri Safi Milli Hasıla Üzerine Etkisi: Kavramsal Model Önerisi (The Effect of the Components of Logistics Performance Index on Gross Domestic Product: Conceptual Model Proposal). Eurasian Business & Economics Journal,
  37. Ulutaş, A. (2018). Entropi Tabanlı EDAS Yöntemi ile Lojistik Firmalarının Performans Analizi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (23), 53-66.
  38. Ulutaş, A., & Karaköy, Ç. (2019). G-20 Ülkelerinin Lojistik Performans Endeksinin Çok Kriterli Karar Verme Modeli ile Ölçümü. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 20(2), 71-84.
  39. Ulutaş, A., & Karaköy, Ç. (2021). Evaluation of LPI values of transition economies countries with a grey MCDM model. In Handbook of Research on Applied AI for International Business and Marketing Applications (pp. 499-511). IGI Global.
  40. Ulutaş, A. (2020). Stacker selection with PSI and WEDBA Methods. International Journal of Contemporary Economics and Administrative Sciences, 10(2), 493-504.
  41. Ulutaş, A., Stanujkic, D., Karabasevic, D., Popovic, G., & Novaković, S. (2022). Pallet truck selection with MEREC and WISP-S methods. Strategic Management-International Journal of Strategic Management and Decision Support Systems in Strategic Management.
  42. Wen, Z., Liao, H., Kazimieras Zavadskas, E., & Al-Barakati, A. (2019). Selection third-party logistics service providers in supply chain finance by a hesitant fuzzy linguistic combined compromise solution method. Economic research-Ekonomska istraživanja, 32(1), 4033-4058.
  43. Wong, W.P., Tang, C.F., (2017), “The Major Determinants Of Logistic Performance In A Global Perspective: Evidence From Panel Data Analysis”, International Journal of Logistics Research and Applications, 21(4), 431-443.
  44. Vahdani, B., Mousavi, S. M., & Tavakkoli-Moghaddam, R. (2011). Group decision making based on novel fuzzy modified TOPSIS method. Applied Mathematical Modelling, 35(9), 4257-4269.
  45. Yalçin, B., & Ayvaz, B. (2020). Çok Kriterli Karar Verme Teknikleri ile Lojistik Performansın Değerlendirilmesi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 19(38), 117-138.
  46. Yıldırım, B. F., & Adıgüzel Mercangöz, B. (2020). Evaluating the Logistics Performance of OECD Countries by Using Fuzzy AHP and ARAS-G. Eurasian Economic Review, 10(1), 27-45.
  47. Yürüyen, A. A., & Ulutaş, A. (2020). Bulanık AHP ve bulanık EDAS yöntemleri ile üçüncü parti lojistik firması seçimi. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 8(İktisadi ve İdari Bilimler), 283-294. https://doi.org/10.18506/anemon.767354
  48. Yürüyen, A. A., Ulutaş, A., & Özdağoğlu, A. (2023). Lojistik işletmelerinin performansının bir hibrit ÇKKV modeli ile değerlendirilmesi. Business & Management Studies: An International Journal, 11(3), 731–751. https://doi.org/10.15295/bmij.v11i3.2245