Ege bölgesinde faaliyet gösteren KOSGEB kapsamındaki farklı ölçeklerdeki şirketlerin (KOBİ) bulanık kümeleme analizi ile gruplandırılması

Son yıllardaki akademik araştırmalarda ve uygulamalarda belirsizlik anlamı taşıyan kavramların sınıflandırılmasında bulanık kümeleme teorisi kullanılmaktadır. Kümeleme çalışmalarında, bazı objelerin küme üyeliklerinde veya kümeleri tanımlamada bir belirsizlik oluyorsa bulanık kümeleme yaklaşımının kullanılması daha faydalı olacaktır. Ayrıca, Bulanık Kümeleme Analizi diğer istatistiksel analizlerden farklı olarak esnek yapıda ve daha kullanışlı olup herhangi bir varsayıma dayanmaz. Bunun sonucunda, birçok sistemin bulanık sistemler yardımıyla modellenebilmesi ve hatta kopyalanabilmesinde hem bilimsel alanda hem de günlük hayatta oldukça önemli gelişmelere sebep olmuştur. Bu çalışmada, Bulanık Kümeleme Analizinin tüm avantajları göz önünde bulundurularak, Ege bölgesinde faaliyet gösteren Küçük ve Orta Ölçekli İşletmeleri Geliştirme ve Destekleme İdaresi Başkanlığı (KOSGEB) kapsamındaki farklı ölçeklerdeki şirketler sınıflandırılmıştır. KOSGEB’in belirlediği ölçütlere göre elde edilen veriler kullanılmıştır. Bulanık kümeleme metotları kullanılarak üç farklı ölçeğe göre sınıflandırma yapılmıştır. Bulanık çıkarım sistemi yapısı, bulanık modelleme yapısı ve bulanık kümeleme algoritmaları uygulamalarında kolaylık sağlamak maksadıyla oluşturulmuştur. Bu çalışmadaki sınıflandırma analizi için daha esnek bir model elde edilmiştir. Ayrıca, MATLAB kullanılarak oluşturulan bir yazılım vasıtasıyla araştırmacılara ve uygulayıcılara hızlı bir analiz yapma ve değerlendirme olanağı sağlanmıştır.

Anahtar Kelimeler:

Bulanık küme metodu, Bulanık kümeleme teorisi, Kümeleme yaklaşımları, Bulanık çıkarım yapısı, MATLAB

Grouping of the companies in different scales by fuzzy cluster analysis operating in the Aegean region of KOSGEB (SMEs)

In recent academic researches and applications, fuzzy clustering theory is used to classify concepts which state uncertainty. In clustering studies, if there is an uncertainty in determining clusters or cluster memberships of some objects, it would be better to use fuzzy clustering approach. Furthermore, Fuzzy Clustering Analysis differ from other statistical analysis as flexible structure, more practical and not based on any assumption. As a result of that, modelling and even copying of many systems with the help of fuzzy systems have been caused considerable development in our lives as well as in scientific field. In this study, considering the all advantages of fuzzy clustering analysis, the companies operating in the Aegean region of KOSGEB with different scales are classified. The data obtained according to the criteria determined by KOSGEB are used. Classification is made by three different scales using fuzzy clustering methods. Fuzzy inference system has been created to provide convenience for applications of fuzzy modelling structure and fuzzy clustering algorithms. For classification analysis in this study were obtained a more flexible model. Also it is intended to provide opportunity of quick analysis and evaluation to researchers and practitioners through a software created using MATLAB.

PDF

___

Bezdek JC. “Fuzzy models-what are they, and why?”. IEEE Transactions on Fuzzy Systems, 1(1), 1-6, 1993.
Cherkassky V, Mulier F. Learning from Data: Concept, Theory and Methods. 2nd ed. New Jersey, USA, John Wiley & Sons Inc., 2007.
Çelikyılmaz A, Türkşen IB. Modeling Uncertainty with Fuzzy Logic. Berlin Heidelberg, Springer-Verlag, 2009.
Klir GJ, Yuan B. Fuzzy Sets and Fuzzy Logic: Theory and Applications. 1st ed. New Jersey, USA, Prentice Hall, 1995.
KOSGEB T.C. Küçük ve Orta Ölçekli İşletmeleri Geliştirme ve Destekleme İdaresi Başkanlığı. “Bakanlar Kurulu Kararı: KOBİ’lerin Tanımı, Nitelikleri ve Sınıflandırılması Hakkında Yönetmelik 2005”. http://www.kosgeb.gov.tr/Pages/UI/Baskanligimiz.aspx (10.11.2013).
KOSGEB T.C. Küçük ve Orta Ölçekli İşletmeleri Geliştirme ve Destekleme İdaresi Başkanlığı. “Ölçek Endeksli Büyüme Kredisi Destek Programı, 2010”. http://www.kosgeb.gov.tr/Pages/UI/b.aspx (15.11.2013).
MathWorks. Fuzzy Logic Toolbox™ User’s Guide. Natick, The Math Works Inc., 1995-2003.
Ross TJ. Fuzzy Logic with Engineering Applications. 2nd ed. West Sussex, England, John Wiley & Sons Ltd., 2004.
Şen Z. Fuzzy Logic and System Models in Water Sciences. İstanbul, Turkey, Turkish Water Foundation, 2004a.
Şen Z. Mühendislikte Bulanık (Fuzzy) Mantık ile Modelleme Prensipleri. İstanbul, Türkiye, Su Vakfı Yayınları, 2004b.
Şen Z. Bulanık (Fuzzy) Mantık İlkeleri ve Modelleme. İstanbul, Türkiye, Su Vakfı Yayınları, 2009.
Zadeh LA. “Fuzzy sets”. Information and Control, 8(3), 338-353, 1965.