BULANIK BÜTÇELEME VE BULANIK BÜTÇE KONTROLU

Bütçeleme bir işletmenin etkin ve etkili yönetimi açısından vazgeçilmez bir yönetim aracıdır. Ancak geleneksel yaklaşımla hazırlanan bütçelerde iki temel sorun bulunmaktadır. Birincisi geleneksel bütçeler gerçeği yansıtmayacak kadar deterministik ve değişen koşullara uyum sağlayamayacak kadar esneklikten uzak bir şekilde hazırlanırlar. Geleneksel bütçeleme yaklaşımında karşılaşılan ikinci sorun ise, bütçe uygulaması sonucunda gerçekleşen bütçe rakamının hedeflenenden farklı olduğu her durumda ayrıntılı bir şekilde analiz yapılmasının gerekmesidir. Çünkü tespit edilen farklılığın, üretim hacmindeki farklılıktan veya bir performans sapmasından kaynaklanıp kaynaklanmadığının tespit edilmesi ancak ayrıntılı bir analizle mümkün olmaktadır. Bununla birlikte bu analizin bilgi, tecrübe gerektirmesi ve zaman alması, maliyet analizi konusunda uzman olmayanlar açısından sorun oluşturmaktadır. Bulanık mantık teorisi, belirsizlikleri ele alma ve işleme konusundaki yaklaşımı nedeniyle yukarıda konu edilen sorunları ortadan kaldırabilecek teorik yapıyı ve uygulama kolaylığını sunmaktadır. Bütçelerin hazırlanması sırasında bulanık mantıktan yararlanılması, bütçelerin belirsizlikleri içerecek şekilde hazırlanmasını ve esneklik kazanmasını sağlayacaktır. Bütçe kontrolünde bulanık karar destek sisteminden yararlanılması durumunda, bütçe analizi daha hızlı ve etkin bir şekilde yapılabilir ve yöneticilerin detaylı çalışmalar yapmadan etkili karar vermeleri sağlanabilir. Bu çalışmayla bütçeleme sürecinde bulanık mantıktan nasıl yararlanılabileceği ortaya konmaya ve bütçe sapmalarının analizinde kullanılacak bulanık karar destek sisteminin uygulama çerçevesi çizilmeye çalışılmıştır.

FUZZY BUTGETING AND FUZZY BUTGETARY CONTROL

Budgeting is a major tool to manage a business in efficient and effective manner. But budgeting process is too deterministic and not flexible enough. Another problem related with budgeting process is the necessity to produce performance reports to compare actual results with the budget. Probable differences must be analyzed. But the analysis requires experience in budgeting and it is very time consuming. These problems prevent budgeting process reach aim mentioned above. These are the main drawbacks to attain the advantages in using of the budget as a control tool. Fuzzy logic provides an efficient tool to solve to solve these problems stated above. Fuzzy budgeting offer the flexibility by introducting fuzzy numbers and the means budget numbers involve uncertainty. Also fuzzy inference systems provide a decision support tool to managers for effective and efficient budgetary control. The paper firstly try to answer “how to prepare fuzzy budget” question and presents application frame work for fuzzy decision support system for budgetary control.

PDF

___

Bojadziev G., M. Bojadziev, (1999). Fuzzy Logic For Business, Finance and Management, Singopore, World Scientific Pub. Co. Pte. Ltd..
Chan, L., Y. Yuan, (1990). Dealing with Fuzziness in Cost-Volume-Profit Analysis, Journal of Accounting and Economics, V: XII, N:4, 83-95.
Chiu, C.-Y., C.S., (1998). Park, Capital Budgeting Decisions with Fuzzy Projects, The Enginnering Economist, V: XXXXII, N: 2, 125-150.
Evans, G.W., W. Karwowski, (1989). M.R. Wilhelm, Applications of Fuzzy Set Methodoligies in Industrial Engineering, Amsterdam, Elsevier Science Publishers B.V..
Garrison, R.H., (1982). Managerial Accounting(3.Ed.),Business Pub. Inc.,N.Y.
Gögüş, Ö, T.O., (1998). Boucher, Fuzzy NCIC, The Enginnering Economist, V: XXXXIII, N:3, 203-246.
Jang R.J.,C.Sun, E. Muzutani, 1997. Neuro-Fuzzy and Soft Computing, Prentice Hall, N.J..
Kandel, A., (1986). Fuzzy Mathematical Techniques with Applications, Massachusetts, Addison-Wesley Pub. Comp..
Karsak, E. E., (1998). Measures of Liquidity Risk Supplementing Fuzzy Discounted Cash Plan Analysis, The Engineering Economist, V:XXXXIII, N: 4, 331-344.
Kasko,B., (1993). Fuzzy Thinking: The New Science of Fuzzy Logic, N.Y.
Klir, G.J., T.A., (1988). Folger, Fuzzy Sets, Uncertainty, and Information, N.J. Prentice Hall.
Kuchta, D., (2001). A Fuzzy Model For R&D Project Selection with Benefit, Outcome and Resource Interactions, The Engineering Economist, V: XXXXIII, N: 3, 164-180.
Moore, C.L., R.K. Jaedicke, (1988). Yönetim Muhasebesi Çev: Alparslan Peker, İ.Ü Yayın No :3486, İstanbul.
Mukaidono, M., (2001). Fuzzy Logic For Beginners, World Scientific Pub. Co., Singopore.
Tarrazo, M., L., (2000). Gutierrez, Economic Expectations, Fuzzy Sets and Financial Planing, European Journal of Operating Research, V:126, N:
Ting, D.P.K. ve diğerleri, (1999). Product and Process Cost Estimation With Fuzzy Multi-Attribute Utility Thoery, The Enginnering Economist, V: XXXXIV, N:4, 303-313.
Turban,E., (1993). Decision Support and Expert Systems, 3. Ed., Macmillan Pub. Co..
Umapathy, S., (1987). Current Budgeting Practies In U.S. Industry: The State of the Art, Quorum Books, N.Y..
Zadeh, L.A., (1981). A Meaning Representation Language for Natural Languages, E.H. Mamdani, B.R. Gaines (Ed.), Fuzzy Reasoning and Its Applications, London, Academic Press Inc..
Zadeh L.A., (1987a) . Fuzzy Sets, R.R.Yager ve Diğerleri (Ed.), Fuzzy Sets and Applications: Selected Papers by L.A.Zadeh, N.Y., John Wiley & Sons.
Zadeh, L.A., (1987b). The Concept of a Linguistic Variable and Its Application to Approximate Reasoning-1, R R.R.Yager ve Diğerleri (Ed.), Fuzzy Sets and Applications: Selected Papers by L.A.Zadeh, N.Y., John Wiley & Sons.
Zadeh, L.A., (2000). Toward a Logic of perceptions Based on Fuzzy Logic, V. Novak, I. Perfilieva (Ed.), Physica-Verlag Heidelberg.