Kontrol grafikleri pek çok alanda kullanılmakla birlikte sürecin, ürünün durumuyla
ilgili bilgi vermesi açısından önem arz etmektedir. Kontrol grafikleri sayesinde süreç
ve/veya üründeki anormal ve olağan durumlar fark edilerek gerekli önlemlerin alınması
sağlanır. Bu noktada en önemli ve kritik olan uzman görüşleri ile ilgili bilgi kaybının olacağı
düşünülmektedir. Özellikle niteliksel veriler için bu durumun daha fazla olduğu söylenebilir.
Bu ve buna benzer veri kayıplarını engellemek, dilsel ifadeleri sayısal verilere
dönüştürebilmek adına son zamanlarda yaygın bir şekilde kullanılan bulanık mantıktan
yararlanmak gerekir. Son zamanlarda kontrol grafiklerinin bulanık sayılarla oluşturulması
ile ilgili bazı çalışmalar yapılmış olsa da bunların hepsi yalnızca sayının o kümeye üye olma
derecesini baz alan tip-1 bulanık sayılar kullanılarak yapılmıştır. Oysa günlük hayattaki pek
çok verinin tip-1 bulanık sayı ile ifade edilemeyeceği bilinmektedir. Diğer bir ifade ile bir
sayının bir kümeye ait olma derecesini net bir sayı ile ifade etmek yeterli değildir. Bu durum
göz önüne alındığında, tip-1 bulanık sayıların verileri temsil etmekte yetersiz kaldığı ve
aralık tip-2 bulanık sayıları (AT2BS) kullanmanın oluşacak veri kaybını azaltacağı
belirlenmiştir. Diğer bir açıdan ise günlük hayatta bazı kararları verirken o kararın eksik
yanları ve kararsız kalınan durumların var olduğu görülür. Bu ve buna benzer durumlarda
veri toplandığında tip-1 bulanık sayı kullanılırsa verilen kararsızlık ve üye olmama
durumları göz ardı edilmiş olur. Ancak sezgisel bulanık sayıların (SBS) varlığı ile verilerde
oluşacak bilgi kayıpları indirgenebilir. Bu çalışma temelde veri kayıplarını engellemek,
süreçle ilgili uzmanın kararlarında oluşabilecek çelişkileri indirgemek ve literatüre daha
önce benzeri yapılmamış bir çalışma sunarak bundan sonraki çalışmalara ışık tutmayı
amaçlamaktadır. Çalışma sonrasında elde edilen sonuçlar klasik kontrol grafikleri ile
karşılaştırılarak değerlendirilecektir
Besides control charts are used in many fields, they are important because the process
gives information about the product's situation. Thanks to control charts, necessary
precautions are taken by noticing abnormal and normal situations of process and/or product.
It is considered that at this point the most important and critical issue is that there will be
loss of information about the expert opinions. It can be said that this situation is more
common especially for the qualitative data than quantitative data. To prevent losses of data
like this and so on and to transform linguistic expressions into numeric data, it is needed to
take advantage of fuzzy logic that is commonly used recently. Although some studies about
creating control graphics by fuzzy numbers have been conducted recently, all of them are
done only by using type-1 fuzzy numbers that are based on the number's membership degree
of the group. However, it is known that much of the data used in daily life cannot be
expressed by type-1 fuzzy number. When this situation is taken into account, it is determined
that type-1 fuzzy numbers are inadequate in gathering data and using type-2 fuzzy numbers
reduces the loss of data. From another angle, when making some decisions in daily life, it is
seen that there are missing sides of the decisions and undecided situations. If type-1 fuzzy
number is used when gathering data in a situation like this and so on, undecided and non membership situations will be ignored. However, losses of information in data can be
reduced with the presence of intuitionistic fuzzy numbers. The aim of this study is to prevent
data losses, reducing contradictions that can be occured in decisions of the expert and
throwing light on future studies by presenting a study to the literature that has never been
done like that before. The results obtained from the study will be evaluated by comparing
with classic control charts