Bulanık Mantık ile Sanayii Sektöründe ISO 50001 Enerji Yönetim Sistemi Uygulaması

Enerji; ülkelerin ekonomik büyümesi için olmazsa olmaz bir unsurdur. Günümüzde sanayiide toplamüretim maliyetlerinin %50’sini enerji maliyetlerinin oluşturduğundan şirketlerde enerji maliyetlerinidüşürmek ana hedef olmuştur. Bu kapsamda yapılması gereken en önemli uygulama enerji tasarrufuna,verimliliğine yatırımdır. Şirketler enerji kaynaklarını verimli kullanarak enerji maliyetlerini azaltabilirler.Bu durum etkin enerji yönetim sistemi ile mümkün olup sistem şirketler için (enerji maliyetleriaçısından) bir zorunluluk olmuştur. Söz konusu çözüm sistemi ise uluslararası standart olan ISO 50001Enerji Yönetim Standardı (EYS) dır. EYS standardı kapsamında; tesislerin enerji tükettiği önemliünitelerin, ekipmanların (ısıtma ve soğutma sistemleri, kazanlar, pompalar, kompresörler, türbinler,fanlar, trafolar, motorlar vs.); enerji performansını izlemek için uygun enerji performans indikatörleriEPI ve Referans Enerji Durumu-RES lerin tanımlaması gereklidir. Ayrıca tesisin enerji kullanımı, enerjitüketimi ile ilgili tesise uygun bir enerji veri periyodu ile baz değerleri belirlenir. Bu yüksek enerji tüketenyerlerin performansındaki her değişimin izlenmesi, yönetilmesi ve iyileştirilmesi anlamına gelmektedir.ISO 50001 EYS standardı kapsamında; elektrik tüketiminin azaltılması için ölçülebilir enerji hedeflerininkonulması ve sürekli iyileştirmelerin izlenmesi gerekmektedir. Çalışmada bir endüstriyel tesisinin ISO50001 EYS uygulaması Karar Vericilerle (KV) görüşülerek değerlendirilmiş, tesiste enerji tüketen önemliekipmanların enerji performans indikatörleri-EPI ve Referans Enerji Durumu-RES ler tanımlanmış,ekipmanların enerji verimliliği ve önemli enerji kullanımları (ÖEK) irdelenmiştir. Ayrıca tesiste kullanılanÖEK formu ile İşletme Kriterleri formu oluşturulurken; çok kriterli karar verme (ÇKKV) yöntemi olanBulanık AHP (Analitik Hiyerarşi Prosesinden), Bulanık TOPSIS ve Bulanık VIKOR yöntemlerindenfaydalanılmıştır. ISO 50001 EYS standardı ile endüstriyel tesislerde enerji verimliliğini artırarak küreselısınma ile sera gazı salınımı sorunlarına çözüm getirmeyi amaçlamaktadır.

ISO 50001 Energy Management System Application in Industrial Sector with Fuzzy Logic

Energy; is the essential for economic development of countries. Today 50% of total production costs in industry are energy costs, therefore reducing energy costs in companies has been the main target. For this purpose the most important step is to make investments on energy saving and increase energy efficiency of equipment. Companies can reduce their energy costs by using their energy resources efficiently. This is only possible by applying an efficient energy management system that become a necessity for companies. The solution of it is to use the international standard ISO 50001 Energy Management Standard(EMS). Within the scope of EMS standard; the important equipment of the plants that consume most of the energy (heating and cooling systems, boilers, pumps, compressors, turbins, fans, transformers, etc.) are required to monitor their energy performance by using Energy Performance Indicators(EPI) and Reference Energy Situation-RES. As per EMS, energy base values are calculated by using an appropriate data period of energy usage and consumption of the facility. This means that high-energy consuming point’s performance should be monitored. EMS’s aim is to reduce the energy consumption amounts; measurable related targets should be set and the conditions of continuous improvements should be monitored. In the study EMS’s applications in one of the industrial plant is evaluated by conducting interviews with Decision Makers(DM); related EPIs and RES are defined, energy efficiency of the equipment and important energy usage(IEU) values are examined by using multi-criteria decision-making methods, i.e. Fuzzy AHP, Fuzzy TOPSIS and Fuzzy VIKOR. By using EMS, it aims to improve the energy efficiencies of the plant and bring solutions to global warming and greenhouse gas emissions.

PDF

___

Buckley, J. J., 1985. Fuzzy Hierarchical Analysis. Fuzzy Sets and Systems, 17, 233-247.
Buckley, J. J., 2003. Fuzzy Probabilities. New Approach and Applications, Physica-Verlag, New York.
Chan, F. T. S., Kumar, N., 2007. Global Supplier Development Considering Risk Factors Using Fuzzy Extended AHP-based Approach. Omega International Journal of Management Science, 35, 417-431.
Chang, D. Y., 1996. Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95, 649-655.
Chen, S. J., Hwang, C. L., 1992. Fuzzy Multiple Attribute Decision Making Methods and Applications. Berlin Heidelberg, Springer
Chen, C. T., 2000. Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114-119.
Chen, C. T., 2001. A Fuzzy Approach to Select the Location of the Distribution Center. Fuzzy Sets and Systems, 118, 65–73.
Chen, G., Pham, T. T., 2001. Fuzzy Sets, Fuzzy Logic, and Fuzzy Control Systems. CRC Press, USA.
Chen, C. T., Lin, C. T., Huang, S. F., 2006. A fuzzy approach for supplier evaluation and selection in supply chain management. International Journal of Production Economics, 102, 289-301.
Chen, L. Y., Wang, T. C., 2009. Optimizing Partners Choice in IS/IT Outsourcing Projects: The Strategic Decision of Fuzzy VIKOR. International Journal of Production Economics, 120(1), 233-242.
Deng, H., 1999. Multicriteria Analysis with Fuzzy Pairwise Comparison. International Journal of Approximate Reasoning, 21, 215-231.
Deming, W. E., 1982. Quality, Productivity and Competitive Position. MIT. Center of Advence Engineering, Cambridge, MA.
Enerji Tabii Kaynaklar Bakanlığı (ETKB), 2018. Enerji Raporu, 25-38.
Imai, M., 2004. Kaizen, Kalder Yayınları.
ISO 50001, 2018. Enerji Yönetim Sistemi Standardı.
Ghodsypour, S. H., O’Biren, C., 1998. A decision support system for supplier selection using an integrated analytic hierarchy process and linear programming. Int. J. Production Economics, 56-57.
Hu, Y., Wu, S., Cai, L., 2009. Fuzzy Multi-Criteria DecisionMaking TOPSIS for Distribution Center Location Selection. International Conference on Networks Security, Wireless Communications and Trusted Computing IEEE, 707-710.
Incekara, C. O., 2020. Türkiye’ nin Elektrik Üretiminde Doğalgaz Talep Tahminleri. Journal of Turkish Operations Management, Cilt 3, 2, 298-313.
Incekara, C. O., 2020. Turkey's Natural Gas Demand Projections. EJONS International Journal On Mathematics, Engineering & Natural Sciences, Volume (4), Issue (15): 489-505.
Incekara, C. O., 2020. Evaluation of Turkey’s International Energy Projects by Using Fuzzy Multi-Criteria Decision Making Methods. Euroasia Journal of Mathematics, Engineering, Natural & Medical Sciences, Volume (8), Issue (9): 206-217.
Incekara, C. O., 2020. Enerji Sektöründe Faaliyet Gösteren Bir İşletmede İş Sağlığı ve Güvenliği Yönetim Sistemi. Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi, Cilt 4, 1, 152-177.
Incekara, C. O., 2019. Use of an Optimization Model for Optimization of Turkey’s Energy Management by inclusion of Renewable Energy Sources. International Journal of Environmental Science and Technology, Springer, 121-133.
Incekara, C. O., 2019. Türkiye ve AB’nin Enerji Stratejileri ve Politikaları. Journal of Turkish Operations Management, Cilt 3, 2, 298-313.
Incekara, C. O., 2019. Turkey’s Energy Management Plan by using Fuzzy Modeling Approach. Scholars’ Press, Book, 38-52.
İncekara, Ç. Ö., 2018. Ülkemizdeki Enerji Santral Yatırımlarının AHP Yöntemi ile Değerlendirilmesi. Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 33, 4, 185-196.
Incekara, C. O., Ogulata, S. N., 2017. Turkey’s energy planning considering global environmental concerns. Ecological Engineering, Elsevier, 589-595.
İncekara, Ç. Ö., 2013. Turkey’s Energy Strategies. SOSBİLKO 2013, 113-129.
Junior, F. R. L., Osiro, L., Carpinetti, L. C. R., 2014. A comparison between Fuzzy AHP and Fuzzy TOPSIS methods to supplier selection. Applied Soft Computing, 21,194-209.
Kahraman, C., Cebeci, U., Ulukan, Z., 2003. Multi-Criteria Supplier Selection Using Fuzzy AHP. Logistics Information Management, 16, 6,382-394.
Klir, G. J., 1995. Fuzzy Sets and Fuzzy Logic Theory and Applications. Prentice Hall PTR, New Jersey.
Kumar, Sahu, A., Datta, S., Mahapatra, S. S., 2016. Evaluation and selection of resilient suppliers in fuzzy environment. Benchmarking: An International Journal, 23, 3, 651-673.
Leung, L., Cao, D., 2000. On Consistency and Ranking of Alternatives in Fuzzy AHP. European Journal of Operational Research, 124, 102-113.
Opricovic, S., 2011. Fuzzy VIKOR with an application to water resources planning. Expert Systems with Applications, 38, 12983-12990.
Opricovic, S., 1998. Multi Criteria Optimization of Civil Engineering Systems. Faculty of Civil Engineering, Belgrade.
Opricovic, S., Tzeng, G. H., 2004. The compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS. Europe an Journal of Operational Research, 156(2), 445-455.
Saaty, T. L., 2008. Decision making with the analytic hierarchy process. Int. J. Services Sciences, 1, 1, 83-98.
Satrovic, E., Dag, M., 2019. Energy consumption, urbanization and economic growth relationship: an examination on OECD countries, Dicle Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Vol. 11(22), 315-324.
Shukla, R. K., Gray, D., Agarwal, A., 2014. An integrated approach of Fuzzy AHP and Fuzzy TOPSIS in modeling supply chain coordination. Production & Manufacturing Research, 2(1): 415-437.
Tavakkolı-Moghaddam, R., Mousavi, S., Heydar, M., 2011. An Integrated AHP-VIKOR Methodology for Plant Locatıon Selectıon. International Journal of En¬gineering, 24 (2), 127-137.
Thengane, S. K., Hoadley, A., Bhattacharya, M. S., Bandyopadhyay, S., 2014. Cost-benefit analysis of different hydrogen production technologies using AHP and Fuzzy AHP. International Journal of Hydrogen Energy, 39, 152-159.
Wang, Y. M., Luo, Y., Hua, Z., 2008. On the Extent Analysis Method for Fuzzy AHP and its Applications. European Journal of Operational Research, 186, 735- 747.
Zadeh, L. A., 1965. Fuzzy Algorithms, Information and Control. 12(2), 94-102.