Proje Planlama Ve Çizelgelemede Genetik Algoritma Tabanlı Bir Yöntem İle Kritik Yolun-Proje Tamamlanma Zamanının Tespiti Ve Zaman-Maliyet Analizi

Öz Proje planlama ve çizelgeleme, proje yönetiminin karmaşık konuları arasındadır. Günümüz şartlarındaki rekabet ortamında, faaliyetlerin öncüllük veya ardıllık ilişkisine bağlı olarak hazırlanmış şebeke üzerinde kritik yol/yolların, kritik faaliyetlerin ve proje tamamlanma zamanının elde edilmesi proje planlama ve çizelgeleme için önemlidir. Ayrıca proje planlama ve çizelgelemede, zaman maliyet analizi zamandan tasarruf sağlarken maliyeti de en küçük hale getirmeyi hedefleyerek firmalara rekabet avantajı sağlamaktadır. Bu yüzden, optimizasyon işlemi gerektiren bir konu olup matematiksel modeli oluşturularak en iyi çözümü bulunabilmektedir. Sezgisel/meta sezgisel algoritmaların ortaya çıkması ile birlikte optimizasyon problemlerinin çözümü daha da kolay hale gelmiştir. Tavlama benzetimi, tepe tırmanışı, karınca kolonisi, yapay sinir ağları, genetik algoritmalar gibi birçok meta sezgisel yaklaşım bulunmaktadır. Bu çalışmada, genetik algoritma tabanlı bir yöntem kullanılarak şebeke üzerindeki kritik yol/yolları, kritik faaliyetleri ve proje tamamlanma zamanını hesaplayan proje planlama ve çizelgeleme yazılımı geliştirilmiştir. Ayrıca geliştirilen bu yazılım sayesinde istenen tamamlanma zamanı için zaman maliyet analizi de yapılabilmektedir. Geliştirilen yazılımın etkinliği örnek problemlerle test edilmiş ve karşılaştırılmıştır. Önerilen genetik algoritma tabanlı yöntem, tamamlanma zamanı, kritik faaliyetler ve kritik yol/yollar bakımından Project Management 2013 ve doğrusal model ile kıyaslanmıştır. Elde edilen sonuçların aynı olduğu görülmüştür. İstenilen tamamlanma zamanı bakımından zaman maliyet analizinde ise genetik algoritma tabanlı yöntemin doğrusal modelle aynı sonuçları verdiği görülmüştür. 

___

  • Project Management Institute, (2009), Proje Yönetimi Bilgi Birikimi Klavuzu (PMBoK Kılavuzu), İstanbul, ANSI/PMI 99-001-2008, PMI, 4. Baskı.
  • Türkiye Bilişim Derneği, (1999), Bilişim Projeleri Yönetimi El Kitabı, Ankara, Türkiye Bilişim Derneği Yayınları.
  • Peşkircioğlu, N., (1989), Proje Yönetimi ve Gelişmekte Olan Ülkelerdeki Uygulama Özellikleri, Ankara: PMP Yayınları, 4.
  • Çimen, S., (1994), Projelerde Başarıyı Belirleyen Faktörler ve Kamu Kuruluşlarında Bu Faktörlere Yaklaşımın Belirlenmesi, DPT Uzmanlık Tezleri, Devlet Planlama Teşkilatı, Ankara.
  • Kerzner, H., (2003), Project Management, New Jersey: John Wiley&Sons, 8.Baskı.
  • Kobu, B., (1999), Üretim Yönetimi, İstanbul: İİE Araştırma ve Yardım Vakfı, 447.
  • Demirbağ, H., (2008), Proje Hazırlama ve Yönetme Rehberi, Ankara: T.C. Başbakanlık Diyanet İşleri Başkanlığı Strateji Geliştirme Daire Başkanlığı, 59.
  • Çelik, M. H., Kanıt, R., Erdiller, G., Erdamar, M., (1995), Ankara İli Delice İlçesi Köprüsünün Cpm Metodu ile Mühendislik Kriterlerinin Belirlenmesi, Journal of Engineering Sciences, 1, 95-103.
  • Gorman, T., (1998), Complete Idiot’s Guide to MBA Basics, Indianapolis: Alphabooks, 101.
  • Pennypacker, J., (2002), Managing Multiple Projects, New York: Marcel Dekker Incorporated, 15.
  • Levin, R. I., Kirkpatrick, C. A., (1973), PERT ve CPM İle Planlama ve Denetim, Ankara: Orta Doğu Teknik Üniversitesi İdari Bilimler Fakültesi, 2. Baskı.
  • Temiz Kutlu, N., (2001), Proje Planlama Teknikleri ve Pert Tekniğinin İnşaat Sektöründe Uygulanması Üzerine Bir Çalışma, Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 3(2), 3.
  • Rowe, K., (1975), Management Techniques For Civil Engineering Construction, London: Applied Science Publishers Ltd..
  • Schleip, W, Schleip, R., (1972), Planning and Control in Management: The German RPS System, England: Peter Peregrinus Ltd..
  • El-kholy, A., M., (2011), Time–Cost Tradeoff Analysis Considering Funding Variability and Time Uncertainty, Alexandria Engineering Journal, 52, 113-121.
  • Pana, N., H., Hsaiob, P., W., Chena, K., Y., (2008), A Study Of Project Scheduling Optimization Using Tabu Search Algorithm, Engineering Applications of Artificial Intelligence, 21(7), 1101–1112.
  • Yang, I-T., (2011), Stochastic Time–Cost Tradeoff Analysis: A Distribution-Free Approach With Focus On Correlation And Stochastic Dominance, Automation in Construction, 20(7), 916–926.
  • İnternet : Project Professional 2013. Microsoft Office. URL: https://products.office.com/tr-TR/project/project-professional-2013-desktop-software Son Erişim Tarihi: 16.01.2015.
  • Dantzig, G. (2002). Linear Programming. Operations Research, 50 (1 (Anniversary Issue)), 42-47.
  • Demiral, M. F. (2013). Bulanık Doğrusal Programlama ile Süt Endüstrisinde Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(2), 373-397.
  • Bakır, M. A., & Altunkaynak, B. (2003). Tamsayılı Programlama: Teori, Modeller ve Algoritmalar. Ankara: Nobel Yayın Dağıtım.
  • Sarıaslan, H. (1990). Kaynak Dağılımında Doğrusal Programlama. Ankara: Turhan Kitabevi.
  • Şahin, S. (1994). Tamsayılı Programlama ve Bir Uygulama. (Y. Y. Tezi, Dü.) İstanbul: İstanbul Üniversitesi Sosyal Bilimler Enstitüsü Üretim Yönetimi Anabilim Dalı.
  • Engin, T., (2013), Genetik Algoritma İle Toplu Ulaşım Sistemi Hareket Çizelgesi Optimizasyonu: Çanakkale Örneği, Doktora Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul, 15, 16, 25.
  • Uçaner, M. E., Özdemir O. N., (2002), Genetik algoritmalar ile içme suyu şebekelerinde ek klorlama optimizasyonu, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 17(4), 160.
  • Şen, Z., (2004), Mühendislikte Bulanık (Fuzzy) Mantık ile Modelleme Prensipleri, İstanbul: Su Vakfı Yayınları, 2. Baskı.
  • Karslı, N., (2010), Akıllı Ulaşım Sistemleri İçin Yapay Bağışıklık Sistemleri ve Genetik Algoritma İle Yeni Stokastik En Kısa Yol Algoritmalarının Geliştirilmesi, Doktora Tezi, Atatürk Üniversitesi Fen Bilimleri Enstitüsü, Erzurum, 45.
  • Şen, G., (2010), Sıvılaşma Riskinin Belirlenmesinde Genetik Algoritma Yaklaşımı, Doktora Tezi, Pamukkale Üniversitesi Fen Bilimleri Enstitüsü, Denizli, 20-22.