TEDARİK ZİNCİRİ YÖNETİMİNE İLİŞKİN LOJİSTİK DESTEK İÇİN ÖNCELİK TABANLI TEDARİKÇİ-GÖREV ÇİZELGELEME

Amaç- Bu çalışmada, tedarikçi-görev atamalarını verimli bir biçimde yapacak zeki bir planlama/çizelgeleme önerilmektedir. Tedarik zinciri yönetimine ilişkin lojistik destek programları kapsamında, mevcut görevlerin hangi tedarikçiler tarafından ve hangi sıralarla gerçekleştirileceğini belirleyecek bir çizelgeleme programı geliştirilmiştir. Bir dizi tedarikçiden her biri tüm görevlerin bir kısmını belirli bir sırada gerçekleştirir ve tüm görevlerin en az maliyetle gerçekleştirilmesi amaçlanır. Her tedarikçinin gerçekleştirebileceği sınırlı görev sayısı önceden belirlidir.Yöntem- Çalışmanın temel katkısı, problemin her görevin farklı bir önceliği/ağırlığı olabilecek şekilde modellenmiş olmasıdır. Bu amaçla tasarlanan çok-hedefli maliyet fonksiyonu iki alt-maliyetten oluşmaktadır: (1) kaynak-görev ikilisi arasındaki maliyet ve (2) aynı kaynak tarafından gerçekleştirilecek görevlerin tamamlanmalarına ilişkin sıralama önceliğini ifade eden ağırlık değerleri. Çözüm için genetik algoritmalar tabanlı meta-sezgisel bir yöntem kullanıldı.Bulgular- Algoritmanın başarısını test edebilmek için çeşitli görev ağırlıkları ile farklı sayılarda görevler ve tedarikçiler içeren örnekler oluşturuldu. Geliştirilen algoritma bu örnekler üzerinde işletilerek elde edilen sonuçlar sunulmuştur.Sonuç- Doğru ve uygun çizelgelerin kayda değer sürelerde üretilebildiği gözlemlenmiştir.

SUPPLIER-TASK SCHEDULING FOR THE LOGISTIC SUPPORT REGARDING SUPPLY CHAIN MANAGEMENT BASED ON PRECEDENCE

Purpose- In this study, an intelligent scheduling to efficiently make supplier-task assignments is proposed. As the logistic support regarding supply chain management, a scheduling program was developed to determine the suppliers to perform the existing tasks with the orders. Each of a number of suppliers performs a subset of all tasks with a certain order and it is aimed to perform all of them with the minimum cost. The limited number of tasks to be performed by each supplier is predetermined.Methodology- The main contribution here is to model the problem so that each task can have a different precedence/weight. The multi-objective cost function hereby designed consists of two sub-costs: (1) the cost between source-task pair, and (2) the weights referring to the ordering precedence regarding the completion of the tasks to be performed by the same source. For the solution, a genetic algorithms based meta-heuristic was used.Findings- To test the success of the algorithm, instances including different numbers of tasks and suppliers were created with various task weights. The results obtained by executing the developed algorithm on these instances are presented.Conclusion- Moreover, it was observed that accurate and appropriate schedules could be generated within significant times.

___

  • Abbaszadeh, M., Saeedvand, S., Mayani, H. A. (2012). Solving university scheduling problem with a memetic algorithm. International Journal of Artificial Intelligence (IJ-AI), 1(2), pp.79-90.
  • Acar, M. F., Şevkli, M. (2013). Sınav çizelgelemesi için matematiksel model yaklaşımı. Verimlilik Dergisi, 1, ss.75-86.
  • Aickelin, U., Dowsland, K. A. (2004). An indirect genetic algorithm for a nurse scheduling problem. Computers & Operations Research, 31(5), pp.761-778.
  • Alzaqebah, M., Abdullah, S. (2011). The Bees algorithm for examination timetabling problems. International Journal of Soft Computing and Engineering (IJSCE), 1(5), pp.105-110.
  • Arogundade, O. T., Akinwale, A. T., Aweda, O. M. (2010). A genetic algorithm approach for a real-world university examination timetabling problem. International Journal of Computer Applications (0975 – 8887), 12(5), pp.1-4.
  • Ayob, M., Malik, A. (2011). A new model for an examination-room assignment problem. IJCSNS International Journal of Computer Science and Network Security, 11(10), pp.187-190.
  • Badoni, R. P., Gupta, D. K., Mishra, P. (2014). A new hybrid algorithm for university course timetabling problem using events based on groupings of students. Computers & Industrial Engineering, 78, pp.12-25.
  • Chen, R. M., Shih, H. F. (2013). Solving university course timetabling problems using constriction particle swarm optimization with local search. Algorithms, 6, pp.227-244.
  • Çetin, E. İ., Kuruüzüm, A., Irmak, S. (2008). Ekip çizelgeleme probleminin küme bölme modeli ile çözümü. Havacılık ve Uzay Teknolojileri Dergisi, 3(4), ss.47-54.
  • Dilaver, D. (2015). Genetik algoritmalar yardimiyla iş atölye çizelgelemesi üzerine bir çalişma. Dokuz Eylül Üniversitesi, Ekonometri Programı, Yüksek Lisans Tezi, İzmir.
  • Elen, A., Çayıroğlu, İ. (2010). Solving of scheduling problem with heuristic optimization approach. Technology, 13(3), pp.159-172.
  • Ersöz, O. Ö., Türker, A. K. (2016). Üretim planlama ve kontrolün atölye yükü ile eşzamanli gerçekleştirilmesi. MANAS Sosyal Araştırmalar Dergisi, 5(5), ss.229-245.
  • Fong, C. W., Asmuni, H., McCollum, B., McMullan, P., Omatu, S. (2014). A new hybrid imperialist swarm-based optimization algorithm for university timetabling problems. Information Sciences, 283, pp.1-21.
  • Huang, Y. M., Chen, C. C., Wang, D. C. (2012). Optimizing T-learning course scheduling based on genetic algorithm in benefit-oriented data broadcast environments. TOJET: The Turkish Online Journal of Educational Technology, 11(3), pp.255-266.
  • Jha, S. K. (2014). Exam timetabling problem using genetic algorithm. IJRET: International Journal of Research in Engineering and Technology, 03(05), pp.649-654.
  • Karakoç, M. (2017). Intelligent routing approach for the distributions regarding to the supply chain management of agricultural products and foods. Journal of Management, Marketing and Logistics (JMML), 4(2), pp.168-177. --- “Tarım Ürünleri ve Gıdaların Tedarik Zinciri Yönetimine İlişkin Dağıtım İşlemleri için Zeki Bir Rotalama Yaklaşımı”, 6. Ulusal Lojistik ve Tedarik Zinciri Kongresi (ULTZK 2017), 17-19 Mayıs, Aska Lara Hotel, Antalya/Kundu.
  • Karaöz, B. (2014). Maden üretim planlamasi ve çizelgelemesi üzerine bir tam sayili programlama önerisi: kar maden örneği”, Hacettepe Üniversitesi, Üretim Yönetimi ve Sayısal Yöntemler Programı, Yüksek Lisans Tezi, Ankara.
  • Kaya, S., Engin, O. (2009). Sabit iş çizelgeleme problemleri: literatür araştirmasi ve meta sezgisel yöntemler ile çözüm önerisi. İTÜ Dergisi Mühendislik, 8(1), ss.37-47.
  • Kayacı, M., Yiğit, V. (2012). Üretim çizelgeleme problemlerine bulanik yaklaşim. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 26(3-4), ss.287-296.
  • Kılıç, S., Kaylan, A. R. (2005). Uçak çizelgeleme probleminin karinca kolonileri optimizasyonu ile çözümü. Havacılık ve Uzay Teknolojileri Dergisi, 2(1), ss.87-95.
  • Phillips, A. E., Waterer, H., Ehrgott, M., Ryan, D. M. (2015). Integer programming methods for large-scale practical classroom assignment problems. Computers & Operations Research, 53, pp.42-53.
  • Rinehart, M., Kianzad, V., Bhattacharyya, S. S. (2003). A modular genetic algorithm for scheduling task graphs. Technical Report UMIACS-TR-2003-66, Institute for Advanced Computer Studies, University of Maryland at College Park, June.
  • Sirkeci, E. (2015). Esnek atölye tipi çizelgeleme problemi için çözüm yaklaşimlari: savunma sanayinde bir uygulama. Gazi Üniversitesi, Endüstri Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi, Ankara.
  • Yaldır, A., Baysal, C. (2012). Evrimsel hesaplama tekniği kullanarak sinav takvimi otomasyon sistemi geliştirilmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 18(2), ss.105-122.