Untitled - Gazi Üniversitesi Açık Arşiv

KARBON SALINIMINI DİKKATE ALAN ÇOK AŞAMALI ÇOK ÜRÜNLÜ
ÜRETİM-DAĞITIM SİSTEMİ İÇİN HEDEF PROGRAMLAMA MODELİ
Ahmet AKTAŞ
YÜKSEK LİSANS TEZİ
ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI
GAZİ ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
EYLÜL 2014
Ahmet AKTAŞ tarafından hazırlanan “KARBON SALINIMINI DİKKATE ALAN ÇOK
AŞAMALI ÇOK ÜRÜNLÜ ÜRETİM-DAĞITIM SİSTEMİ İÇİN HEDEF PROGRAMLAMA
MODELİ” adlı tez çalışması aşağıdaki jüri tarafından OY BİRLİĞİ ile Gazi Üniversitesi Endüstri
Mühendisliği Anabilim Dalında YÜKSEK LİSANS TEZİ olarak kabul edilmiştir.
Danışman: Yrd. Doç. Dr. İzzettin TEMİZ
Endüstri Mühendisliği Anabilim Dalı, Gazi Üniversitesi
Bu tezin, kapsam ve kalite olarak Yüksek Lisans Tezi olduğunu onaylıyorum
...…………………
Başkan : Prof. Dr. Serpil EROL
Endüstri Mühendisliği Anabilim Dalı, Gazi Üniversitesi
Bu tezin, kapsam ve kalite olarak Yüksek Lisans Tezi olduğunu onaylıyorum
…………………...
Üye : Doç. Dr. Ergün ERASLAN
Endüstri Mühendisliği Anabilim Dalı, Yıldırım Beyazıt Üniversitesi
Bu tezin, kapsam ve kalite olarak Yüksek Lisans Tezi olduğunu onaylıyorum
Tez Savunma Tarihi:
…………………...
04/09/2014
Jüri tarafından kabul edilen bu tezin Yüksek Lisans Tezi olması için gerekli şartları yerine
getirdiğini onaylıyorum.
…………………….…….
Prof. Dr. Şeref SAĞIROĞLU
Fen Bilimleri Enstitüsü Müdürü
ETİK BEYAN
Gazi Üniversitesi Fen Bilimleri Enstitüsü Tez Yazım Kurallarına uygun olarak
hazırladığım bu tez çalışmasında;
•
Tez içinde sunduğum verileri, bilgileri ve dokümanları akademik ve etik kurallar
çerçevesinde elde ettiğimi,
•
Tüm bilgi, belge, değerlendirme ve sonuçları bilimsel etik ve ahlak kurallarına uygun
olarak sunduğumu,
•
Tez çalışmasında yararlandığım eserlerin tümüne uygun atıfta bulunarak kaynak
gösterdiğimi,
•
Kullanılan verilerde herhangi bir değişiklik yapmadığımı,
•
Bu tezde sunduğum çalışmanın özgün olduğunu,
bildirir, aksi bir durumda aleyhime doğabilecek tüm hak kayıplarını kabullendiğimi beyan
ederim.
Ahmet AKTAŞ
04.09.2014
iv
KARBON SALINIMINI DİKKATE ALAN ÇOK AŞAMALI ÇOK ÜRÜNLÜ ÜRETİMDAĞITIM SİSTEMİ İÇİN HEDEF PROGRAMLAMA MODELİ
(Yüksek Lisans Tezi)
Ahmet AKTAŞ
GAZİ ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
Eylül 2014
ÖZET
Şirketlerin değişen pazar koşullarında rakipleri karşısında başarılı olabilmesi için tedarik
zincirlerini etkin bir şekilde yönetmeleri gerekmektedir. Tedarik zincirini etkin yöneten
şirketler, maliyetlerini azaltmakta ve süreçlerini kontrol altında tutmaktadır. Son yıllarda
yapılan birtakım yasal düzenlemeler ile işletmelerin tedarik zinciri faaliyetlerini yalnızca
maliyetler açısından değil çevreye verdikleri zararları da dikkate alarak planlamaları
zorunlu hale gelmiştir. Bu tez çalışmasında, ekonomik ve çevresel etkiyi dikkate alan
üretim-dağıtım problemi ele alınmıştır. Problemde çok ürünlü, malzeme ihtiyaçları için
ürün ağacını kullanan ve farklı taşıma seçeneklerini içeren çok aşamalı bir üretim-dağıtım
ağı modellenmiştir. Bu üretim-dağıtım ağında planlama kararlarını desteklemek üzere, ağ
faaliyetleri sonucunda elde edilen kârı ve farklı taşıma seçeneklerinin kullanımı sonucu
ortaya çıkan karbon emisyon değerlerini dikkate alan bir hedef programlama modeli
önerilmiştir. Önerilen modelin etkinliği rassal olarak üretilen farklı büyüklükte örnek
problemler ile test edilmiştir. Elde edilen sonuçlar, önerilen modelin çevreye duyarlı
üretim-dağıtım planlamasında kâr ve karbon emisyon optimizasyonu için etkin bir araç
olarak kullanılabileceğini göstermiştir.
Bilim Kodu
: 906.1.148
Anahtar Kelimeler : Tedarik zinciri yönetimi, çok amaçlı optimizasyon, hedef
programlama
Sayfa Adedi
: 76
Tez Danışmanı
: Yrd. Doç. Dr. İzzettin TEMİZ
v
A GOAL PROGRAMMING MODEL FOR MULTI STAGE MULTI PRODUCT
PRODUCTION-DISTRIBUTION SYSTEM WHICH CONSIDERS CARBON
EMISSION
(M. Sc. Thesis)
Ahmet AKTAŞ
GAZİ UNIVERSITY
GRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCES
September 2014
ABSTRACT
Companies must manage their supply chains effectively under changing conditions in
marketplace in order to be successful against their rivals. Companies that manage their
supply chains efficiently are reducing their supply chain costs and take their processes
under control. As a result of some regulations in recent years, companies are requested to
consider the damage to the environment which is caused by their supply chain activities,
while they are planning their supply chain activities. In this thesis, a productiondistribution problem which concerns economic and environmental effects is considered. A
multi-product, multi-stage production-distribution network with different transportation
alternatives is modeled in the problem. A goal programming model is proposed to support
planning decisions of this production-distribution network by considering the profit of
network activities and the carbon emission value caused by the usage of different
transportation alternatives. To evaluate the effectiveness of the proposed model, a set of
randomly generated test problems at different dimensions are used. The results obtained
show that the proposed model can be used as an effective tool for optimization of profit
and carbon emission in environmentally friendly production-distribution planning.
Science Code
Key Words
Page Number
Supervisor
: 906.1.148
: Supply chain management, multi-objective
programming
: 76
: Assist. Prof. Dr. İzzettin TEMİZ
optimization,
goal
vi
TEŞEKKÜR
Çalışmalarımı destekleyen, deneyimi ve önerileri ile çalışmamı yönlendiren danışman
hocam Sayın Yrd. Doç. Dr. İzzettin TEMİZ’e, tez çalışmaları sırasında ihtiyaç duyduğum
zamanlarda bana yol gösteren Gazi Üniversitesi Endüstri Mühendisliği bölümü öğretim
üyelerine ve öğretim elemanlarına, çalışmalarımı sürdürmem için kolaylıklar ve imkânlar
sağlayan Karadeniz Teknik Üniversitesi Endüstri Mühendisliği ve Abant İzzet Baysal
Üniversitesi Endüstri Mühendisliği bölümlerine teşekkürlerimi ve saygılarımı sunarım.
Hasan Onur TAN ve Şahin YİĞİT başta olmak üzere, Trabzon’da geçirdiğim zamanlarda
hep yanımda olan ve beni yalnız bırakmayan Karadeniz Teknik Üniversitesi’nde çalışan
arkadaşlarıma dostlukları ve verdikleri destekler için teşekkür ederim.
Ayrıca, çalışmalarımı tamamlama konusunda beni cesaretlendiren ve manevi olarak
destekleyen isimlerini sayamadığım tüm arkadaşlarıma teşekkür ederim.
Çalışmalarıma büyük katkı sağlayan, her zaman yanımda olan, çözümler üreten ve
hayatımı doğru yönlendirmemi sağlayan Billur ECER’e en içten teşekkürlerimi ve
sevgilerimi sunarım.
Son olarak, beni yetiştiren, her kararımda beni destekleyen ve cesaretlendiren sevgili
annem ve ağabeyim başta olmak üzere, aileme teşekkürlerimi,
saygılarımı ve şükranlarımı sunarım.
sevgilerimi,
vii
İÇİNDEKİLER
Sayfa
ÖZET ..............................................................................................................................
iv
ABSTRACT ...................................................................................................................
v
TEŞEKKÜR ....................................................................................................................
vi
İÇİNDEKİLER ..............................................................................................................
vii
ÇİZELGELERİN LİSTESİ.............................................................................................
x
ŞEKİLLERİN LİSTESİ ..................................................................................................
xi
1. GİRİŞ.......................................................................................................
1
2. TEDARİK ZİNCİRİ YÖNETİMİ ...............................................................................................
3
2.1. Tedarik Zinciri Kavramı......................................................................................
3
2.2. Tedarik Zinciri Yönetimi Kavramı........................................................................
4
2.3. Tedarik Zincirinin Tarihçesi ..................................................................................
5
2.4. Tedarik Zinciri Kararları ........................................................................................
7
2.4.1. Üretim ........................................................................................................
7
2.4.2. Envanter .....................................................................................................
8
2.4.3. Yerleşim .....................................................................................................
8
2.4.4. Taşımacılık .................................................................................................
9
2.4.5. Bilgi ...........................................................................................................
9
2.4.6. Tedarik .......................................................................................................
9
2.5. Tedarik Zinciri Yönetimi Kararları .......................................................................
10
2.6. Tedarik Zinciri Yönetimi Sisteminin Avantaj ve Dezavantajları ............................
11
2.7. Tedarik Zinciri Optimizasyonu ...............................................................................
12
2.7.1. Global optimizasyon ...................................................................................
14
2.7.2. Belirsizliğin yönetilmesi .............................................................................
15
viii
Sayfa
2.7.3. Tedarik zinciri modelinin oluşturulması ......................................................
16
2.7.4. Tedarik zinciri modelleme yaklaşımı ...........................................................
18
2.7.5. Tedarik zinciri kısıtları ................................................................................
18
2.7.6. Tedarik zinciri karar değişkenleri ................................................................
19
3. HEDEF PROGRAMLAMA .................................................................................
21
3.1. Hedef Programlama Modelinin Formülasyonu .......................................................
22
3.2. Hedef Programlamanın Avantaj ve Dezavantajları .................................................
24
4. LİTERATÜR ARAŞTIRMASI ...........................................................................
27
4.1. Tedarik Zincirinde Tek Amaçlı Planlama Çalışmaları ............................................
27
4.2. Tedarik Zincirinde Çok Amaçlı Planlama Çalışmaları ...........................................
32
4.3. Tedarik Zincirinde Hedef Programlama Uygulamaları ...........................................
36
5. ÇOK AŞAMALI ÇOK ÜRÜNLÜ ÜRETİM-DAĞITIM SİSTEMİ İÇİN
HEDEF PROGRAMLAMA MODELİ ............................................................. 39
5.1. Model Varsayımları .................................................................................................
39
5.2. Notasyonlar..............................................................................................................
41
5.3. Matematiksel Model ................................................................................................
43
6. SAYISAL DENEMELER .....................................................................................
47
6.1. Test Parametreleri ....................................................................................................
47
6.2. Test Yöntemi ...........................................................................................................
49
6.3. Sonuçlar ...................................................................................................................
52
7. SONUÇ VE ÖNERİLER .......................................................................................
57
KAYNAKLAR ...............................................................................................................
59
EKLER ............................................................................................................................
66
ix
Sayfa
EK-1. Modele Ait GAMS Kodu .......................................................................................
67
ÖZGEÇMİŞ ........................................................................................................................
75
x
ÇİZELGELERİN LİSTESİ
Çizelge
Sayfa
Çizelge 2.1. Tedarik zinciri optimizasyonunun işletmeye sağladığı katma değer .........
15
Çizelge 3.1. Amaç fonksiyonunda yer alacak sapma değişkenleri .................................
24
Çizelge 6.1. Sabit tutulan parametrelerin değerleri ..........................................................
48
Çizelge 6.2. Rassal olarak üretilen parametrelerin değerleri ...........................................
48
Çizelge 6.3. Kâr amacına göre çözüm değerleri ...............................................................
53
Çizelge 6.4. Emisyon amacına göre çözüm değerleri ......................................................
54
Çizelge 6.5. Hedef programlama modeline göre çözüm değerleri ..................................
54
xi
ŞEKİLLERİN LİSTESİ
Şekil
Sayfa
Şekil 2.1. Tedarik zinciri .................................................................................................
4
Şekil 2.2. Temel tedarik zinciri kararları ........................................................................
7
Şekil 2.3. Tedarik zinciri yönetimi kararları hiyerarşisi .................................................
10
Şekil 2.4. Tedarik zinciri yönetimi kararları ...................................................................
10
Şekil 5.1. Geliştirilen modelin temsil ettiği üretim-dağıtım ağı .....................................
41
1
1. GİRİŞ
Alıcılar ve satıcılar arasında mal ve hizmet akışı pazar denilen paylaşım mekânlarında
sağlanmaktadır. Günümüzde işletmeler uzak pazarlarda da, kendi bölgelerinde olduğu gibi
rahatça iş yapabilmek isterler ve büyük işletmelerin arasındaki bu pazar payı kapma yarışı,
tedarik zinciri yönetimi yaklaşımının önemini artırmıştır. Tedarik zinciri yönetiminde esas
amaç, bir ürünün tedarik zinciri aşamalarındaki her bir organizasyonun ortak amaçlar
doğrultusunda çalışmasını ve böylece ürünün oluşturulmasında en etkin yolların
seçilmesini sağlamaktır.
İşletmeler tüketicilerin daha düşük maliyet, yüksek kalite ve hızlı cevap alma istekleriyle
karşı karşıyadır. Tüketici beklentilerindeki artışın ivme kazandırdığı küreselleşme, ürün
çeşitliliğindeki artış, teknolojik gelişmelerdeki hızlanma ve ürün yaşam çevrimlerinin
kısalması işletmelerin yönetim felsefelerini değiştirmelerine yol açmıştır. Artan rekabet
ortamında ve hızla değişen piyasalarda, ürün odaklı yönetim anlayışı yerine, müşteri odaklı
yönetim anlayışının uygulanması şirketlerin varlıklarını sürdürebilmeleri için kaçınılmaz
hale gelmiştir. Müşteri odaklı yönetim anlayışları, müşterinin beklentisinin üzerinde ürün
ve hizmeti sunmayı hedefleyen stratejiler gerektirmektedir. Tedarik zinciri felsefesi,
tedarikçi ile müşteri arasındaki ilişkilerin öneminin fark edilmesinin sonucunda ortaya
çıkmıştır. Bu felsefenin benimsenmesi ile işletmelerin tüketicilere daha düşük maliyetli,
daha yüksek kaliteli ürünler ve daha iyi müşteri hizmeti sunmaları mümkün olmaktadır.
Günümüzde küresel pazar koşulları ve sürekli değişen piyasa gereksinimleri tedarik
zincirinin etkin yönetimini gerektirmektedir. Bu durum, tedarik zinciri süreçlerinin
bütünsel yönetimini işletmenin başarılı olabilmesi için anahtar etken haline getirmiştir.
Tedarik
zinciri
yönetimi
felsefesini
benimsemiş
dünya
çapındaki
işletmeler,
bütünleştirilmemiş üretim ve dağıtım süreçlerinin, zayıf müşteri ve tedarikçi ilişkilerinin
yeterli ölçüde başarılı olamamalarına yol açtığının farkına varmışlardır. Kârı artırmak ve
maliyeti düşürmek için temel çözüm tedarik zinciri yönetimi ile mümkün hale gelmiştir.
Son yıllarda yapılan yasal düzenlemeler ve artan sosyal sorumluluk faaliyetleri,
işletmelerin tedarik zincirlerini üretim ve dağıtım faaliyetleri sırasında çevreye verdikleri
zararları da göz önünde bulundurarak tasarlayıp yönetmelerini bir zorunluluk haline
getirmiştir. Tedarik zinciri yönetiminde çevreci yaklaşımların entegrasyonu kaynakların
2
etkin kullanımını, atıkların yönetimini, gaz emisyonlarının kontrolünü ve çevre ile ilgili
yasal prosedürlerin göz önünde bulundurulmasını gerektirmektedir.
Üretim-dağıtım planlarının oluşturulmasında, malzeme yönetimi açısından kullanılan
önemli bilgilerden birisi de, ürün ağacı bilgileridir. Literatürde yer alan çalışmalar
incelendiğinde genel olarak üretim-dağıtım planlaması çalışmalarının iki kademeli ürün
ağaçlarını ele aldığı gözlenmiştir. Ancak, gerçek hayatta üç veya daha fazla kademeli ürün
ağaçlarının kullanımı da söz konusudur.
Bu tezde, üç kademeli ürün ağacı ve farklı taşıma seçeneklerinin kullanıldığı bir üretimdağıtım ağında, tedarik edilecek malzeme miktarlarını, üretilecek ürün miktarlarını ve
tedarik zinciri boyunca gerçekleşecek taşıma miktarlarını sistemin kârının belirlenmiş üst
sınır değerinden ve farklı taşıma alternatifleri kullanımı ile çevreye salınan karbon gaz
emisyon miktarının belirlenmiş alt sınır değerinden en az sapma ile temin zamanlarını da
dikkate alarak bulmayı hedefleyen bir hedef programlama modeli önerilmiş ve farklı
boyutta örnek problemler ile test edilmiştir.
Bu tez çalışması yedi bölümden oluşmaktadır. Tezin ikinci bölümünde tedarik zinciri
kavramı açıklanmış, bu kavramın tarihsel gelişimi, önemi, avantaj ve dezavantajları
belirtilerek tedarik zinciri optimizasyonuna değinilmiştir. Üçüncü bölümde ise, hedef
programlama yaklaşımı açıklanmıştır. Dördüncü bölümde tedarik zinciri yönetiminde
optimizasyon konusunda literatür alt başlıklara ayrılarak incelenmiş, beşinci bölümde
literatürde incelenen çalışmalar ışığında bir üretim-dağıtım sisteminin planlanması için
önerilen hedef programlama modeli varsayımları ile açıklanmıştır. Önerilen modelin test
edilmesi için yapılan sayısal deneme sonuçları altıncı bölümde verilmiştir. Yedinci
bölümde çalışma sonuçları ve tezin devamında yapılabilecek çalışmalar için öneriler
sunulmuştur.
3
2. TEDARİK ZİNCİRİ YÖNETİMİ
2.1. Tedarik Zinciri Kavramı
Değişen ekonomik koşullar, tedarikçiler ve müşterilerle yeni ilişkilerin geliştirilmesini
gündeme getirmiştir. Ayrıca, yeni geliştirilen pazarlama stratejileri müşteri odaklı
stratejiler olup, işletmelerin müşterileriyle sürekli ve dinamik etkileşim içinde olmalarını
zorunlu kılmaktadır.
İşletmelerin, malzemeleri elde etmesi, bu malzemeleri son ürünlere dönüştürmesi ve bu
son ürünleri müşterilere dağıtım işlevlerini gerçekleştiren tesis veya tüm seçeneklerinin
ağına tedarik zinciri denir. Tedarik zinciri, arzın ve talebin yönetilmesi, hammaddelerin
tedariki, üretim ve montaj, depolama, envanter yönetimi, sipariş yönetimi ve müşterilere
ürünlerin dağıtım vb. faaliyetleri kapsamakta ve tüm bu faaliyetlerin sürdürülebilmesi için
gerekli olan bilgi sistemlerini de içermektedir.
Bir
tedarik
zinciri,
ürünlerin,
tedarikçiler,
üreticiler,
toptancılar,
dağıtımcılar,
perakendeciler ve nihai olarak tüketiciler arasındaki hareketi sağlayan ilişkiler ve
bağlantılar bütünüdür (Stadtler ve Kilger, 2000).
Diğer bir ifadeyle tedarik zinciri, tedarikçiler, imalatçılar, perakendeciler ve müşteriler
arasında, iletişim, projeleri ortak üretme ve yürütme, etkin ve verimli bir biçimde müşteri
isteklerinin karşılanabilmesi, kaynakların en etkin biçimde kullanımı, verimlilik artırma,
maliyetleri azaltma, planlı, hızlı ve esnek bir tedarik, üretim ve dağıtım zincirini oluşturma
ve gerçekleştirme amaçlarıyla meydana gelmiş bir zincir grubudur.
Zincir ortakları içinde bulundukları sistemi diğer sistemlerden üstün kılacak şekilde
birlikte hareket ederek bu amaçları gerçekleştirmeye çalışırlar. Şekil 2.1.’de örnek bir
tedarik zinciri, elemanları ve faaliyetleri ile gösterilmiştir.
4
Tedarikçi
İmalathane
Dağıtım merkezi
Satıcılar veya müşteriler
Nakliye veya taşıma
Şekil 2.1. Tedarik zinciri (Teigen, 1997)
Tedarik zinciri içindeki işletmelerden her birinin karar ve davranışı, zincirdeki ortak diğer
işletmelerin karlılığı ve tedarik zincirinin senkronizasyonunu önemli derecede etkiler.
Zincir elemanlarının sadece kendi karlılık ve operasyonlarına odaklanması, ağ üzerinde
kopuklukların oluşmasına ve tedarik zincirinin etkinliği bertaraf edilmesine yol açacaktır.
Bu sebeple, birden çok şirketin içinde bulunduğu tedarik zinciri yapılarında tüm üyelerin,
nihai müşteri memnuniyetini sağlamak için koordinasyon ve işbirliği amacı gütmesi
gerekir.
2.2. Tedarik Zinciri Yönetimi Kavramı
Tedarik zinciri yönetimi, geleneksel iş fonksiyonlarının ve taktiklerinin tüm tedarik zinciri
ve şirketlerin tek tek uzun dönemli performanslarını geliştirmek amacıyla sistematik ve
stratejik koordinasyonudur.
Tedarik zinciri yönetimi, malzemelerin ve tamamlanmış malların, satıcıdan müşteriye
kadar olan akışının potansiyel ara duraklar olarak üretim vasıtaları ve depolar kullanılarak
etkili yönetimidir. Buna karşın bu faaliyet, yeni bir kavram değildir. Son yıllarda,
5
işletmelerin yapısının tedarik zincirine uygun bir hale getirilmesi sonucunda müşteri
hizmet seviyelerinin iyileştirilebileceği, sistemdeki fazla envanterin azaltılabileceği ve
işletme ağındaki gereksiz maliyetlerin kısılabileceği ortaya konulmuştur. (Sengupta ve
Turnbull, 1996).
Tedarik zinciri yönetimi müşteriyi daha iyi memnun edecek bir şekilde ürün ve hizmet
üretip sunmak için genişleyen bir faktörler bileşenini planlama ve kontrol etme amacıyla
ileri teknoloji, bilişim yönetimi ve yöneylem araştırması çalışmalarını kullanır. İleri
seviyede programlar, ilişkisel veri tabanları ve buna benzer teknik araçları kullanır.
Teknolojisi karmaşık olsa bile, tedarik zinciri yönetiminin en önemli kavramları ve çalışma
teknikleri oldukça anlaşılırdır.
2.3. Tedarik Zincirinin Tarihçesi
Tedarik zinciri yönetiminin kökleri 1960’lara kadar uzanmaktadır. Tedarik zinciri
yönetiminin ilk aşaması olarak kabul edilen fiziksel dağıtım aşaması ile ilgili ilk vurgu
Bowersox tarafından yapılmıştır (Bowersox, 1969: 72). Bowersox, fiziksel dağıtım
düşüncesindeki ilgili akımları gözlemleyerek dağıtım fonksiyonunun işletme dışında, kanal
içi entegrasyon ile ticari rekabette avantaj sağlayacağını öne sürmüştür. Malzeme ihtiyaç
planlaması sisteminin ortaya çıkmasından sonra yöneticiler; süreçlerle ilgili geliştirme
çalışmalarının, üretim maliyeti, kalite, yeni ürün geliştirme ve teslim zamanları üzerine
olan etkisini anlamışlardır. Bu nedenle, işletmeler kendi içlerinde pazarlama, üretim ve
finansman ile ilgili dağıtım faaliyetlerini yürütecek merkezi bir fiziksel dağıtım bölümü
oluşturmuşlardır. Her bir faaliyetin lojistiğini ayrı ayrı en iyilemek yerine bütün sistemin
lojistik yönetimini birleştirmenin gerekliliğini ortaya koymuşlardır. Böylece, her bir
operasyonun maliyetini azaltmak yerine, bütün sistemin maliyetini bütün olarak ele alan
tüm lojistik hizmetleri maliyeti yaklaşımı geliştirilmiştir.
Bunun sonucunda, farklı depolar arası, depolama ve taşıma fonksiyonları ve müşteri
hizmet seviyeleri bütünleştirilmiş ve tedarik zinciri yönetimi gelişiminin, ilk safhası olarak
adlandırılan fiziksel dağıtım yönetimi aşamasına geçilmiştir. Bu dönem, malzeme yönetimi
ve fiziksel dağıtım safhası olarak da adlandırılmaktadır.
6
1980’lerde küresel rekabetin artması dünya çapında faaliyet gösteren firmaları daha düşük
maliyetle, yüksek kalitede ve daha çok tasarım esnekliği ile güvenilir ürünler sunmaya
zorlamıştır. Bu dönemde artık tedarik zinciri yönetiminin ikinci aşaması olan lojistik
safhasına geçilmiştir. Bu aşama Ross tarafından lojistiğin entegrasyonu olarak ifade
edilmektedir. Houlihan, firmanın stratejik kararları ile lojistik odaklılığı birleştirerek,
tedarik zincirini tek bir olgu olarak ele alan güçlü bir durum geliştirmiştir. Böylece,
Houlihan literatürde ilk defa bu sistem için tedarik zinciri terimini kullanan kişi olmuştur
(Özbay, 2008).
Bu dönemden sonra 1985’lerde, tedarik zincirinin ilk öncüsü sayılan Hızlı Cevap (quick
response - QR) sistemi geliştirilmiştir. QR programı bir tedarik zinciri öncüsü olarak ilk
defa tekstil endüstrisinde başlatılmış ve daha sonra onu 1990’larda, perakendecilik
sektöründeki uzantısı olan Etkin Müşteri Cevabı (efficient consumer response - ECR)
programları izlemiştir. ECR’den sonra, Sürekli İkmal Planlaması (continous replenishment
planning - CRP) ortaya çıkmıştır. 1990’ların ortasından sonra yöneticiler, tedarikçilerden
alınan mal ve hizmetlerin, müşteri ihtiyaçlarını karşılamadaki etkisinin önemini fark
etmişlerdir. Yöneticiler aynı zamanda kaliteli mal üretmenin de tek başına yeterli
olmadığını anlamış ve yeni başarı yöntemi ürünlerin müşteriye ne zaman, nerede, nasıl ve
istenen miktarda, maliyet-etkin bir yöntemle ulaştırılacağı olmuştur. Bütün bu gelişmeler
sonucunda, işletme yöneticileri yalnızca kendi firmalarını yönetmenin yeterli olmadığının
farkına varmışlardır. Böylece, kendilerine girdi temin eden yukarı yöndeki bütün
firmaların yer aldığı ağın ve aynı zamanda son müşteriye ürünleri ulaştıran ve satış sonrası
hizmetleri veren aşağı doğru bütün firmaların yer aldığı ağın bütününün yönetiminde yer
almaları gerektiğini kavramışlardır.
Bu dönem literatürde, bazı araştırmacılar tarafından tedarik zinciri yönetimi aşaması olarak
isimlendirilirken, bazı araştırmacılar tarafından ise, bütünleştirilmiş tedarik zinciri yönetim
aşaması olarak isimlendirilmiştir (Özbay, 2008).
Tedarik zincirindeki bir sonraki adım ise süper tedarik zinciri yönetimi aşaması olacağı
öngörülmektedir. Bu adımda ürün gelişimi, pazarlama ve müşteri hizmetleri gibi birçok
fonksiyon birleştirilecektir. İleri seviyede iletişim, kullanıcı uyumlu bilgisayar karar destek
sistemleri ile mümkün olacaktır. Süper tedarik zinciri yönetiminde ürün tasarımcıları
üretimin çeşidinin daha kolay olması için ürünü tasarlayacaklardır. Böylece ürünün daha
7
kolay kullanılması sağlanacaktır. Sipariş öncesi ve sipariş sırasındaki bilgiler tüm tedarik
zinciri katılımcılarına gönderilecektir. Böylece katılımcılar çok daha çabuk ve doğru cevap
verebileceklerdir.
2.4. Tedarik Zinciri Kararları
Her tedarik zincirinde, zincire özgü pazar talepleri ve üretim zorlukları vardır. Tedarik
zincirlerinde yer alan işletmeler bu zorlukları ve hareket alanlarını bir bütün olarak göz
önünde bulundurarak kararları birlikte almalıdırlar. Tedarik zincirlerinde kararlar alınırken
talebe hızlı cevap ve etkinlik göz önünde bulundurulmalıdır. Genellikle bu iki nokta
birbirleri ile çeliştiğinden, işletmeler çalışma şartlarına göre kararlar almak zorundadırlar.
Bu kararlar Şekil 2.2.’de gösterilmiştir.
2. ENVANTER
1. ÜRETİM
Ne,
ne
kadar
ve
Üretim ve depolamaya ne
ne
kadar malzeme gerekli?
zaman üretilecek?
5. BİLGİ
Diğer
tüm
kararların
temelidir
4. TAŞIMACILIK
3. YERLEŞİM
Ne zaman ve ne kadar
Hangi ürün en iyi nerede
ürün hareket edecek?
yapılıyor?
Şekil 2.2. Temel tedarik zinciri kararları (Hugos, 2003)
2.4.1. Üretim
Temel tedarik zinciri kararları içerisinde üretim, müşteri istekleri ve pazar talepleri üzerine
odaklanır. Üretim kararları, müşteri talep ve tatminleri de hesaba katılarak kapasite, kalite
ve üretim miktarı gibi konular üzerine de odaklanır. İşletme kapasitesi, iş yükleme
dengeleri, kalite kontrol ve ekipman bakımları dikkate alınarak ana üretim planları
oluşturulur. Pazarın hangi ürünleri talep ettiği, hangi üründen ne kadar ve ne zaman
üretileceği, üretim ya da dış kaynak kullanımı gibi soruların cevapları aranır. Tedarik
zincirinin üretim ve depolama kapasitesi belirlenir.
8
İşletmelerin ve depoların fazla kapasite ile oluşturulması, işletmelere esneklik ve talebe
hızlı cevap vermeyi sağlayacaktır. Bununla birlikte, kapasitelerinin tamamını veya
tamamına
yakınını
kullanan
işletmeler
talebe
hızlı
cevap
vermede
ve
talep
dalgalanmalarına karşı daha az yetenekli olacaklardır. Diğer taraftan, fazla kapasite fazla
sermaye yatırımı gerektirmekte ve kullanılmadığı takdirde atıl kapasite oluşmasına yol
açacaktır.
2.4.2. Envanter
Envanter bir tedarik zincirinde üreticiler, dağıtıcılar ve perakendeciler tarafından tutulan
her türlü hammadde, yarı mamul ve mamulden oluşur. Envanterin işletmeler için temel
amacı tedarik zincirindeki belirsizlikler için tampon görevi yapmaktır. Ancak yüksek
miktarlarda envanter işletmeler için çok maliyetli olmakta ve yeniden sipariş noktaları
belirlenmesini gerektirmektedir. Bir tedarik zincirinde hangi aşamalarda ne kadar stok
yapılacağı, ne kadar hammadde, yarı mamul ve mamul stoku yapılacağı gibi soruların
cevabı aranır. Envanter tutma ve oluşturma hakkında 3 farklı karar alınabilir:
a) Çevrim Stoku: Ürün için satın alma talebinin verilmesi ile satın alınması arasında geçen
zamana karşılık tutulan envanterdir. İşletmeler ölçek ekonomisinden faydalanmak için
fazla miktarda ürün üretir veya satın alırlar.
b) Emniyet Stoku: Belirsizliğe karşı tutulan envanterdir. Talep tahminleri doğru
yapıldığında emniyet stokuna gerek kalmaz ve çevrim envanteri yeterli olur.
c) Sezonluk Envanter: Yılın belirli zamanlarında önceden tahmin edilebilen talep
artışlarına karşı tutulan envanterdir. Bunun alternatifi, esnek bir üretim sistemine sahip
olmaktır. Böylece artan taleplere daha hızlı cevap verilebilmektedir.
2.4.3. Yerleşim
Yerleşim kararları pazar taleplerine ve müşteri tatmin kararlılığına bağlıdır. Yerleşim
tedarik zincirinin coğrafi kısmını konu alır. Ayrıca hangi kuruluşta, hangi aktivitelerin
yapılabileceği kararlarının verilmesinde de rol oynar. Üretim ve depolama kuruluşlarının
nerelerde bulunacağı, üretim ve depolama için en az maliyetli yerlerin belirlenmesi,
mevcut işletmelerin yeterli olup olmadığı gibi sorulara cevap aranır. Hedef pazar
belirlendikten sonra üretim ve stoklama faaliyetleri için uzun dönemli kararlar alınır.
9
Tedarik zincirlerinde yer alan işletmeler aktivitelerini daha dar bir alanda yaparak
merkezileştirmeye gidebilir ya da taleplere daha hızlı cevap verebilmek ve müşteri ve
tedarikçilere daha yakın olmak amacıyla işletmelerini dağıtabilirler.
2.4.4. Taşımacılık
Taşımacılık, bir tedarik zinciri içerisinde bulunan hammaddeden bitmiş ürüne kadar
nesnelerin farklı işletmeler arasındaki hareketini ifade eder. Hem envanter hem de müşteri
taleplerinin karşılanması ile çok yakından ilişkili olan bu başlıkta envanterlerin bir tedarik
zinciri yerleşiminden diğerine nasıl hareket edeceği, hangi çeşit taşımacılığın kullanılacağı
gibi soruların cevabı aranır. Taşımacılık maliyetleri, bir tedarik zinciri içerisindeki
operasyonel maliyetlerin üçte birini oluşturmaktadır.
2.4.5. Bilgi
Bilgi, bir tedarik zincirindeki tüm aktivitelerin ve operasyonların arasındaki bağlantıyı
sağlar. Doğru ve zamanında gelen bilgi daha koordine ve doğru kararların alınmasını
sağlar. Bilginin, tedarik zinciri içerisinde 2 amaçla kullanımı söz konusudur:
a) Günlük aktivitelerin koordinasyonu: Diğer tedarik zinciri kararları olan üretim,
envanter, yerleşim ve taşımacılık kararları ile koordinasyon sağlanır.
b) Tahmin ve planlama: Taleplerin önceden belirlenmesi ve karşılanması için yapılır.
İşletme geniş bir pazara hitap ediyor ve düşük fiyat ile rekabet ediyorsa, düşük maliyetler
için optimize edilmiş tedarik zincirine sahip olmalıdır. İşletmenin hitap ettiği pazar, belirli
bir pazar sınıfı ise ve işletme, müşteri memnuniyeti ve hizmeti üzerinden rekabet ediyorsa
talebe hızlı cevap verebilecek tedarik zincirine sahip olmalıdır.
2.4.6. Tedarik
Organizasyonlar ürünlerin üretilip üretilmeyeceğine veya dış kaynak kullanımına karar
vermelidirler. Dış kaynak, özellikle kendi işletmelerinde bazı ürünleri etkin ve ekonomik
olarak üretemeyen işletmeler tarafından kullanılır. Tedarikçiler seçilirken düşük fiyatın
yanında gelişme hızı, kalite ve esneklik gibi konular da dikkate alınmalıdır.
10
2.5. Tedarik Zinciri Yönetimi Kararları
Tedarik zinciri yönetimi uzun dönemli, orta dönemli ve kısa dönemli kararları
içermektedir. Bu kararlar bir piramit seklinde düşünüldüğünde, piramidin en üstünde yer
alan kararlar alttakilerin çalışmalarını belirler. Hiyerarşik olarak tedarik zinciri yönetimi
kararları Şekil 2.3.’de, karar seviyesine göre faaliyetler açısından tedarik zinciri kararları
Şekil 2.4’de gösterilmiştir.
Stratejik
Seviye
Taktik Seviye
Uzun Dönemli Kararlar
Orta Dönemli Kararlar
Operasyonel Seviye
Kısa Dönemli Kararlar
Şekil 2.3. Tedarik zinciri yönetimi kararları hiyerarşisi (Teigen, 1997)
Talep
yönetimi
Dağıtım
Üretim
Malzemeler
Stratejik
Seviye
Aylık
tahminler
Kurumsal
dağıtım
planlaması
Kurumsal
üretim
planlaması
Kurumsal
malzeme
planlaması
Taktik
Seviye
Haftalık
tahminler
Dağıtım
ihtiyaçları
planlaması
Ana üretim
çizelgelemesi
Malzeme
ihtiyaç
planlaması
Operasyonel
Seviye
Siparişler
Envanter
dağıtımı
Proses
seviyesinde
çizelgeleme
Malzemenin
serbest
bırakılması
Şekil 2.4. Tedarik zinciri yönetimi kararları
Stratejik seviyede uzun dönemli kararlar verilir. Bu kararlar tedarik zinciri kararlarında
incelenen yerleşim, üretim, envanter ve taşıma kararlarıdır. Taktik kararlarda haftalık talep
tahminleri, dağıtım ve talep planlamaları, üretim planlaması ve malzeme ihtiyaç
11
planlaması konuları ele alınır. Operasyonel seviyede ise kısa dönem, günlük kararlar alınır.
2.6. Tedarik Zinciri Yönetimi Sisteminin Avantaj ve Dezavantajları
Yöneticiler her geçen gün kendilerini, müşterilerin artan talepleri ile aksi yönde bulunan
işletmenin kar ve büyüme ihtiyaçlarını dengeleyen bir konumda bulmaktadır. Birçoğu, söz
konusu dengeyi sağlayabileceklerini ve tedarik zinciri yönetimini stratejik bir değişken
olarak kullanarak kar sağlayabilecek bir büyümeye ulaşabileceklerini fark etmiştir.
Öncelikle, tedarik zinciri bir bütün olarak; yani, ürünlerin, hizmetlerin ve tedarikçilerin
tedarikçilerinden ve müşterilerinin müşterilerinden gelen bilgi akışı yönetiminde görev
alan tüm bağlantılar şeklinde algılanmalıdır. İkinci olarak, yöneticiler somut gelirler
amaçlamaktadır ve gelirlerin büyümesi, olanakların kullanımı ve maliyet azaltılması
üzerinde yoğunlaşmaktadır.
Yöneticiler, şirkete geleneksel bakışı ve ayrık fonksiyonel varlıklar oldukları için
bileşenlerini reddederek, başarının müşterilere değer oluşturmak için faaliyetlerin tedarik
zinciri boyunca ne kadar iyi kullanıldığına bağlı olduğunun bilincine varmaktadır. Bu
kapsamda tedarik zincirinin yaratacağı avantajların yanı sıra dezavantajlarının da bilinmesi
gerekmektedir.
Tedarik zinciri, şirketlerin iç çalışmalarını en uygun ve basit bir şekle getirirken, aynı
zamanda tüm tedarik zincirinin çalışmasını incelemekte ve çalışmaları iyileştirmek
suretiyle de şirketlerin tüketiciye karşı yapmaları gerekenleri en uygun duruma getirme
olanaklarını da sağlamaktır. Tedarik zinciri yönetimi, fiyat, kalite ve teknoloji gibi
çıktıların geliştirilmesini ve uygulamaların uyumlu, bütünleşmiş ve yüksek performanslı
olmalarını sağlamaktadır. Tedarik zinciri yönetimi uygulamaları, çok yönlü ve çok
kullanışlı gelişim aktivitesi için temel oluşturur. Uyumlu strateji, haberleşme liderliği ve iş
süreci yönetimini geliştirirler. Müşteri/tedarikçi yoğunlaşmasını sağlar ve sanayinin
vizyonunu ve araştırmasını en iyi uygulamalar içinde birleştirir. Dolayısıyla tedarik zinciri
yönetiminin beklenen yararları hammadde kaynaklarından son tüketiciye kadar bütün
alanlarda ortaya çıkmaktadır. Tedarik zinciri yönetiminin gerçek etki derecesi, tedarik
zincirinde yarattığı görüş yeteneğindedir.
12
Tedarik Zinciri Konseyi’ne göre tedarik zinciri yönetiminin işletmeye sağladığı avantajlar
şunlardır (Özbay, 2008):
•
Teslimat performansının iyileşmesi
•
Stok azalması
•
Çevrim zamanındaki iyileşme
•
Tahmin doğruluğunun sağlanması
•
Tüm verimliliğin artması
•
Tedarik zinciri maliyetlerinin düşmesi
Yukarıda belirtilen avantajların yanı sıra tedarik zinciri yönetimi sistemlerinin bazı
dezavantajları da söz konusudur. Üretim firmalarının tamamına yakını tedarik zinciri
yönetim sistemlerine sahip olmalarına karşın, bunların birçoğu geliştirilmemiş, karmaşık
veya kontrol edilemez durumdadır. Benzer şekilde bazı firmalar da tam entegrasyonu ve
birleşik fonksiyonel sistemi gerçekleştirememiştir. Rekabet pozisyonunun geliştirilmesi
durumunda firmanın sürekli olarak nerede olduğunun incelenmesine ihtiyaç vardır.
Tedarik zinciri yönetimi, bazen öncelikli aktiviteler nedeniyle çok zaman kaybına neden
olur ve bu nedenle istenilen seviyede tedarik zinciri uygulaması elde edilemez. Yanlış
girişimler üzerine yoğunlaşma gereksiz masraflara sebep olur.
2.7. Tedarik Zinciri Optimizasyonu
Tedarik zinciri yönetimi, tedarikçileri, imalatçıları, depoları ve mağazaları etkin bir şekilde
bütünleştirerek, malların doğru miktarda, doğru yerlere, doğru zamanda ulaştırılması sureti
ile tüm sistemin maliyetlerinin en aza indirilmesi ve aynı zamanda hizmet düzeyi
ihtiyaçlarının karşılanması için kullanılan yaklaşımlar bütünüdür. Bu tanım bizi tedarik
zinciri yönetimi ile ilgili gözlemler yapmaya itmektedir.
Bu gözlemlerden birincisi, tedarik zinciri yönetimi maliyet üzerinde etkisi olan ve ürünün
müşteri ihtiyaçlarına uymasında rol oynayan her tesisi dikkate alır. Tedarikçilerden ve
imalat tesislerinden, depo, dağıtım merkezleri, perakendeci ve müşterilere kadar, tüm
zincir bileşenleri tedarik zinciri yönetiminin ilgi alanı içerisindedir. Dahası, bazı tedarik
13
zinciri analizlerinde tedarikçilerin tedarikçileri bile, tedarik zinciri performansı üzerinde
etkisi nedeniyle, göz önünde bulundurulmak zorundadır.
İkinci gözlem ise, tedarik zinciri yönetiminin amacı, tüm sistem için etkin ve düşük
maliyetli olmaktır. Ulaşım ve dağıtım maliyetlerinden hammadde, yarı mamul, son mamul
stoklarına kadar tüm maliyetler minimize edilmelidir. Dolayısı ile tedarik zinciri
yönetiminde temel amaç sadece ulaşım ya da stok maliyetlerini azaltmak değil, tedarik
zinciri yönetimine sistem yaklaşımını uygulamaktır. Tanımda gözlemlenmesi gereken
üçüncü nokta ise, tedarik zinciri yönetimi, tedarikçilerin, imalatçıların depoların ve
mağazaların bütünleştirilmesine dayandığı için bir şirketin stratejik, taktik ve operasyonel
düzeydeki birçok faaliyetini kapsar.
Tedarik zincirinin işletmecilik ve mühendislik olmak üzere iki bakış açısı vardır.
İşletmecilik bakış açısından kastedilen tedarik zincirinin işletme yönetimi konularını
ilgilendiren taraflarına bakmaktır. Diğer bir deyişle, tedarik zinciri sistem tasarımlarının
pazarlama ve üretim fonksiyonlarına etkilerinin incelenmesidir. Tedarik zincirinde
işletmecilik bakışının yanı sıra mühendislik bakışı vardır. Bu bakışta, önemli olan işin
fiziksel ve nicel yönleri ile işin yapılabilirliğidir. İşletmecilik bakışı, daha çok müşteri
gereksinimlerine önem verirken, mühendislik bakışı sistem tasarımı için optimum çözüm
bulmaya çalışır. Her ikisi de tedarik zincirinin eşit derecede önemli ve geçerli bakış
açılarıdır.
Tedarik zinciri yönetimi iki temel gözleme dayandırılan nedenlerle zor bir süreç olarak
tanımlanabilir. Bu temel gözlemler aşağıda verilmiştir:
•
Tüm sistem maliyetlerinin minimize edildiği ve aynı zamanda sistemin hizmet
düzeyinin korunduğu bir tedarik zinciri tasarlamak ve yönetmek çok zordur.
Bırakın tüm bir sistemi, bir tek tesisin bile maliyetleri minimize edilecek ve var
olan hizmet düzeyinin korunabilecek şekilde yönetilmesi zordur. Bu zorluk tüm bir
sistem göz önüne alındığında üstel olarak artmaktadır. Tüm sistem için en iyi
çözümü bulma sürecine global optimizasyon denir.
•
Her tedarik zincirinin doğasında belirsizlik vardır. Müşteri talebi hiçbir zaman
kesin olarak bilinemez, taşıma zamanları hiçbir zaman kesin değildir, makineler ve
kamyonlar öngörülemez şekilde bozulabilir. Dolayısı ile tedarik zincirleri, var olan
14
belirsizlikleri azaltacak ve kalan belirsizliklerin etkisini mümkün olan en az düzeye
indirecek şekilde tasarlanmalıdır.
2.7.1. Global Optimizasyon
Sistem tasarımı, amaçların tanımlanmasını, gereksinimlerin belirlenmesini, çözümlerin
belirlenmesini ve amaçlara uygun çözümlerin değerlendirilmesini içerir.
Sistem geliştirme çabalarının en önemli ve en genel amacı optimum sistem
konfigürasyonuna ulaşmaktır. Optimizasyon çalışmaları, bazı sistem performans ölçütlerini
maksimum veya minimum yapmak için gerekli olan en iyi sistem tasarımı ve sistem
işletim parametrelerine ait kombinasyonları bulmak için yapılır. Tüm sistem için en iyi ya
da global olarak optimal bütünleşik çözümü bulmayı zorlaştıran çeşitli nedenler vardır. Bu
nedenler şu şekilde sıralanabilir;
•
Tedarik zinciri karmaşık bir ağdır. Tedarik zinciri, geniş bir coğrafyaya çoğu
zaman bütün dünyaya yayılmış bir tesisler ağıdır.
•
Tedarik zincirindeki farklı tesisler çoğu zaman birbirinden farklı ve çelişen
amaçlara sahiptir. Örneğin, tedarikçiler imalatçıların büyük ve aynı miktarlarda
satın alma sözü vermelerini ve teslimat sürelerinin esnek olmasını ister. Ancak,
birçok imalatçı üretim partilerinin büyüklüklerinin mümkün olduğunca küçük
olmasının yanı sıra müşteri ihtiyaçlarını ve değişen talebi karşılayabilmek için
esneklik ister. Dolayısı ile tedarikçilerin amaçları ile imalatçının sahip olmak
istediği esneklik doğrudan çelişmektedir. Üretim kararları, müşteri talebini kesin
olarak bilmeksizin alındığı için imalatçıların tedarik ve talebi birbiri ile eşleştirme
yetenekleri, büyük oranda, talep ile ilgili bilgi geldikçe tedarik miktarlarını
değiştirebilme
yeteneklerine
bağlıdır.
Benzer
şekilde,
imalatçıların
parti
miktarlarını büyük tutmak istemeleri hem depo hem de dağıtım merkezlerinin
stokları azaltma amacı ile çelişmektedir. Ayrıca, son bahsettiğimiz stokların
azaltılması amacı genel olarak ulaşım maliyetlerinde artışa neden olur.
•
Tedarik zinciri, dinamik bir sistemdir. Tedarik zincirleri zaman içerisinde değişen
sistemlerdir. Zaman içerisinde yalnızca müşteri talebi ve tedarikçi kapasiteleri
değişmez. Bunlarla birlikte, tedarik zincirindeki ilişkiler de değişir. Örneğin,
müşterilerin sahip oldukları güç arttıkça imalatçı ve tedarikçiler üzerinde daha
15
kaliteli ve daha çok çeşit üretmeleri için büyük baskılar oluşur. Hatta oluşan
baskılar sonucunda her bir müşteri için farklı özelliklerde ürün üretmek zorunda
kalınabilir.
•
Tedarik zinciri yönetiminde optimal çözümü bulmayı zorlaştıran sebeplerden biri
de sistemdeki değişkenliklerdir. Zamana bağlı olarak sistemde çeşitli değişiklikler
meydana gelmektedir. Talep kesinlikle biliniyor bile olsa, planlama süreci,
mevsimsel dalgalanmalara, trendlere, reklam ve promosyonlara, rakiplerin
fiyatlandırma stratejilerine bağlı değişkenlikleri göz önünde bulundurmak
zorundadır. Bu, zamana bağlı olarak değişen talep ve maliyet parametreleri en
etkin tedarik zinciri stratejilerinin ne olduğunun belirlenmesini zorlaştıran diğer bir
faktördür.
Etkin bir tedarik zinciri yönetiminin işletmeye sağladığı faydalara ilişkin yapılan bir
çalışmada, tedarik zinciri optimizasyonu ile işletmeye sağlanan katma değer Çizelge 2.1.’
deki gibi özetlenmiştir (Fıçı, 2006).
Çizelge 2.1. Tedarik zinciri optimizasyonunun işletmeye sağladığı katma değer
İyileşme Sağlanan Alanlar
Net Katkı
Teslim performansının iyileştirilmesi
%15-%28
Envanterin azaltılması
%25-%60
Sipariş karşılama oranının iyileştirilmesi
%20-%30
Talep tahmin başarısı
%25-%80
Tedarik çevrim süresinin kısaltılması
%30-%50
Lojistik masraflarının azaltılması
%25-%50
Verimlilik ve kapasite artışı
%10-%20
2.7.2. Belirsizliğin Yönetilmesi
Tedarik zinciri sistemlerinin çok sayıda etmen içeren ve karmaşık sistemler olması
beraberinde belirsizliği getirir. Tedarik zincirlerinin belirsizlik altında işleyecek şekilde
16
tasarlanmak zorunda olması tedarik zincirinin global olarak optimize edilmesini daha da
zorlaştırır. Bu belirsizliğe neden olan çeşitli faktörler şunlardır:
•
Tedarik ve talebin eşleştirilmesi büyük bir sorundur. Tedarik ve talebin
eşleştirilmesinin zor olmasının altında yatan neden, talep gerçekleşmeden aylar
önce imalatçıların belirli bir üretim miktarı seçmek zorunda olmasıdır. Önceden
verilen bu kararlar çok büyük finansal ve tedarik risklerini de beraberinde
getirmektedir.
•
Belirli bir ürün için müşteri talebinin çok değişken olmadığı durumlarda bile, stok
ve karşılanamayan sipariş düzeyleri tedarik zinciri boyunca önemli dalgalanmalar
gösterir.
•
Talep tahminleri problemi çözmemektedir. En gelişmiş talep tahmin teknikleri ile
dahi talebi kesin olarak bilmek mümkün değildir.
•
Tek belirsizlik kaynağı talep değildir. Teslimat zamanları, fire miktarları,
girdi/çıktı oranları, ulaşım süreleri, yarı mamullerin hazır olmaması gibi faktörler
de tedarik zinciri performansını büyük oranda etkileyebilir. Ayrıca, tedarik
zincirlerinin büyüklükleri ve yayıldıkları coğrafya büyüdükçe doğal ve doğal
olmayan felaketlerin tedarik zinciri üzerinde çok büyük etkileri olabilmektedir.
Belirsizliğin azaltılması ve hatta ortadan kaldırılabilmesi için bilgiye ihtiyaç vardır. Bu
yüzden çözülmesi gereken problem, matematiksel modeller, karar verme modelleri vb. gibi
karmaşık konulardaki belirsizliğin incelenerek ortadan kaldırılması gereklidir.
2.7.3. Tedarik Zinciri Modelinin Oluşturulması
Stratejik kararların birçoğu, tedarik zincirini çeşitli açılardan tamamlamaya çalışması
itibariyle global veya tümüyle kapsayıcı olarak nitelendirilebilir. Bu nedenle, bu kararları
açıklayan modeller çok büyüktür ve oldukça fazla veri gerektirir, istenen bilginin
fazlalığına ve karar alanlarının genişliğine göre, bu modeller, tanımladıkları kararlar için
yaklaşık çözümler önerirler. Operasyonel kararlar, tedarik zinciri operasyonlarını günlük
olarak tanımlar. Karışık perspektiflerinden dolayı, bu modeller çok fazla detayı dikkate alır
ve optimal olmasa bile çok iyi sonuçlar sağlarlar.
17
Karar problemlerindeki belirsizliğe göre farklı modeller kullanmak, bu modellerin
çözümlerini bulmak ve bu çözümler arasından en uygununu belirlemek, etkin kararlar
alınmasına büyük destek verir.
Tedarik zinciri modeli oluştururken, iki problemle karşılaşılmaktadır. Bunların ikisi de
dikkat ve ustalık ister. Modelin kurallarını belirleyebilmek için firmanın değişik
departmanlarından farklı kişilerle çalışmak gerekir. Bu aktiviteye paralel olarak, modelin
doğru bilgi ile beslendiğini garanti etmek için birçok kaynaktan gelen veriler entegre
edilmelidir.
Yapılan işin farklarını doğru olarak yansıtan tedarik zinciri modeli oluşturulduktan sonra,
işletme içinde malzeme akışının planlanmasında önemli iyileşmeler gözlenir. Örneğin
tedarik zinciri modelleri, tam zamanında üretim konusunda çok çaba harcamış firmalara,
küçük ve ucuz bileşenlerin stokunun tutulmasının daha verimli olduğunu göstermişlerdir.
Ancak bu bazı endüstriler için geçerli iken, diğerleri için doğru olmayabilir. Başarılı bir
tedarik zinciri sistemini hayata geçirmenin anahtarı, modelin, yapılan işin tüm özellikleri
ve garipliklerini içerecek şekilde tasarlanmasıdır. Ancak bu şekilde iyileşmeler gerçek ve
ölçülebilir olur.
Tedarik zincirinin başarıyla yönetilebilmesi, müşteriye verilen hizmetle maliyet arasında
denge kurulmasına bağlıdır. Üretim ve dağıtım harcamalarını azaltarak maliyetleri düşük
tutmaya çalışırken, müşteri memnuniyet düzeyinin düşürülmemesine dikkat edilmelidir.
Tedarik
zincirlerinin
başarıyla
yönetilmesi
için
geliştirilen
yazılımlardan
faydalanılmaktadır. Tedarik zincirinin doğası gereği, bu yazılımda birçok farklı sistemin
tek bir karar destek sisteminde birleşmesi gerekliliği vardır. Tedarik zinciri uygulamasının
başarısı için her ne kadar en önemli faktör modelin doğruluğu ise de, aracın seçimi de
önemini yitirmemektedir. Forester Research'un yaptığı bir araştırmaya göre, mevcut
tedarik zinciri yönetimi araçlarının üzerine kuruldukları algoritmalar birbirinden
farklılıklar göstermektedir (Özbay, 2008). Aynı model farklı araçlar üzerine kurulabilir.
Ancak eğer paketler farklı algoritmalara dayanıyorsa, sonuçlar farklı olacaktır. Proses tipi
üretim için geliştirilen bir araç, montaj tipi üretim için geliştirilen araçla aynı sonuçları
vermeyecektir.
18
2.7.4. Tedarik Zinciri Modelleme Yaklaşımı
Her tedarik zinciri modelinin kendine özgü özellikleri olmasına rağmen, birçoğu aşağıda
tanımlanan adımların yerine getirilmesini gerektirir (Lee ve Kim, 2002):
Problemin Tanımlanması: Bir çalışma hâlihazırda bir ihtiyacı giderecek şekilde
hazırlanmamışsa, detaylı ve eksiksiz olması bir anlam ifade etmez. Etkili bir çalışma
yapabilmek için, potansiyel problemleri olan sistem parçalarının incelenmesi ve çalışmanın
buna göre hazırlanması gerekir. İyi bir model, kurucusu tarafından, sistemin diğer
parçalarını da kolayca içine alabilecek şekilde tasarlanmış olmalıdır. Fakat içinde gereksiz
ve fazla bilgilerin bulunduğu bir model bilgisayar üzerinde diğer modellere göre daha
yavaş çalışabilir ve maliyeti daha yüksek olabilir.
Hedeflerin Belirlenmesi: Tedarik zinciri modelinin amaçları, üzerinde çalışılacak
problemin durumuna göre saptanır. Geliştirmede kullanılan belirli yöntemlerin, çalışmanın
hedefinin belirlenmesindeki rolü büyüktür. Fakat bu hedefler, daha önce yapılan modelin
sonuçlarının yeni verilere uyarlanmasını engelleyecek şekilde dar planlanmamalıdır.
Model Formülasyonu: Hedeflerin ve problemin belirlenmesinden sonra, modeli kuracak
olan kişi modelin temel çatısını geliştirebilir. Bu çatı genellikle olayların prensiplerini ve
kullanılan elemanları içerir. Toplanan verilerin doğruluğunun, elde edilen sonuç üzerindeki
etkisi büyüktür. Yapılan ilk plan içerisinde, gerekli olan verilerin, bilgi kaynaklarının ve bu
bilgilerin nasıl elde edilebileceği belirtilmektedir. İlk olarak, çalışmanın hedefleri ile ilgili
olan bu bilgilerin çıkartılması gerekir. Tecrübeli bir model kurucu, çalışmada yer alan
diğer kişilere hangi verilerin gerekli hangilerinin gereksiz olduğu konusunda yardım
etmelidir. Sistemin taklidini yapmak veya sistemin bir kopyasını çıkarmak için harcanan
çaba genellikle gereksizdir. Detayların gerekli olduğu zaman eklenmesi, çalışmanın
hedefine ulaşması açısından takip edilmesi gereken en iyi yoldur. Teknik karışıklıklar
modelle, modelin kurulma amacı arasındaki ilişkiden daha az öneme sahiptir.
2.7.5. Tedarik Zinciri Kısıtları
Tedarik zinciri kısıtları, işletmenin seçebileceği bir dizi alternatif karar seçeneği üzerinde
konumlanmış
etmenlerdir.
Böylece,
bu
etmenler
bazı
karar
alternatiflerinin
19
yapılabilirliklerini/fizibilitesini belirlerler. Bu kısıtlar ve kısıtların içerikleri şunlardır (Min
ve Zhou, 2002):
Kapasite: Tedarik zinciri üyelerinin finans, üretim, tedarik ve teknik yeterliliklerini;
istenilen gelir düzeyinde stok seviyeleri, üretim, işgücü, öz sermaye yatırımı, dış kaynak
kullanımı ve bilişim teknolojileri adaptasyonu ile ilgili durumları belirler. Kapasite ayrıca
üretim ve stoklama için kullanılabilir alanları da içerir.
Hizmet Uyumu: Tedarik zincirinin nihai hedefinin müşterilerin hizmet ihtiyaçlarını
karşılaması ya da bu ihtiyaçların da ötesinde hizmet verilmesi esası olduğunu düşünürsek,
bu oluşum müşteri memnuniyeti için en önemli kısıttır. Bunların tipik örnekleri; dağıtım
zamanları, gününde üretim, ardışık-sipariş için maksimum bekleme süresi ve taşıma yapan
araç sürücüleri için ulaştırmada geçen yolculuk süresidir.
Talep kapsamı/miktarı: Tedarik zincirinin dikey bütünleşimi, bir önceki kademedeki
tedarik kapasitesini dengelemek amacıyla aşağı yöndeki tedarik zinciri üyelerinin kendi
kademelerinde başarıya ulaşması için gereken talep miktarını, artırılmış tüketim
doğrultusunda dengelemektir.
2.7.6. Tedarik Zinciri Karar Değişkenleri
Karar değişkenleri genel olarak, karar çıktısı aralıklarının sınırlarını belirlemelerinden
dolayı,
tedarik
zinciri
ile
ilişkili
fonksiyonel
performansın
artmasına
katkıda
bulunmaktadırlar. Dolayısıyla, bir tedarik zincirinin performans ölçümleri genel olarak
karar değişkenlerinin bir fonksiyonu olarak ifade edilebilir. Karar değişkenlerinin bazıları
aşağıdaki gibi açıklanabilir (Min ve Zhou, 2002):
Yer: Bu tür değişkenler; fabrikaların, depoların veya dağıtım merkezlerinin konsolidasyon
noktalarının ve tedarik kaynaklarının nerede konumlandırılacağına ilişkin karar verme
sürecinde etkilidir.
Yerleşim: Hangi toptancıdan, fabrikadan ve konsolidasyon noktasından hangi müşteriye,
pazar dilimine ve tedarikçiye hizmet verileceğini gösteren değişkenlerdir.
20
Şebeke/Ağ yapısı: Bu tip değişkenler, bir dağıtım şebekesinin merkezileştirilmesi ya da
merkezden uzaklaştırılması ve tedarikçiler, depolar ve konsolidasyon/ birleşim noktalarının
hangi kombinasyonundan yararlanılacağını belirtir. Ayrıca bu değişkenler üretim ve
dağıtım kaynaklarının tam zamanında kullanılması ya da elimine edilmesi esasına da
dayanır.
Tesis ve teçhizat sayısı: Müşteri ihtiyaçlarını ve pazar isteklerini karşılayabilmek için kaç
adet fabrika, depo ve birleşim noktası gerektiğini belirleyen değişkenlerdir.
Aşama-katman sayısı: Bu değişken ise, bir tedarik zincirinin içerdiği aşamaların sayısını
belirler. Ayrıca, yatay tedarik zinciri bütünleşiminde kademeleri birleştirerek ya da
kademeleri bölerek kademe sayısını artırabilir veya azaltabilir.
Hizmet sıklığı: Müşterilere veya tedarikçilere hizmet veren araçların dağıtım getiri zaman
çizelgesini ya da izlediği rotayı belirleyen değişkendir.
Miktar: Bu değişken, tedarik zincirinin her noktasında (tedarikçi, üretici, dağıtıcı v.s.)
optimal satın alma miktarı, üretim, nakil miktarını belirler.
Stok seviyesi: Tedarik zincirinin her safhasındaki hammadde, bölüm, iş süreci, nihai ürün
ve stok tutma birimini belirleyen değişkendir.
İşgücü miktarı: Bu değişken, sistemde kaç adet araç şoförü ve ürün yükleyici bulunması
gerektiğine karar verilmesini sağlar.
Dış-kaynak (outsourcing) kapsamı: Hangi tedarikçinin, hangi bilişim hizmeti ve üçüncü
taraf destek sağlayıcısının kullanılacağı, uzun dönemli temaslarda dış kaynak (tekil veya
çoklu kaynak) bakımından kaç tanesinden faydalanabileceğini belirleyen değişkendir
(Paksoy, 2005).
21
3. HEDEF PROGRAMLAMA
Çok amaçlı programlama modellerinin bir türü olan hedef programlama mümkün
olduğunca çok amacı aynı anda sağlayan bir çözüm araştırır. Hedef programlama, doğrusal
programlamada uygun çözümü olmayan problemlere uygun bir çözüm geliştirmede
yardımcı teknik olarak kullanılır (Eranıl, 2008).
Hedef programlama tekniği 1950’li yıllarda Charnes, Cooper ve Ferguson tarafından
ortaya atılmış olmasına rağmen, ilk olarak 1960’lı yılların başlarında Charnes ve Cooper
tarafından tanımlanmış ve çalışılmıştır. Bu teknik 1960’lı yılların ortasında Ijiri tarafından
genişletilmiş, 1970’li yıllarda Ignizio ve Lee ayrıntıları ile birlikte tanımlayarak çok sayıda
uygulama yapmışlardır (Eranıl, 2008).
Optimizasyon düşüncesine dayanan çok amaçlı programlama modellerinde, birbiriyle
çelişen amaçları kısıtlayıcı kümesine göre eş zamanlı doyuran bir çözüm vektörünün
belirlenmesi amaçlanır. Hedef programlama modelinde ise karar vericinin doyurucu
bulduğu bir çözüm belirlenmeye çalışılır. Bu nedenle, hedef programlama modelinin
optimizasyon düşüncesinden daha çok bir doyum düşüncesine dayandığı söylenebilir.
Hedef programlamada her bir amaç, göz önünde bulundurulan şartlar altında verilen değer
veya hedef değer başarılmak istenir. Hedef programlama, doğrusal programlamada olduğu
gibi amaç değerini doğrudan enbüyüklemek veya enküçüklemek yerine, hedefle arasındaki
sapmayı en küçük yapmaya çalışır.
Hedef programlama modeli, karar vericinin birden fazla amacı aynı anda göz önünde
bulundurması için uygun çözümler bulmayı amaçlar. Bununla birlikte, yalnızca kısmi bilgi
elde edilmesi sebebi ile her amacın hedeflenen değerinin kesin olarak hesaplanması karar
verici için zordur. Hedef programlamanın en önemli özelliği birbiri ile zıt yönetimsel
problemleri içeren birden fazla hedefi, hedeflerin önemine göre atama yapabilmesidir.
22
3.1. Hedef Programlama Modelinin Formülasyonu
Hedef programlama modeli, kısıtlar kümesi ve amaç fonksiyonu şeklinde iki bölümde
incelenebilir. Bir doğrusal programlama modelinde yer alan kısıtlar ve amaç fonksiyonları,
hedef programlama modelinin sadece kısıtlar kümesini oluşturur. Hedef programlama
modelinde, amaç fonksiyonları için ulaşılmak istenen en iyi hedef değerini karar vericinin
belirlemesi gerekir. Bunun sonucunda, hedef değerli amaç fonksiyonları bir eşitlik halinde
kısıtlayıcı kümesine eklenir. Bu işlem her bir hedef için sapma değişkenlerinin
tanımlanmasını gerektirir. Sapma değişkenleri, hedef fonksiyonlarının en iyi hedef
düzeyinden ne kadar uzaklaşıldığının ölçülmesini sağlar. Sapma değişkenleri, negatif
sapma ve pozitif sapma olarak iki türdür. Negatif sapma değişkeni pozitif değer alırsa,
ilgili hedefin belirlenen hedef seviyesinin altında bir değere ulaştığı söylenir. Pozitif sapma
değişken değeri pozitifse, ilgili hedef ile belirlenen hedef seviyesinin aşıldığı söylenir.
Eğer ilgili hedef için pozitif ve negatif sapma değişkenleri sıfıra eşitse, belirlenen hedef
seviyesine tam olarak ulaşılmış olur. Bir hedeften eş zamanlı olarak tek bir sapma söz
konusu olduğu için, sapma değişkenlerinin negatif olmaması gerekir.
Aşağıda çok amaçlı bir doğrusal programlama modeli verilmiştir. Bu model temel alınarak
hedef programlama modeli açıklanmıştır:
max z1 = f 1( x )
(3.1)
min z 2 = f 2( x )
(3.2)
Kısıtlar
(3.3)
(3.4)
n
1, 2,..., m
∑ aij × xij ≤ bi i =
j =1
x≥0
(3.5)
Yukarıda belirtilen denklem seti ile ifade edilen çok amaçlı doğrusal programlama modeli,
hedef programlama modeli olarak ifade edilirken; çok amaçlı modele ait amaç
fonksiyonlarının da hedef programlama modelinin kısıtlar kümesine alınması gerekir. f1(x)
ve f2(x) ile gösterilen fonksiyonların hedef seviyelerinin, bm+1 ve bm+2 olarak belirlendiği
kabul edilsin. Bu durumda, çok amaçlı programlama modelinin amaç fonksiyonlarına
sapma değişkenleri ilave edilerek aşağıda verilen kısıtlayıcılar kümesine ulaşılır.
23
n
1, 2,..., m
∑ aij × xij ≤ bi i =
(3.6)
j =1
−
+
f1 ( x ) + d1 − d1 =
bm +1
−
+
(3.7)
f2 ( x) + d 2 − d 2 =
bm + 2
(3.8)
xij =
m ; j 1, 2,..., n
≥ 0 i 1, 2,..,=
(3.9)

 i = 1, 2
−
+
di × di =
0

(3.10)
−
+
di , di ≥ 0
Burada yer alan son kısıt, belirlenen bir hedef seviyesinden aynı anda hem pozitif hem de
negatif sapma olamayacağını belirtir. Yani, i. sapma değişkenlerinden biri pozitifse, diğeri
mutlaka 0 olmalıdır. Eğer i. hedef fonksiyonu için pozitif ve negatif sapma değişkeni
değeri 0 ise, ilgili hedef düzeyine tam olarak erişildiği söylenir. Ancak, pozitif ve negatif
sapma değişkenlerinin tümünün 0 değeri aldığı bir çözümle, uygulamada nadiren
karşılaşılır.
Hedef programlama modelinin amaç fonksiyonu oluşturulurken, enbüyükleme amaçlı
fonksiyonun, belirlenen hedef seviyesinden daha yüksek değerler alması beklenir. Bu
nedenle, pozitif sapma değişkeninin olabildiğince 0’dan büyük olması, negatif sapma
değişkeninin ise 0’a yaklaşması ve hatta 0 değerini alması istenir. Diğer taraftan,
enküçükleme amaçlı fonksiyonun belirlenen hedef seviyesinden daha düşük değerler
alması istenir. Burada da, negatif sapma değişkeninin sıfırdan olabildiğince büyük olması
ve pozitif sapma değişkeninin 0 değerini alması istenir. Ayrıca, bazı hedefler için karar
vericiler, belirlenen hedef düzeyine tam olarak ulaşılmasını da isteyebilirler. Bu durumda,
pozitif ve negatif sapma değişkenlerinin 0’a olabildiğince yakın olması amaçlanır. Hedef
programlama modelinde, hedefler için belirlenen hedef seviyesinden oluşabilecek sapmalar
minimize edilir. Buna göre, olası hedef yönleri ve bunların hedef programlama modelinin
amaç fonksiyonunda yer alacak sapma değişkenleri Çizelge 3.1.’de gösterilmiştir.
24
Çizelge 3.1 Amaç fonksiyonunda yer alacak sapma değişkenleri
Hedef Yönü
Sapma Değişkeni
≤
di
≥
di
=
di + di
+
−
−
+
Yukarıdaki açıklamalar doğrultusunda, Pi i hedefi için öncelik sınıfını, wk+ ve wk− sapma
değişkenleri için göreli önem ağırlıklarını ve
tk k. hedef değeri olmak üzere, hedef
programlamanın genel matematiksel modeli aşağıda verilmiştir:

l
enk ∑ Pi  ∑
 k ∈Ji
Kısıtlar
=i 1
(w
−
−
k
−
+
+
× d k + wk × d k
)

+
fk ( x) + d k − d k =
tk
x∈ X
−
+
x, d k , d k
−
dk
×
+
dk
(3.11)
≥0
=
0
k = 1,2,..., p
k = 1,2,..., p
k = 1,2,..., p
(3.12)
(3.13)
(3.14)
(3.15)
Modelin amaç fonksiyonu Eş. (3.11)’de ifade edilmiştir. Amaç fonksiyonu, sıralı olarak
tüm öncelik sınıfları için, karar vericinin hedeflediği tk değerlerinden istemediği ağırlıklı
sapmaların toplamını enküçükler. Eş. (3.12 - 3.15) ile belirtilen kısıtlar hedef değerlerinden
sapmaları belirler(Özden, 2011). .
3.2. Hedef Programlamanın Avantajları ve Dezavantajları
Hedef programlama modelinin avantajları ve dezavantajları aşağıdaki gibi belirtilebilir;
Avantajları
•
Hedef programlama ile iki ve daha çok amaca sahip karar problemlerinin çözümü
yapılabilir.
•
Gevşek kısıtlara izin verir.
25
•
Hedef programlama, doğrusal programlamada uygun çözümü mevcut olmayan
problemlere
uygun
bir
çözüm
geliştirmede
yardımcı
teknik
olarak
da
kullanılmaktadır.
Dezavantajları
•
Hedef programlama modelinde başarma fonksiyonunun çok sayıda amaç
fonksiyonunun birleştirilmesiyle oluşturulması karmaşık bir yapıya sahip olmasına
sebep olur.
•
Hedef değerlerinin karar verici tarafından tespit edilmesi,
•
Karar vericinin, hedeflerin ağırlıklarını ve öncelik seviyelerini belirlemesi,
•
Bu değerleri bağdaşık hale getirecek bir yol bulunması gerekliliği,
hedef programlamanın dezavantajı olarak değerlendirilmektedir.
26
27
4. LİTERATÜR ARAŞTIRMASI
Bu bölümde, tedarik zinciri optimizasyonu konusunda yapılmış çalışmaları içeren,
çalışmalarda dikkate alınan amaç sayısına bağlı olarak, tedarik zincirinde tek amaçlı
planlama çalışmaları, tedarik zincirinde çok amaçlı planlama çalışmaları ve tedarik
zincirinde hedef programlama uygulamaları olarak üç alt başlıkta inceleyen bir literatür
araştırmasına
yer
verilmiştir.
Çalışmalar
içerdikleri
optimizasyon
modellerinin
oluşturulduğu sistem varsayımları, kullanılan amaç fonksiyonu ve kısıtlar göz önünde
bulundurularak detaylı olarak incelenmiştir.
4.1. Tedarik Zincirinde Tek Amaçlı Planlama Çalışmaları
Lakhal ve diğerleri (2001) tedarik zincirinde yer alan kaynak ve faaliyetlerin zincir
bütününe katkısını en büyüklemek amaçlı bir ağ modellemesi geliştirmiş ve üretim, talep,
kapasite ve değer tanımlamaları ile ilgili kısıtlar kullanmışlardır.
Kim ve diğerleri (2002) çok ürünlü, tedarik ve üretim kapasiteli bir tedarik zinciri için
talep belirsizliği, ürün karakteristikleri ve tedarik ve üretim kapasitelerini ele alan bir
matematiksel model önermişlerdir. Modelin etkinliği bir bilgisayar üreticisinde
gerçekleştirilen bir vaka çalışması ile test edilmiştir.
Lee ve Kim (2002) tedarik zincirinde üretim-dağıtım planlaması için analitik model ile
elde edilen üretim-dağıtım planlarını geliştirdikleri simülasyon modelinde çalıştırarak
işlem zamanlarını ve bu zamanlardan hareketle optimal üretim-dağıtım planını belirlemeyi
hedefleyen bir melez yaklaşım geliştirmişlerdir.
Santoso ve diğerleri (2005) belirsizlik altında tedarik zinciri ağı tasarımı için stokastik
programlama yaklaşımı kullanmışlardır. Tedarikçilerin, imalat, son işlem ve depolama
tesislerinin ve müşterilerin olduğu çok ürünlü bir tedarik zincirinde makine işletme
maliyeti, ürün işleme maliyeti ve taşıma maliyetinin toplamını minimize etmeyi
amaçlamışlardır. Üretim merkezlerinde stok yapmama, talebi karşılama, tedarik
miktarından
fazla
üretim
yapmama
ve
tesis
kapasitesini
aşmama
kısıtlarını
tanımlamışlardır. Üretim maliyeti, talep, kapasite ve tedarik miktarı değerlerini
rassallaştırmışlardır.
28
Min ve diğerleri (2006) yeniden imalat işlemi görmek üzere işletmeye geri dönen ürünler
için çok aşamalı tersine lojistik ağı tasarımı problemi için doğrusal olmayan karma tam
sayılı programlama modeli ve modelin çözümü için genetik algoritma geliştirmişlerdir.
Noorul Haq ve Kannan (2006) ekipman üretimi yapan bir şirketin tedarik zinciri için
bulanık analitik hiyerarşi prosesi kullanarak tedarikçi seçimi ve çok aşamalı dağıtım
envanter modeli için genetik algoritma içeren bütünleşik bir çalışma yapmışlar, bir vaka
çalışması ile modelin geçerliliğini göstermişlerdir.
Aliev ve diğerleri (2007) tedarik zincirinde bütünleşik üretim-dağıtım programlaması için
bulanık-genetik yaklaşım kullanmışlardır. Bulanık yaklaşımı, çok dönemli ve çok ürünlü
bir tedarik zinciri için üretim ve dağıtım modeline entegre etmişlerdir. Amaç fonksiyonu
olarak kar en büyüklemesi ele alınmış; talep, kapasite ve taşıma miktarları bulanık değerler
olarak kabul edilmiştir. Sistem modellenirken üretim ve depolama kapasiteleri, talep ve ağ
yapısı kısıtları göz önünde bulundurulmuştur.
Naso ve diğerleri (2007) hazır beton dağıtımında gecikme ve erken teslimi önleyecek
detaylandırılmış bir çizelgeleme modeli geliştirerek çözüm kurucu sezgisellerle
birleştirilmiş melez bir genetik algoritma ile çözüm aramışlardır.
Romeijn ve diğerleri (2007) iki aşamalı tedarik ağı tasarımı üzerine bir model
geliştirmişlerdir. Küme kaplama modelini temel alan modelde taşıma, stoklama ve stoksuz
kalma, emniyet stoku ve kapasite ile ilgili maliyetlerin en küçüklenmesi amaçlanmıştır.
Tsiakis
ve
Papgeorgiou
(2008)
tedarik
zincirinde
üretim
atama
ve
dağıtım
optimizasyonunu sağlamak üzere karma tamsayılı bir doğrusal planlama modeli
geliştirmişlerdir. Model, sabit tesis işletme maliyeti, üretim maliyeti, dağıtım
merkezlerinde malzeme kontrol maliyeti, ulaştırma maliyeti ve vergi maliyeti toplamını
minimize etmeyi amaçlamaktadır. Sistemi tanımlarken ağ yapısı, malzeme akışı, malzeme
dengesi, üretim ve dağıtım merkezi kapasitesi kısıtları kullanılmıştır.
Altıparmak ve diğerleri (2009) çok ürünlü çok aşamalı tedarik zinciri ağı tasarımı
probleminde talebi minimum maliyetle karşılamayı amaçlayan kararlı durum genetik
algoritma tabanlı bir çözüm yaklaşımı geliştirmişlerdir.
29
Gebennini ve diğerleri (2009) karma tam sayılı programlama tabanlı bir model ile tesis
sayısı, yer seçimi, müşteri taleplerinin tesislere atanması, üretim, stok ve hizmet
düzeylerinin optimizasyonunu sağlamaya çalışmışlardır.
Peidro ve diğerleri (2009) tedarik, talep ve süreç belirsizliği altında tedarik zinciri
planlaması için bulanık karma tam sayılı doğrusal programlama modeli geliştirerek
otomotiv sektörü için gerçek bir uygulama ile test etmişlerdir.
Rappold ve Van Roo (2009) stokastik talep altında tek ürünlü, iki aşamalı servis parçaları
tedarik zincirinde tesis yer seçimi, envanter ataması ve kapasite belirleme kararlarını
vermek için hesaplama etkinliğini sağlayacak pratik bir model geliştirmişlerdir.
Tuzkaya ve Önüt (2009) depolama ve taşıma ağı tasarımı problemi için holonik yaklaşım
tabanlı doğrusal bir model geliştirmişlerdir. Geliştirilen modelde kapasite ve talep kısıtları
altında minimum maliyetli ağın tasarlanması hedeflenmiştir.
Wang (2009) üretim kayıplarının söz konusu olduğu hatalı tedarik zincirlerinde iş ortağı
seçimi ve üretim-dağıtım planlaması için matematiksel programlama modeli geliştirmiştir.
Uygun zamanda optimale yakın çözümler elde etmek için karınca kolonisi algoritması
tabanlı bir çözüm yaklaşımı sunmuştur.
Chu ve diğerleri (2010) ev aletleri endüstrisinde üç aşamalı tersine lojistik ağı için talep ve
tedarik belirsizlikleri altında aşamalar arası malzeme akış maliyetini en azlayacak bulanık
şans kısıtlı programlama modeli önermişlerdir. Modelin çözümü için geliştirdikleri melez
genetik algoritmanın etkinliğini bir vaka çalışması ile göstermişlerdir.
Sasikumar ve diğerleri (2010) araç lastiklerinin geri dönüşümü için çok aşamalı tersine
lojistik ağı tasarımı için ağın karını en büyüklemeyi amaçlayan karma tam sayılı doğrusal
olmayan programlama modeli geliştirmişlerdir.
Bhatnagar ve diğerleri (2011) çift tedarik tarzındaki küresel tedarik zincirleri için
bütünleşik planlama kararlarını ve kısa dönem çizelgeleme kararlarını koordine etmeye
çalışan bir model geliştirmişlerdir. Planlama problemi ile belirledikleri sipariş miktarı ve
envanter düzeylerini kullanarak çizelgeyi oluşturmaya çalışmışlardır.
30
Feili ve Khoshdooni (2011) çok aşamalı, çok ürünlü, çok dönemli tedarik zincirinde, talep,
süreç ve tedarik belirsizlikleri altında talebi minimum maliyetle karşılayacak şekilde
kaynakların en iyi şekilde kullanımı ve en iyi imalat yönteminin seçimini hedefleyen bir
bulanık doğrusal programlama modeli geliştirmişlerdir.
Levner ve diğerleri (2011) dış kaynak kullanımı ve stok dışı kalma durumunu içeren çok
aşamalı yedek parça envanter yönetimi sistemi probleminde toplam envanter ve taşıma
maliyetini minimize edecek bir şebeke akış algoritması tasarlamışlardır.
Moin ve diğerleri (2011) sonlu planlama ufkunda, çok dönemli, çok tedarikçili, çok ürünlü
stok rotalama problemi için matematiksel formülasyon oluşturmuşlar ve melez genetik
algoritma ile çözüm geliştirmişlerdir. Talebin deterministik olduğunu ve zamanla değiştiği
çalışmada, stok ve taşıma maliyetleri dikkate alınmıştır.
Montoya-Torres ve diğerleri (2011) çok ürünlü üç aşamalı kapasitelendirilmemiş tesis yer
seçimi problemi için açgözlü rassal adaptif arama prosedürünü uygulayarak karma tam
sayılı doğrusal programlama modeli ile elde edilen sonuçları kıyaslamışlardır.
Pasandideh ve diğerleri (2011) iki aşamalı çok ürünlü, tek tedarikçi ve tek perakendeci
içeren, depolama kapasiteli ve sipariş sayısı üst sınırı olan ve stoksuz kalma durumunda
siparişlerin ötelendiği bir tedarik zinciri için bir ekonomik sipariş miktarı modeli
geliştirmişlerdir. Model doğrusal olmayan tam sayılı programlama modeli olduğundan,
tedarik zincirinin toplam envanter maliyetini minimize edecek sipariş miktarlarını ve
ötelenen sipariş miktarlarını bulmak için bir genetik algoritma kullanılmıştır.
Wang ve diğerleri (2011) zamanla bozulan ürünler için bir üretici, bir dağıtıcı ve bir
perakendeciden üç aşamalı bir tedarik zincirinde envanter politikasının belirlenmesi için
maliyeti en azlayacak bir koordinasyon mekanizması geliştirmişlerdir.
Alumur ve diğerleri (2012) çok ürünlü çok dönemli tersine lojistik ağı tasarımı problemi
için tesislerin optimal yerleşimini ve kapasitelerini belirleyen ve kar en büyüklemesini
amaçlayan bir karma tam sayılı doğrusal programlama modeli geliştirmişlerdir.
31
Bashiri ve diğerleri (2012) çok aşamalı çok ürünlü üretim-dağıtım ağında stratejik ve taktik
planlama kararları için kümülatif net getirinin en büyüklenmesini hedefleyen yeni bir
matematiksel model geliştirmişlerdir.
Baumgartner ve diğerleri (2012) taşıma sıklığını ve ekonomik ölçeği düşünerek üç aşamalı
çok ürünlü tedarik zinciri tasarım modeli oluşturmuşlardır. Modelin çözümü için dal-sınır
tekniğini ve geliştirdikleri iteratif doğrusallaştırma tekniğini kullanmışlardır.
Cárdenas-Barrón ve diğerleri (2012) çok ürünlü, çok kısıtlı tedarikçi yönetimli envanter
sistemi için stoksuz kalma durumunu da içeren ekonomik sipariş modeli temelli bir
sezgisel algoritma geliştirmişlerdir. Geliştirilen algoritma ile genetik algoritma kullanılarak
daha önce elde edilmiş çözümlerden daha iyi sonuçlar elde edildiğini göstermişlerdir.
Costantino ve diğerleri (2012) çevik üretim tedarik zinciri için tedarik planlamasına bağlı
konfigürasyon problemini ele almışlardır. Talep düzeyleri, üretim kapasitesi kısıtlarının
yanı sıra tedarikçi kapasitesi kısıtlarını da ele alan yeni bir formülasyon geliştirmişler ve
gerçek bir vaka uygulaması ile geliştirdikleri yaklaşımdan elde edilen sonuçları
gözlemlemişlerdir.
Melo ve diğerleri (2012) çok aşamalı çok ürünlü tedarik zinciri ağının yeniden tasarımı
için büyük ölçekli karma tam sayılı bir doğrusal programlama modeli sunmuşlardır.
Modelin çözümü için tabu arama süreci kullanmışlar ve uygun olmayan çözümleri
cezalandırarak iyi çözümleri belirlemeye çalışmışlardır.
Paksoy ve Pehlivan (2012) üretim tesislerinin ve dağıtım merkezlerinin kapasitelerinin
bulanık olduğu durumda tedarik zinciri ağının malzemelerin zamanında gelmemesinin
maliyetini de içeren en az toplam maliyetle kurulmasını amaçlayan bir bulanık doğrusal
programlama modeli tasarlamışlardır.
Sadjady ve Davoudpour (2012) çok ürünlü, tek dönemli, iki aşamalı tedarik zinciri ağı
tasarım problemi için deterministik karma tam sayılı programlama modeli sunmuşlardır.
Modelin çözümü için Lagrange tabanlı sezgisel bir çözüm algoritması geliştirerek gerçek
problemler için uygun çözüm zamanında çözümler aramışlardır.
32
Susarla ve Karimi (2012) çok uluslu ecza malzemesi üreticilerinin tedarik zincirlerinin
bütünleşik planlaması için tedarik, üretim ve dağıtım süreçlerini içeren, uluslararası vergi
farklarını, malzeme raf ömürlerini ve atık yönetimini içeren karma tam sayılı doğrusal
programlama modeli geliştirmişlerdir.
Zhang ve diğerleri (2012) kapalı döngü tedarik zinciri içerisinde, hazırlık maliyetlerini,
ürün geri dönüşlerini ve yeniden imalatı göz önüne alan kapasitelendirilmiş parti
büyüklüğü modelini karma tamsayılı programlama kullanarak modellemişlerdir. Lagrange
rahatlatması tabanlı bir yaklaşım ile kaliteli çözümlere ulaşmayı amaçlamışlardır.
Badri ve diğerleri (2013) çok aşamalı, çok ürünlü tedarik zinciri ağı tasarımı problemi için
net kârı en büyüklemeyi hedefleyen, üretim tesisleri ve depoların kullanım seviyelerini
hesaba katan bir karma tam sayılı doğrusal programlama modeli ele almışlardır.
Jonrinaldi ve Zhang (2013) imalat sektöründe tersine lojistik içeren çok ürünlü bir tedarik
zincirinde üretim ve dağıtım çevrimlerinin sonlu planlama dönemi için koordine edecek bir
karma
tamsayılı
doğrusal
olmayan
programlama
modeli
ve
çözüm
yöntemi
geliştirmişlerdir.
Pan ve Nagi (2013) çevik üretimde tedarik zinciri ağı tasarımı probleminde çok aşama ve
çok dönemli bir durumu incelemişlerdir. İşletme maliyetleri ve sabit maliyetlerinin
toplamını en küçüklemek amaçlı taşıma kapasitesi limiti ile problemi ele alarak, problemin
çözümü için sezgisel bir yöntem geliştirmişlerdir.
Khan ve diğerleri (2014) tedarikçi ve alıcı arasında envanter politikalarını, kalite hatalarını
ve üretimdeki öğrenmeyi hesaba katan, tedarik zincirinin en düşük yıllık maliyete
ulaşmasını amaçlayan bir matematiksel model sunmuşlardır.
4.2. Tedarik Zincirinde Çok Amaçlı Planlama Çalışmaları
Chen ve Lee (2004) talep ve ürün fiyatlarının belirsiz olduğu çok aşamalı tedarik zinciri
ağında ölçülemez amaçlar için çok amaçlı optimizasyon çalışması yapmışlardır.
Çalışmada, çok ürünlü, çok aşamalı ve çok dönemli çizelgeleme modelinden yararlanılarak
model
geliştirilmiş,
doğrusal
olmayan
bulanık
karma
tamsayılı
programlama
33
yaklaşımından
faydalanılarak
olasılığı
bilinen
çeşitli
senaryolar
ile
belirsizlik
modellenmiştir.
Sha ve Che (2004) iş ortağı seçimi ve üretim-dağıtım planlaması için bütünleşik bir
yaklaşım geliştirmişlerdir. Yaklaşımda iş ortağı seçimi için analitik hiyerarşi süreci ile
belirlenen iş ortağı ağırlıkları tam sayılı programlama modelinde katsayı olarak kullanılmış
ve üretim-dağıtım planı belirlenmiştir.
Altıparmak ve diğerleri (2006) çok amaçlı tedarik zinciri ağı tasarımı problemi için Paretooptimal çözümlerin kümesini bulmak üzere genetik algoritma tabanlı bir çözüm yaklaşımı
geliştirmişlerdir. Geliştirdikleri yöntemi, çok amaçlı tavlama benzetimi algoritması ile
kıyaslamışlardır.
Bachlaus ve diğerleri (2008) tedarik zinciri ağı tasarımında üretim, dağıtım ve lojistik
faaliyetlerinin entegrasyonu için maliyet en azlaması, tesis esnekliği ve hacim esnekliği en
büyüklemesi amaçlarını içeren çok amaçlı bir model tasarlamışlar ve çözüm aracı olarak
melez Taguchi-parçacık sürü optimizasyonu algoritması kullanmışlardır.
Farahani ve Elahipanah (2008) çok ürünlü, çok dönemli ve üç aşamalı bir tedarik
zincirinde teslimat zamanlarını ve kapasite kısıtlarını göz önünde bulundurarak tam
zamanında dağıtımı sağlamak üzere iki amaçlı bir genetik algoritma geliştirmişlerdir.
Liang (2008b) çok ürünlü, çok dönemli bulanık amaçlı üretim-dağıtım planlama problemi
için parçalı doğrusal üyelik fonksiyonuna sahip çok amaçlı bulanık bir doğrusal
programlama modeli geliştirmiştir. Model eş zamanlı olarak toplam maliyeti ve stok
seviyelerine bağlı olarak toplam teslim zamanını en azlamayı amaçlamaktadır. Stok
miktarları ve stoksuz kalmama, iş gücü seviyeleri, makine kapasiteleri, depolama alanı ve
toplam bütçe ile ilgili kısıtlar ile sistem tanımlanmıştır.
Franca ve diğerleri (2010) tedarik zinciri yönetiminde kârlılık ve kalite riskleri arasındaki
ödünleşimi değerlendirmek üzere çok amaçlı stokastik bir optimizasyon modeli
geliştirmişlerdir. Talep belirsizliği altında belirli senaryolar üzerinde geliştirdikleri modeli
test etmişlerdir.
34
Peidro ve diğerleri (2010) tedarik zincirinde taşıma planlaması için, kullanılan araç sayısını
ve toplam stok düzeylerini en küçüklemeyi amaçlayan bir bulanık çok amaçlı doğrusal
programlama modeli geliştirmişlerdir. Sezgisel bir çözüm yaklaşımı geliştirerek iyi
çözümler elde etmişlerdir.
Dondo ve diğerleri (2011) çok ürünlü, çok aşamalı cross-docking stratejisi kullanılan
melez dağıtım ağlarını N aşamalı araç rotalama problemi olarak ele almışlardır.
Geliştirdikleri karma tam sayılı doğrusal matematiksel formülasyon ile toplam taşıma
maliyetini en azlamaya çalışmışlardır.
Mirzapour Al-e-hashem ve diğerleri (2011) belirsizlik içeren çok tedarikçi, çok üretici ve
çok müşteri içeren, çok yerleşimli, çok dönemli, çok ürünlü bütünleşik üretim planlama
problemi için çok amaçlı karma tamsayılı doğrusal olmayan programlama modeli
sunmuşlardır. Maliyet parametreleri ile talep dalgalanmalarının belirsizlik içerdiğini kabul
etmişler ve problemi çok amaçlı doğrusal bir modele dönüştürerek sayısal denemeler ile
modelin etkinliğini göstermişlerdir.
Paksoy ve diğerleri (2012a) bir bitkisel yağ üreticisinin tedarik zinciri ağını bulanık
belirsizlik altında aşamalar arası en düşük taşıma maliyetleri ile talep ve kapasite kısıtları
ile optimize etmeyi amaçlayan bulanık çok amaçlı doğrusal programlama modeli
sunmuşlardır.
Paksoy ve diğerleri (2012b) farklı taşıma alternatiflerinin bulunduğu bir kapalı döngü
tedarik zincirinde bulanık belirsizlik altında, ileri ve geri yönlü taşıma maliyetlerinin ve
çevresel risklerin en küçüklenmesini ve yeniden kullanılabilir malzemelerin kullanımını
teşvik eden çok amaçlı bir model geliştirmişlerdir. Çok ölçütlü karar verme teknikleri ile
karar vericilere değerlendirme olanağı sağlayan farklı senaryoları analiz etmişlerdir.
Paksoy ve Özceylan (2012) tedarik zinciri ağının optimize edilirken aynı zamanda montaj
aşamasında bulunan U tipi montaj hattının da eş zamanlı olarak dengelenmesini sağlayan
toplam maliyet, montaj hattında bulunan istasyon sayısını ve montaj istasyonlarına bağlı
sabit maliyetleri en küçüklemeyi amaçlayan bir doğrusal olmayan karma tam sayılı
matematiksel model sunmuşlardır.
35
Liu ve Papageorgiou (2013) küresel tedarik zincirlerinin maliyet, cevap verebilirlik ve
müşteri hizmet düzeyinin eş zamanlı ele alan üretim, dağıtım ve kapasite planlanması için
çok amaçlı karma tamsayılı doğrusal programlama modeli sunmuşlardır. İki farklı çözüm
yaklaşımı kullanarak çok amaçlı probleme çözüm aramışlardır. Modelin ve çözüm
yaklaşımlarının uygulanabilirliğini sayısal bir örnekle incelemişlerdir.
Moncayo-Martinez ve Zhang (2013) montaj işlemi içeren bir tedarik zincirinde emniyet
stoğu ve temin zamanı optimizasyonu için, müşteriye en düşük maliyetle hizmet vermek
amacıyla karınca kolonisi optimizasyonu algoritmasını temel alan bir yaklaşım
geliştirmişlerdir.
Paksoy ve diğerleri (2013) bulanık tedarik zinciri ağı tasarımı problemi için hammadde
kalitesi ile satın alma ve yeniden işleme maliyetleri arasındaki ödünleşimi belirleyecek bir
karma tam sayılı doğrusal programlama modeli sunmuşlardır.
Peidro ve diğerleri (2013) seramik karo tedarik zincirinde ikmal, üretim ve dağıtım
planlaması için kârı en büyüklemeyi, boş zamanları ve ötelenen sipariş miktarlarını en
küçüklemeyi hedefleyen model bulanık çok amaçlı doğrusal programlama modeli olarak
sunulmuştur. Gerçek bir vaka çalışması ile modelin etkinliği gösterilmiştir.
Ramazani ve diğerleri (2013) ileri ve tersine yönlü lojistik ağı tasarımında ileri yönlü üç,
tersine yönlü iki aşamalı bir tedarik zinciri ağı için en iyi kârı, müşteri cevaplanabilirliğini
ve kaliteyi amaçlayan stokastik çok amaçlı bir model geliştirmişlerdir.
Sabzevari Zadeh ve diğerleri (2013) çelik üretiminde hammadde temini, üretim ve dağıtım
planlarını belirlemek amacıyla, dinamik bir karma tamsayılı doğrusal olmayan
programlama modeli önermişlerdir. Çeşitli varsayımlar altında, önerdikleri doğrusal
olmayan programlama modelini, doğrusal programlama modeline dönüştürmüşlerdir. Bir
gerçek uygulama ile iki model ile elde edilen sonuçları kıyaslamışlardır.
Cárdenas-Barrón ve Treviño-Garza (2014) üç aşamalı, çok ürünlü ve çok dönemli bir
tedarik zincirinin optimizasyonu için genel bir tamsayılı doğrusal programlama modeli
önermişlerdir. Tamsayılı doğrusal programlama çözücüleri ile literatürde yer alan ve
modellerine uyan örnek problemlerin çözülebildiğini göstermişlerdir.
36
Özgen ve Gülsün (2014), iki amaca göre dört aşamalı bir tedarik zinciri ağının tasarımı
için, olasılıklı doğrusal programlama ve bulanık analitik hiyerarşi sürecinin birleşiminin
kullanıldığı bir kapasitelendirilmiş tesis yer seçimi modeli önermişlerdir. Örnek problemler
ile önerilen modelin çözülebilirliğini göstermişlerdir.
4.3. Tedarik Zincirinde Hedef Programlama Uygulamaları
Selim ve Özkarahan (2006), bulanık talep ve hedef düzeyleri içeren bir tedarik zincirinde
ağ tasarımı için bulanık hedef programlama modeli önermişlerdir. Gerçek ölçekli
problemler üzerinde modelin performansını test etmişlerdir.
Chiang ve diğerleri (2007), yarı iletken üretiminde tedarik zinciri konfigürasyonu için
farklı performans ölçütlerine göre karar vermeyi sağlayacak bir model önermişlerdir.
Önerilen modelin farklı hedeflere ulaşmasında hedef programlama yaklaşımından
faydalanmışlardır.
Liang (2008a),
belirsizlik içeren tedarik zincirlerinde, çok hedefli üretim ve taşıma
planlama problemini çözmek üzere bulanık hedef programlama modeli önermiştir.
Endüstriyel bir uygulama ile model test edilmiştir.
Selim ve diğerleri (2008), tedarik zincirlerinde işbirliği içinde üretim-dağıtım planlarının
oluşturulması için, hedef seviyelerindeki belirsizliği farklı tedarik zinciri yapıları için
modellemek üzere bulanık hedef programlama yaklaşımından yararlanmışlardır. Önerilen
modelin test edilmesi için hipotetik olarak üretilen bir örnek problemden yararlanılmıştır.
Zolghadri ve diğerleri (2008), matematiksel modelleme yaklaşımı ile tedarik zincirinde
üretim ve tedarik planlarını oluşturmak üzere çok kriterli bir model önermişler, hedef
programlama yaklaşımının kullanarak tedarik ve üretim planları oluşturmuşlardır.
Torabi ve Hassini (2009) çok tedarikçili, çok üretim tesisli ve çok dağıtım merkezli tedarik
zincirinde çok amaçlı, çok yerleşimli üretim planlama modeline, tedarik ve dağıtım
planlarını bütünleştirerek bulanık hedef programlama formülasyonu geliştirmişlerdir.
37
Bulanık bir yaklaşım kullanarak modeli kesin bir formülasyona dönüştürüp uzlaşmacı
sonuçlar elde edilmesini sağlamışlardır.
Tsai ve Hung (2009), yeşil tedarik zincirlerinin faaliyet tabanlı maliyetlendirme ve
performans değerlendirme durumu altında optimizasyonu için bulanık hedef programlama
yaklaşımından faydalanmışlardır.
Jolai ve diğerleri (2010), bütünleşik üretim-dağıtım planlaması için çok amaçlı bir doğrusal
programlama modeli önermişlerdir. Önerilen modelin bulanık hedef düzeyleri altında
çözüme ulaşması için bulanık hedef programlama yaklaşımı kullanılmıştır. Problemin
karmaşık yapısından dolayı üç metasezgisel algoritma geliştirilerek çözüm sonuçları
incelenmiştir.
Osman ve Demirli (2010), bir uzay firmasının talep artışı ve müşteriyi tatmin etmek üzere
dış kaynak kullanması problemi için hedef programlama yaklaşımından faydalanmışlardır.
Önerdikleri
matematiksel
modeli
ayrıştırma
algoritmaları
doğrusal
bir
modele
dönüştürerek dönüşümün modelin çözümüne etkisini incelemişlerdir.
Paksoy ve Chang (2010) pazarda mevsimsel olarak belirli bir süre ile açık olan
mağazaların tedarik zinciri ağ tasarımı problemi için çok aşamalı, çok dönemli çoklu
seçilebilir amaçlı hedef programlama yaklaşımına dayalı stok yönetimi kısıtlarını içeren
karma tam sayılı bir model geliştirmişlerdir. Modeli test etmek için gerçek bir vaka
çalışması yapılmıştır.
Zarandi ve diğerleri (2011), kapalı döngü tedarik zinciri ağı tasarımı için bulanık hedef
programlama yaklaşımından faydalanmışlardır. Önerilen modelin test edilmesi için örnek
bir problemden faydalanmışlardır.
Torabi ve Moghaddam (2012) sipariş öteleme, stoklama ve ek kapasite opsiyonlarını
içeren aktarmalı bir üretim-dağıtım sistemi için toplam kârı en büyük, imalat temin
zamanını en küçük yapmayı hedefleyen bir bulanık hedef programlama modeli
geliştirmişlerdir.
38
Shaw ve diğerleri (2013) tedarik zincirlerinde malzemeden, lojistik faaliyetlerden yayılan
karbon emisyonu ile toplam maliyetin ödünleşimini bulmak üzere bir hedef programlama
modeli önermişlerdir. Gerçek bir uygulama üzerinde model test edilmiştir.
Nixon ve diğerleri (2014), atıklardan enerji geri dönüşüm tesislerinin yerleşim kararlarını
ve tedarik zinciri tasarımını gerçekleştirmek üzere hedef programlama yaklaşımından
faydalanmışlardır. Hindistan’ın bir bölgesi için gerçekleştirilen bir uygulama ile önerilen
model test edilmiştir.
Bugüne kadar yapılan, tedarik zinciri problemleriyle ilgili bu çalışmalarda genellikle iki
kademeli ürün ağaçlarını içeren üretim sistemleri ve tek tip taşıma seçeneği olan dağıtım
ağları ele alınmıştır. Farklı taşıma seçenekleri içeren çalışmalarda, temin zamanları
modelde dikkate alınmamıştır. Daha fazla kademeli ürün ağacı bilgileri ve farklı taşıma
seçeneklerinin getirdiği farklı temin zamanları gerçek hayat problemlerinde daha gerçekçi
çözüm elde edilmesini sağlayacaktır. Bunun yanı sıra, her geçen gün artan küresel
ısınmanın en önemli nedenlerinden biri karbon salınımıdır. Üretim-dağıtım ağlarında
kullanılan taşıma araçlarının karbon salınımına etkisi önemli seviyelerdedir. Literatür
incelendiğinde, son yıllarda yapılan çalışmalarda üretim-dağıtım problemlerinde karbon
salınımını dikkate alan çalışmalarda artış olduğu görülmektedir. Bu nedenle, bu tez
çalışmasında karbon salınımı ve kâr amaçlarını dikkate alan, çok kademeli ürün ağacı
bilgisini ve temin zamanlarını kullanan çoklu taşıma seçeneğine sahip bir üretim-dağıtım
ağı modeli sunulmuştur.
39
5. ÇOK AŞAMALI ÇOK ÜRÜNLÜ ÜRETİM-DAĞITIM SİSTEMİ
İÇİN HEDEF PROGRAMLAMA MODELİ
Bu bölümde, çalışmada geliştirilen hedef programlama modeli açıklanmıştır. Geliştirilen
model ile çok dönemli, çok aşamalı, çok ürünlü bir tedarik zincirinde istenen kâr
düzeyinden ve taşıma işlemleri sonucu açığa çıkan karbon miktarının istenen düzeyinden
en az sapmayı sağlamak hedeflenmiştir. Bu nedenle, çok dönemli, çok ürünlü bir tedarik
zinciri, ürün ağacı ve temin zamanı bilgileri kullanılarak çok amaçlı olarak modellenmiştir.
Model varsayımları, notasyonlar ve modelin matematiksel formülasyonu aşağıda
verilmiştir.
5.1. Model Varsayımları
Ele alınan tedarik zinciri, çok sayıda tedarikçi, bir malzeme deposu, birden fazla yarı
mamul üretim tesisi, bir nihai ürün üretim tesisi, bir bitmiş ürün deposu ve birden fazla
perakendeci içermektedir. Geliştirilen bu model ile tedarikçilerden malzeme temininden
talebin perakendecilerde karşılanması aşamasına kadar olan tedarik zinciri faaliyetlerinin
optimizasyonu sağlanmaktadır. Geliştirilen model tedarik zinciri faaliyetleri sonunda elde
edilen karın en büyüklenmesini ve farklı taşıma seçenekleri sonucunda doğaya salınan
karbon emisyonunu en küçüklemeyi amaçlamıştır. Model parametreleri deterministik
olarak kabul edilmiştir.
Tedarikçilerden malzeme temin sürecinde birden fazla sayıda tedarikçiden birden fazla
sayıda malzemenin farklı taşıma alternatifleri ile taşınması söz konusudur. Tedarikçilerden
malzeme temininde, tedarikçilerin her malzemeye ve her taşıma seçeneğine uygun
olamayacakları varsayılmıştır. Tedarikçiler malzeme siparişi için kapasitelerinin belirli bir
oranının altında siparişleri kabul etmemekte ve kapasitelerinin üstündeki miktarlarda
malzeme tedarikini de sağlayamamaktadır. Alternatif taşıma seçenekleri ile malzeme
temininde ise, her bir taşıma seçeneği için planlama dönemi boyunca tedarikçiden
gönderilebilecek taşıma aracı sayıları, araç kapasitelerine göre taşıma miktarı ile
belirlenmektedir.
40
Tedarikçiden malzeme deposuna malzeme iletiminde farklı taşıma seçeneklerinin farklı
temin süreleri olduğu düşünülmüştür. Yani, bir dönemde malzeme deposuna ulaşan bir
malzemenin ulaşım seçeneği ve tedarikçiye bağlı olan temin süresi kadar önceki dönemde
sipariş edildiği düşünülmüştür. Depoda malzemelerin stokta tutulabileceği kabul edilerek,
depodaki stok miktarının depoya ulaşan malzeme miktarı, önceki döneme ait stok düzeyi
ve yarı mamul üretimi için depodan gönderilen miktarın bir fonksiyonu ile tanımlanması
sağlanmıştır. Depoda bulundurulabilecek stok miktarı, deponun hacimsel kapasitenin
üstünde olamaz.
Yarı mamul üretiminde, yarı mamullerin belirli tesislerde üretilebilecekleri, her tesisin her
yarı mamulün üretimini gerçekleştiremeyeceği varsayılmıştır. Üretim miktarlarının üretim
sürelerine bağlı tesis kapasitelerini aşması ve yarı mamul üretim tesislerinde malzeme ve
yarı mamul stoklama durumu engellenmiştir.
Bitmiş ürün üretiminde, bitmiş ürün üretim tesisinin kapasite kısıtı vardır ve yarı mamul ve
nihai ürün stoklaması engellenmiştir. Ayrıca farklı yarı mamul üretim tesislerinden gelecek
yarı mamullerin farklı temin süreleri olacağı varsayılmıştır.
Tedarik zincirinde bitmiş ürünlerin stoklanması için bitmiş ürün deposu bulunmaktadır.
Bitmiş ürün deposuna ürünler bitmiş ürün üretim tesisinden aktarıldığı için temin süresi
göz ardı edilmiştir. Depoda bulunan ürün miktarı, önceki dönem stok miktarı, dönem içi
üretilen ürün miktarı ve perakendecilere gönderilmek üzere depodan çıkan miktarlara bağlı
bir fonksiyon olarak tanımlanmıştır. Stoklanabilecek ürün miktarı ise ürün hacmine ve
deponun hacimsel kapasitesine bağlı olarak kısıtlandırılmıştır.
Perakendecilere bitmiş ürün aktarımında farklı taşıma seçenekleri kullanılmaktadır. Her bir
taşıma seçeneği için tedarikçilerden malzeme aktarımında olduğu gibi taşıma seçeneği
kapasiteleri ile kısıtlama söz konusudur. Perakendeciler herhangi bir dönemde önceden
belirli olan bitmiş ürün talebini karşılamak için temin süresini de göz önünde bulundurarak
bitmiş ürün deposundan bitmiş ürün çekmektedir.
Geliştirilen modele ait üretim-dağıtım ağının şematik yapısı Şekil 5.1. ile gösterilmiştir.
41
Şekil 5.1. Geliştirilen modelin temsil ettiği üretim-dağıtım ağı
5.2.
Notasyonlar
Modelde kullanılan notasyonlar aşağıda tanımlanmıştır.
İndisler
i
Nihai ürün indisi
i = {1,2, …, N}
j
Tedarikçiden malzeme deposuna taşıma alternatifi indisi
j = {1,2, …, J}
k
Nihai ürün deposundan perakendeciye taşıma alternatifi indisi
k = {1,2, …, K}
m
Malzeme indisi
m = {1,2, …, M}
p
Yarı mamul üretim tesisi indisi
p = {1,2, …, P}
r
Perakendeci indisi
r = {1,2, …, R}
s
Tedarikçi indisi
s = {1,2, …, S}
t
Planlama dönemi indisi
t = {1,2, …, T}
w
Yarı mamul indisi
w = {1,2, …, W}
Parametreler
susmsj s tedarikçisinden m malzemesinin j taşıma seçeneğine uygunluk durumu
lbms
m malzemesi için s tedarikçisinin sipariş kabul edebileceği minimum kapasite oranı
supwp w yarı mamulünün p tesisinde üretilmeye uygunluk durumu
capsms m malzemesinden s tedarikçisinin sağlayabileceği miktar
capjj
j taşıma seçeneği için araç kapasitesi
capkk k taşıma seçeneği için araç kapasitesi
42
vmm
m malzemesinin hacmi
capm malzeme deposu kapasitesi
cappp p yarı mamul üretim tesisi kapasitesi
aww
w yarı mamulünün birim üretim süresi
bwwm w yarı mamulünü üretmek için gereken m malzemesi miktarı
aii
i nihai ürünü birim üretim süresi
capi
nihai ürün üretim tesisi kapasitesi
biiw
i nihai ürününü üretmek için gereken w yarı mamulü miktarı
vii
i nihai ürününün hacmi
cap
nihai ürün depolama kapasitesi
Dirt
i ürününe t döneminde r perakendecisinin talep miktarı
ltssj
s tedarikçisinden malzeme deposuna j taşıma seçeneği ile temin süresi
ltpp
malzeme deposundan p yarı mamul üretim tesisine temin süresi
ltrkr
bitmiş ürün deposundan r perakendecisine k taşıma seçeneği ile temin süresi
capa
Yarı mamul üretim tesisine malzeme taşımada kullanılan aracın kapasitesi
Katsayılar
SPi
i ürünü satış fiyatı
Ams
s tedarikçisinden m malzemesini sipariş etme sabit maliyeti
csms
s tedarikçisinden m malzemesini satın almanın birim değişken maliyeti
cjsj
s tedarikçisinden j taşıma seçeneği ile taşımanın araç başı maliyeti
cpp
malzeme deposundan p tesisine malzeme taşımanın araç başı maliyeti
cwwp w yarı mamulünün p tesisinde birim işçilik üretim maliyeti
cii
i nihai ürününün birim işçilik üretim maliyeti
crkr
r perakendecisine k taşıma seçeneği ile bitmiş ürün taşımanın araç başı maliyeti
hmm
m malzemesinin birim stoklama maliyeti
hii
i ürününün birim stoklama maliyeti
essj
s tedarikçisinden j taşıma seçeneği ile taşımada araç başına karbon emisyon miktarı
erkr
k taşıma seçeneği ile r perakendecisine bitmiş ürün taşımada araç başına karbon
emisyon miktarı
λ
karbon emisyon miktarında birim sapma ceza maliyeti
Karar Değişkenleri
Xmmsjt t döneminde s tedarikçisinden j taşıma seçeneği ile malzeme deposuna taşınan m
43
malzemesi miktarı
Xsmst t döneminde s tedarikçisinden satın alınan m malzemesi miktarı
Xjsjt
t döneminde s tedarikçisinden j taşıma seçeneği ile kullanılan araç sayısı
Xmpt
t döneminde hammadde deposundan p üretim tesisine taşınan m malzemesi miktarı
Xppt
t döneminde p üretim tesisine malzeme taşımada kullanılan araç sayısı
Xwwpt t döneminde p üretim tesisinde üretilen w yarı mamul miktarı
t döneminde üretilen i ürünü miktarı
Xiit
Xrikrt t döneminde k taşıma seçeneği ile r perakendecisine taşınan i ürünü miktarı
Xkkrt t döneminde k taşıma seçeneği ile r perakendecisine taşımada kullanılan araç sayısı
Imt
t döneminde stoklanan m malzemesi miktarı
Iiit
t döneminde stoklanan i ürünü miktarı
Ymst
t döneminde m malzemesi s tedarikçisinden temin ediliyorsa 1, diğer durumda 0
değerini alan ikili değişken
Z
Ağırlıklı sapma değeri
Z1
Ağ faaliyetleri sonunda elde edilen kâr
Z2
Ağ faaliyetleri sonunda oluşan karbon emisyonu miktarı
di+
i hedefi için pozitif sapma değeri
di−
i hedefi için negatif sapma değeri
5.3. Matematiksel Model
−
+
min d1 + λ × d 2
T
N
R
(5.1)
T
S
T
M
S
T
M
S
J
∑ ∑ SPi × ∑ Dirt − ∑ ∑ ∑ Ams ×Ymst − ∑ ∑ ∑ csms × Xsmst − ∑ ∑ ∑ cjsj × Xjsjt
t 1=
t 1=
t 1=
=t 1==
i 1
r 1
s=
m 1
s 1=
m=
s 1=j 1
=
1=
1
T
T
P
P
T
W
T
N
R
(5.2)
K
− ∑ ∑ cp p × Xp pt − ∑ ∑ ∑ cwwp × Xwwpt − ∑ ∑ cii × Xiit − ∑ ∑ ∑ crkr × Xkkrt
=t 1 =
p 1=t 1 =
p 1w
= 1
T
T
M
N
t 1=
=t 1==
i 1
r 1=
k 1
−
+
*
− ∑ ∑ hmm × I mt − ∑ ∑ hii × Iiit + d1 − d1 =
z1
=t 1 =
t 1 i =1
m =1
T
J
T
S
R K
−
+
*
∑ ∑ ∑ essj ×Xjsjt + ∑ ∑ ∑ erkr × Xkkrt + d 2 − d 2 =
z2
(5.3)
t 1 r= 1 k= 1
=t 1 =
s 1
=j 1 =
Xmmsjt ≤ M × susmsj
J
Xsmst = ∑ Xmmsjt
j =1
lbms × capsms × Ymst ≤ Xsmst ≤ capsms × Ymst
S
P
J
∑ ∑ Xmmsj ,1 − ∑ X mp ,1
=s 1 =
p 1
j =1
I m ,1
=
∀m, s, j , t için
(5.4)
∀m, s, t için
(5.5)
∀m, s, t için
(5.6)
∀m için
(5.7)
44
I mt
=
S
P
J
∑ ∑ X msj , t − ltssj + I m , t −1 − ∑ X mpt
∀m, t için
(5.8)
∑ vmm × I mt ≤ capm
∀t için
(5.9)
Xwwpt ≤ M × sup wp
∀w, p, t için
(5.10)
∀m, p, t için
(5.11)
∑ aww × Xwwpt ≤ capp p
∀p, t için
(5.12)
∑ biiw × Xiit ≤ ∑ Xwwpt
N
∀w, t için
(5.13)
N
∀t için
(5.14)
∀i için
(5.15)
Iiit =Xiit + Iii , t −1 − ∑ ∑ X ikrt
∀i, t için
(5.16)
∑ vii × Iiit ≤ cap
N
∀t için
(5.17)
∑ Xrikr , t − ltrkr = Dirt
K
∀i, r , t için
(5.18)
∑ vmm × Xmmsjt =capj j × Xjsjt
M
∀s, j , t için
(5.19)
∑ vii × Xrikrt = capk × Xk krt
N
∀k , r , t için
(5.20)
∑ vmm × X mpt = capa × Xp pt
M
∀p, t için
(5.21)
Xmmsjt ≥ 0 ve tamsayı
∀m, s, j , t için
(5.22)
Xsmst ≥ 0 ve tamsayı
∀m, s, t için
(5.23)
Xjsjt ≥ 0 ve tamsayı
∀s, j , t için
(5.24)
X mpt ≥ 0 ve tamsayı
∀m, p, t için
(5.25)
Xp pt ≥ 0 ve tamsayı
∀p, t için
(5.26)
Xwwpt ≥ 0 ve tamsayı
∀w, p, t için
Xiit ≥ 0 ve tamsayı
Xk krt ≥ 0 ve tamsayı
∀i, t için
∀i, k , r , t için
∀k , r , t için
I mt ≥ 0 ve tamsayı
∀m, t için
Iiit ≥ 0 ve tamsayı
∀i, t için
(5.27)
(5.28)
(5.29)
(5.30)
(5.31)
(5.32)
1, t döne min de stedarikçi sin denmmalzemesite min edilirse
Ymst = 
0, dd .
∀m, s, t için
(5.33)
=
s 1=
p 1
j =1
M
m =1
X mp
=
, t − ltp p
W
∑ bwwm × Xwwpt
w =1
W
w =1
P
=i 1 =
p 1
∑ ai × Xiit ≤ capi
i =1
K
R
=
Iii ,1 Xii ,1 − ∑ ∑ Xrikr ,1
k =1 r =1
K
R
k =1 r =1
i =1
k =1
m =1
i =1
m =1
Xrikrt ≥ 0 ve tamsayı
Modelin amaç fonksiyonu Eş. (5.1) ile tanımlanmıştır. Modelde, kârdan negatif yönlü
sapma ile emisyon salınımından pozitif yönlü sapmanın ceza maliyeti toplamının
enküçüklenmesi amaçlanmaktadır.
45 Modelin hedef kısıtları Eş. (5.2) ve Eş. (5.3) ile tanımlanmıştır. İlk ifade, ağ faaliyetleri
sonunda elde edilecek kârın matematiksel ifadesidir. Kâr, ürün satışları ile elde edilen
gelirin toplam maliyetten farkı ile tanımlanmıştır. İkinci hedef ise, taşıma aracı sayısı ve
taşıma uzaklığına göre doğaya salınan karbon emisyonunu göstermektedir.
Eş. (5.4), tedarikçiden temin edilebilecek malzemelerin, yalnızca tedarikçinin ve taşıma
seçeneğinin uygun olduğu malzemeler olduğunu ifade eder. Bir tedarikçiden satın alınan
malzeme miktarının, o tedarikçiden tüm taşıma alternatifleri ile malzeme deposuna
aktarılan malzeme miktarlarının toplamı olduğu Eş. (5.5) ile gösterilmiştir. Eş. (5.6),
tedarikçinin sipariş kabul ettiği minimum miktar ile tedarikçi kapasitesi miktarı aralığında
malzeme temin edilebileceğini gösterir.
Eş. (5.7) ve Eş. (5.8), malzemenin stok miktarı, satın alınan malzeme miktarı, önceki
döneme ait stok bilgisi ve yarı mamul üretimine aktarılan miktar arasındaki bağıntıyı
göstermektedir. Malzeme deposu kapasitesi Eş. (5.9) ile tanımlanmıştır.
Eş. (5.10), yarı mamullerin üretiminin belirli tesislerde yapılabileceğini ifade etmektedir.
Bir yarı mamul üretim tesisine giren malzeme miktarı ile üretimde kullanılan malzeme
miktarı birbirine eşit olmalıdır. Bu durum Eş. (5.11) ile ifade edilmiştir. Eş. (5.12), yarı
mamul üretim tesisi kapasitesini göstermektedir.
Nihai ürün üretim tesisine, yarı mamul üretim tesislerinden gelen toplam yarı mamul
miktarının, üretimde harcanan yarı mamul miktarına eşit olması durumu Eş. (5.13) ile
tanımlanmıştır. Eş. (5.14), nihai ürün üretim tesisi kapasitesini ifade etmektedir.
Eş. (5.15) ve Eş. (5.16) nihai ürün stoğuna ilişkin denge denklemleridir. Eş. (5.17) nihai
ürün stok kapasitesini göstermektedir.
Perakendecilerin talepleri, nihai ürün aktarımı yoluyla karşılanmaktadır. Bu durum Eş.
(5.18) ile tanımlanmıştır.
Eş. (5.19), Eş. (5.20) ve Eş. (5.21) taşıma miktarlarının kullanılacak taşıma aracı sayısına
dönüşümünü ifade etmektedir.
İşaret kısıtları Eş. (5.22)’den Eş. (5.33)’e kadar olan ifadelerle tanımlanmıştır.
46
47
6. SAYISAL DENEMELER
Çok dönemli, çok aşamalı, çok ürünlü malzeme ihtiyaç kısıtlarını dikkate alan farklı taşıma
alternatiflerine sahip tedarik zincirleri için geliştirilen hedef programlama modeli farklı
boyutlarda örnek problemler üretilerek test edilmiştir. Test sürecinde, ürün, yarı mamul ve
malzeme sayılarındaki değişimin çözüme etkisi incelenmiştir. Bu nedenle, ürün sayısının 2
ve 3, yarı mamul sayısının 2 ve 3, malzeme sayısının 3 ve 5 olduğu durumların
kombinasyonunu içeren 8 farklı test problemi rassal olarak oluşturulmuştur.
Modelin çözümü için, öncelikle hedef kısıtları modele amaç olarak yazılarak iki farklı tek
amaçlı karma tamsayılı programlama modeli oluşturulmuştur. Oluşturulan modeller
çözülerek elde edilen amaç fonksiyon değerleri hedef değerler kabul edilmiş ve hedef
programlama modeli bu değerler kullanılarak çözülmüştür.
6.1. Test Parametreleri
Modelin test edilmesinde ürün sayısının 2 ve 3, yarı mamul sayısının 2 ve 3, malzeme
sayısının 3 ve 5 olduğu durumlar için 8 örnek problem rassal olarak oluşturulmuştur. Bu
problemlerde ürün, yarı mamul ve malzeme sayısına bağlı olarak değişen parametreler
literatürde yer alan Torabi ve Hassini (2009), Bashiri ve diğerleri (2012), Badri ve diğerleri
(2013) çalışmalarına benzer şekilde kesikli düzgün dağılımdan rassal olarak üretilmiştir.
Ürün, yarı mamul ve malzeme sayısından bağımsız diğer parametreler için ise değerler
sabit olarak belirlenmiştir. Parametre değerlerine ilişkin varsayımlar ve değer aralıkları,
sırası ile Çizelge 6.1. ve Çizelge 6.2.’de gösterilmiştir.
Çizelge 6.1. ve Çizelge 6.2.’de yer alan parametrelerden bazıları daha önce tanımlanmamış
ve problem verileri oluşturmak için kullanılan ara değerlerdir. Bu değerlere ilişkin
açıklamalar aşağıda verilmiştir.
veljj
Tedarikçiden malzeme taşımada j taşıma seçeneği ile günlük alınabilen yol
velkk
Perakendeciye ürün taşımada k taşıma seçeneği ile günlük alınabilen yol
costjj
Tedarikçiden malzeme taşımada j taşıma seçeneği için km başı maliyet
costkk
Perakendeciye ürün taşımada k taşıma seçeneği için km başı maliyet
48
ejj
Tedarikçiden malzeme taşımada j seçeneğinin km’de yaydığı birim emisyon
ekk
Perakendeciye ürün taşımada k seçeneğinin km’de yaydığı birim emisyon
disss
s tedarikçisinin malzeme deposuna uzaklığı
dispp
p yarı mamul üretim tesisinin malzeme deposuna uzaklığı
disrr
r perakendecisinin bitmiş ürün deposuna uzaklığı
Çizelge 6.1. Sabit tutulan parametrelerin değerleri
Parametre
J
K
P
R
S
T
capsms
capjj
capm
cappp
Capi
Cap
capkk
veljj
velkk
costjj
costkk
ejj
ekk
λ
Değeri
2
2
2
3
3
24
10000 (her m malzemesi ve her s tedarikçisi için)
75000 (her j seçeneği için)
20000
23000 (her p tesisi için)
11500
10000
k=1 için 50000, k=2 için 40000
j=1 için 400, j=2 için 700
k=1 için 400, k=2 için 700
j=1 için 1,5; j=2 için 2
k=1 için 1,5; k=2 için 2
j=1 için 2,5; j=2 için 3,5
k=1 için 2,5; k=2 için 3,5
15
Çizelge 6.2. Rassal olarak üretilen parametrelerin değerleri
Parametre
Değer / Değer Aralığı
susmsj
0 veya 1
lbms
U (0,10; 0,15)
0 veya 1
supwp
vmm
U (10,19)
aww
U (10,15)
bwwm
U (0, 4)
aii
U (5,10)
U (0,3)
biiw
vii
disss
U (40, 49)
U (500, 2000)
dispp
U (100, 400)
disrr
U (100,1000)
U (50,100)
Dirt
ltssj
disss velj j 
49
Çizelge 6.2. Rassal olarak üretilen parametrelerin değerleri (devam)
Parametre
ltpp
Değer / Değer Aralığı
ltkkr
disrr velkk 
SPi
U (350, 500)
cp
U (0,1; 0, 2) × disp p
cwp
ci
U (1, 3)
U (4,8)
ckr
U (1, 25; 2) × disrr × cos tk k
hm
U (0,1; 0, 2) × vmm
hi
U (0,1; 0, 3) × vii
esj
disss × ej j
ekr
disrr × ek k
disp p 300
6.2. Test Yöntemi
Çizelge 6.1. ve Çizelge 6.2.’de gösterilen değerler ile ürün sayısının 2 ve 3, yarı mamul
sayısının 2 ve 3, malzeme sayısının 3 ve 5 değerlerinin kombinasyonu olan 8 farklı örnek
problem üretilmiştir.
Geliştirilen hedef programlama modeli, GAMS optimizasyon paket programı ile EK-1’de
verildiği gibi kodlanmıştır. Test problemleri öncelikle kâr ve emisyon amaçları için ayrı
ayrı tek amaçlı olarak çözülerek hedef değerler belirlenmiştir. Elde edilen amaç fonksiyon
değerleri hedef programlama modelinde hedef kısıtlarının sağ taraf sabit değeri olarak
kullanılmıştır. Model, enküçük toplam sapma amacı için tekrar çözdürülmüştür.
Kâr amacı için çalıştırılan tek amaçlı modelin matematiksel ifadesi aşağıda verilmiştir: .
T
N
T
R
S
T
M
S
M
max=
z1 ∑ ∑ SPi × ∑ Dirt − ∑ ∑ ∑ Ams ×Ymst − ∑ ∑ ∑ csms × Xsmst
t 1=
t 1=
=t 1==
i 1
r 1
s=
m 1
s 1=
m 1
1=
=
T
S
J
T
P
T
P
W
T
(6.1)
N
− ∑ ∑ ∑ cjsj × Xjsjt − ∑ ∑ cp p × Xp pt − ∑ ∑ ∑ cwwp × Xwwpt − ∑ ∑ cii × Xiit
=t 1 =
t 1=
t 1p
1 =j 1
= 1
= 1w
= 1=t 1=i 1
s =
p
T
R
K
T
M
T
N
− ∑ ∑ ∑ crkr × Xkkrt − ∑ ∑ hmm × I mt − ∑ ∑ hii × Iiit
t 1=
t 1i 1
t =1 =
m 1=
r 1=
k=
1 =
Xmmsjt ≤ M × susmsj
∀m, s, j , t için
(6.2)
50
J
Xsmst = ∑ Xmmsjt
∀m, s, t için
(6.3)
lbms × capsms × Ymst ≤ Xsmst ≤ capsms × Ymst
∀m, s, t için
(6.4)
∀m için
(6.5)
∀m, t için
(6.6)
∑ vmm × I mt ≤ capm
∀t için
(6.7)
Xwwpt ≤ M × sup wp
∀w, p, t için
(6.8)
∀m, p, t için
(6.9)
j =1
S
P
J
=
I m ,1 ∑ ∑ Xmmsj ,1 − ∑ X mp ,1
=s 1 =
p 1
j =1
=
I mt
S
P
J
∑ ∑ X msj , t − ltssj + I m , t −1 − ∑ X mpt
s 1=
p 1
=
j =1
M
m =1
X mp
=
, t − ltp p
W
∑ bwwm × Xwwpt
w =1
W
∑ aww × Xwwpt ≤ capp p
∀p, t için
(6.10)
∑ biiw × Xiit ≤ ∑ Xwwpt
N
∀w, t için
(6.11)
N
∀t için
(6.12)
∀i için
(6.13)
Iiit =Xiit + Iii , t −1 − ∑ ∑ X ikrt
∀i, t için
(6.14)
∑ vii × Iiit ≤ cap
N
∀t için
(6.15)
∑ Xrikr , t − ltrkr = Dirt
K
∀i, r , t için
(6.16)
∑ vmm × Xmmsjt =capj j × Xjsjt
M
∀s, j , t için
(6.17)
∑ vii × Xrikrt = capk k × Xk krt
N
∀k , r , t için
(6.18)
∑ vmm × X mpt = capa × Xp pt
M
∀p, t için
(6.19)
Xmmsjt ≥ 0 ve tamsayı
∀m, s, j , t için
(6.20)
Xsmst ≥ 0 ve tamsayı
∀m, s, t için
(6.21)
Xjsjt ≥ 0 ve tamsayı
∀s, j , t için
(6.22)
X mpt ≥ 0 ve tamsayı
∀m, p, t için
(6.23)
Xp pt ≥ 0 ve tamsayı
∀p, t için
(6.24)
Xwwpt ≥ 0 ve tamsayı
∀w, p, t için
Xiit ≥ 0 ve tamsayı
Xk krt ≥ 0 ve tamsayı
∀i, t için
∀i, k , r , t için
∀k , r , t için
I mt ≥ 0 ve tamsayı
∀m, t için
Iiit ≥ 0 ve tamsayı
∀i, t için
(6.25)
(6.26)
(6.27)
(6.28)
(6.29)
(6.30)
w =1
P
=i 1 =
p 1
∑ aii × Xiit ≤ capi
i =1
K
R
=
Iii ,1 Xii ,1 − ∑ ∑ Xrikr ,1
k =1 r =1
K
R
k =1 r =1
i =1
k =1
m =1
i =1
m =1
Xrikrt ≥ 0 ve tamsayı
51
1, t döne min de stedarikçi sin denmmalzemesite min edilirse
Ymst = 
0, dd .
∀m, s, t için
(6.31)
Eş. (6.1 - 6.31) denklem seti ile ifade edilen modelin çalışması ile kâr için üst sınır
belirlenmektedir. Burada belirlenen üst sınır, hedef programlama modelinde kâr hedefi için
sağ taraf sabit değeri olarak kullanılacaktır.
Yalnızca emisyon amacını optimize eden tek amaçlı modelin matematiksel formülasyonu
aşağıda verilmiştir:
T
J
T
S
(6.32)
R K
min
=
z 2 ∑ ∑ ∑ essj ×Xjsjt + ∑ ∑ ∑ erkr × Xkkrt
=t 1 =
t 1 r= 1 k= 1
=j 1 =s 1
∀m, s, j , t için
(6.33)
∀m, s, t için
(6.34)
∀m, s, t için
(6.35)
∀m için
(6.36)
∀m, t için
(6.37)
∑ vmm × I mt ≤ capm
∀t için
(6.38)
Xwwpt ≤ M × sup wp
∀w, p, t için
(6.39)
∀m, p, t için
(6.40)
∑ aww × Xwwpt ≤ capp p
∀p, t için
(6.41)
∑ biiw × Xiit ≤ ∑ Xwwpt
N
∀w, t için
(6.42)
N
∀t için
(6.43)
∀i için
(6.44)
Iiit =Xiit + Iii , t −1 − ∑ ∑ X ikrt
∀i, t için
(6.45)
∑ vii × Iiit ≤ cap
N
∀t için
(6.46)
∑ Xrikr , t − ltrkr = Dirt
K
∀i, r , t için
(6.47)
∑ vmm × Xmmsjt =capj j × Xjsjt
M
∀s, j , t için
(6.48)
N
∀k , r , t için
(6.49)
Xmmsjt ≤ M × susmsj
J
Xsmst = ∑ Xmmsjt
j =1
lbms × capsms × Ymst ≤ Xsmst ≤ capsms × Ymst
S
P
J
=
I m ,1 ∑ ∑ Xmmsj ,1 − ∑ X mp ,1
=s 1 =
p 1
j =1
I mt
=
S
P
J
∑ ∑ X msj , t − ltssj + I m , t −1 − ∑ X mpt
s 1=
p 1
=
j =1
M
m =1
X mp
=
, t − ltp p
W
∑ bwwm × Xwwpt
w =1
W
w =1
P
=i 1 =
p 1
∑ aii × Xiit ≤ capi
i =1
K
R
Iii ,1 Xii ,1 − ∑ ∑ Xrikr ,1
=
k =1 r =1
K
R
k =1 r =1
i =1
k =1
m =1
∑ vii × Xrikrt = capk k × Xk krt
i =1
52
M
∑ vmm × X mpt = capa × Xp pt
∀p, t için
(6.50)
Xmmsjt ≥ 0 ve tamsayı
∀m, s, j , t için
(6.51)
Xsmst ≥ 0 ve tamsayı
∀m, s, t için
(6.52)
Xjsjt ≥ 0 ve tamsayı
∀s, j , t için
(6.53)
X mpt ≥ 0 ve tamsayı
∀m, p, t için
(6.54)
Xp pt ≥ 0 ve tamsayı
∀p, t için
(6.55)
Xwwpt ≥ 0 ve tamsayı
∀w, p, t için
Xiit ≥ 0 ve tamsayı
Xk krt ≥ 0 ve tamsayı
∀i, t için
∀i, k , r , t için
∀k , r , t için
I mt ≥ 0 ve tamsayı
∀m, t için
Iiit ≥ 0 ve tamsayı
∀i, t için
(6.56)
(6.57)
(6.58)
(6.59)
(6.60)
(6.61)
1, t döne min de stedarikçi sin denmmalzemesite min edilirse
Ymst = 
0, dd .
∀m, s, t için
(6.62)
m =1
Xrikrt ≥ 0 ve tamsayı
Eş. (6.32-6.62) ile verilen matematiksel modelde yalnızca emisyon amacı dikkate
alınmaktadır. Burada elde edilen sonuç, emisyon alt sınırı olup hedef programlama
modelinde emisyon hedef kısıtı için sağ taraf sabit değeri olarak kullanılacaktır.
Tek amaçlı modellerden elde edilen amaç değerleri hedef programlama modelinin hedef
değerleri olarak kullanılmıştır. Hedef programlamada amaç, kârdan negatif yönlü sapma
ile emisyondan pozitif yönlü sapmanın ceza maliyeti toplamını enküçüklemektir.
Emisyondan bir birim sapmanın ceza maliyeti 15 br olduğu varsayılarak tezin beşinci
bölümünde detaylı olarak açıklanan hedef programlama modeli çalıştırılmıştır. Hedef
programlama modelinin çözümü sonucunda iki amaca ilişkin uygun çözüm elde edilmiştir.
6.3. Sonuçlar
Geliştirilen model GAMS 21.2 paket programı ile Intel® Core™ i3-550 3.20 GHz
işlemcili 3 GB RAM teknik özelliklerine sahip bilgisayarlar kullanılarak çözülmüştür. Elde
edilen sonuçlar Çizelge 6.3., Çizelge 6.4. ve Çizelge 6.5. ‘te verilmiştir.
53
Çizelge 6.3. Kâr amacına göre çözüm değerleri
Ürün
2
2
2
2
3
3
3
3
Yarı Mamul
2
2
3
3
2
2
3
3
Malzeme
3
5
3
5
3
5
3
5
Çözüm Değeri
782987,80
470724,80
825912,50
313236,00
1738409,70
1297874,80
1256590,80
709290,00
Süre (s)
346,49
2503,11
255,87
576,98
773,06
5914,68
111,18
3204,49
Çizelge 6.3. değişen ürün, yarı mamul ve malzeme sayıları için üretilen örnek problemin
yalnızca kâr amacına göre, çözüm değerini ve çözüm sürelerini göstermektedir. Elde edilen
sonuçlar, çözüm değeri açısından incelendiğinde, ürün sayısı artışının kârı artırdığını,
malzeme sayısı artışının ise kârı azalttığını göstermektedir. Yarı mamul sayısındaki artış
ise genel olarak kâr değerinin küçülmesine yol açmaktadır. Bu durum, sistemde daha fazla
ürün olması ile daha fazla satış geliri elde edilmesi, yarı mamul ve malzeme sayısının fazla
olmasının daha fazla satın alma, stoklama ve taşıma maliyetine yol açması ile açıklanabilir.
Çözüm süreleri açısından sonuçlara bakıldığında ise, genel olarak ürün, yarı mamul ve
malzeme sayılarındaki artışın çözüm süresini uzattığı söylenebilir. Bu durum, problem
boyutunun etken sayısının artması ile modelin daha karmaşık bir hâle gelmesinin çözümü
daha da zorlaştırdığı şeklinde yorumlanabilir.
Çizelge 6.4. Emisyon amacına göre çözüm değerleri
Ürün
2
2
2
2
3
3
3
3
Yarı Mamul
2
2
3
3
2
2
3
3
Malzeme
3
5
3
5
3
5
3
5
Çözüm Değeri
202660,00(*)
687107,50(*)
497000,50(*)
492605,00(*)
213969,00
390417,50(*)
298726,50(*)
500500,00(*)
Süre (s)
459,64
171,38
3700,06
3840,74
144,75
4829,76
2496,45
280,66
Çizelge 6.4. aynı problemlerin yalnızca emisyon amacına göre, çözüm değerlerini ve
çözüm sürelerini göstermektedir. * işareti ile gösterilen problemler için 7200 saniyelik
koşturum sonucunda elde edilen en iyi tamsayı değeri, çözüm değeri olarak, bu değere
ulaşılan süre de çözüm süresi olarak kabul edilmiştir.
54
Elde edilen çözüm değerleri, ürün ve malzeme sayılarındaki artışın genel olarak emisyon
değerini artırdığını göstermektedir. Yarı mamul sayısındaki artışın sisteme daha fazla
malzeme girişini gerektirmesinden dolayı yarı mamul sayısı artışı emisyon değerinin genel
olarak artışına yol açmaktadır.
Problemlerin optimum çözüme ulaşamamasının sebebi problemin karmaşık yapısı ile
açıklanabilir. Oluşan büyük çözüm uzayı koşturum süresince kesme işlemleri ile yeterince
daraltılamadığı için ve çözüm değerini etkileyen yalnızca iki parametre olmasından ötürü
optimuma erişilememiştir.
Çizelge 6.5. Hedef programlama modeline göre çözüm değerleri
Ürün
2
2
2
2
3
3
3
3
Yarı Mamul
2
2
3
3
2
2
3
3
Malzeme
3
5
3
5
3
5
3
5
Çözüm Değeri
755345,70 (*)
529672,80 (*)
445183,20 (*)
588208,60 (*)
352053,30
474749,50 (*)
575647,40 (*)
1418474,20 (*)
d1+ (%)
12,55%
39,73%
22,50%
7,14%
20,25%
26,58%
16,09%
34,94%
d2- (%)
21,62%
3,32%
3,48%
7,66%
0,00%
2,22%
8,34%
15,59%
Çizelge 6.5. problemler hedef programlama modeline göre çözüldüğünde elde edilen
çözüm değerini, kâr hedef değerinden negatif yönlü yüzde sapma değeri ve emisyon hedef
değerinden pozitif yönlü yüzde sapma değerlerini göstermektedir. Hedef değerleri, Çizelge
6.3. ve Çizelge 6.4.’de gösterilen, tek amaç için yapılan çözümlerden elde edilen çözüm
değerleri olarak kabul edilmiştir. * işareti ile gösterilen problemler için 64800 saniyelik
koşturum sonucunda elde edilen en iyi tamsayı çözümü, çözüm değeri olarak kabul
edilmiştir.
Elde edilen sonuçlar, amaçlar arasında bir ödünleşim noktası bulmanın çoğunlukla
mümkün olmadığını destekler niteliktedir. Daha fazla kâr etmek ile çevreye daha az zarar
vermek arasındaki bir denge noktası bulmayı başarabilen yalnızca bir örnek problem
görülmüştür.
Bununla birlikte, belirlenen hedef değerlerine uzaklık açısından bakıldığında problemlerin
çözümünde emisyon amacından sapmayı azaltmada daha iyi olduğu görülmektedir. Genel
55
olarak problemlerde, emisyon hedefinden %10’un altında sapma ile çözüm elde edildiği ve
kâr hedefinden %7 ile %40 arasında sapma ile çözüme ulaşıldığı görülmektedir.
56
57
7. SONUÇ VE ÖNERİLER
Her bir aşamadaki organizasyonların ortak amaçlar doğrultusunda çalışmasını hedefleyen
tedarik zinciri yaklaşımı işletmelerin süreçlerinin etkin yönetmesinde oldukça önemlidir.
Bir işletmenin rekabet ortamında yeterli ölçüde başarılı olabilmesi için üretim ve dağıtım
süreçlerini bütünleştirmesi gereklidir. Bu noktada, tedarik zinciri yönetimi, kârı artırmak
ve maliyeti düşürmek için temel çözüm haline gelmiştir.
Üretim-dağıtım ağlarındaki taşımalar sonucunda ortaya çıkan karbon emisyonu küresel
ısınmaya önemli etkisi olmaktadır. Bunun sonucunda, son yıllarda çevreci yaklaşımlara
ilgi artmıştır. Yapılan birtakım yasal düzenlemeler, işletmelerin tedarik zincirlerini üretim
ve dağıtım faaliyetleri sırasında çevreye verdiği zararları da göz önünde bulundurarak
tasarlamalarını gerekli hale getirmiştir.
Bu tez çalışmasında, sistemin kârını ve dağıtım faaliyetleri sonucu ortaya çıkan karbon gaz
emisyon miktarını eş zamanlı olarak göz önünde bulunduran üretim-dağıtım planlarının
oluşturulmasını destekleyen bir hedef programlama modeli geliştirilmiştir. Geliştirilen
modelde, çok kademeli ürün ağacı olan bir üretim sistemi, dağıtım sisteminde farklı tip
taşıma araçlarının bulunması ve temin zamanı bilgisi ele alınmıştır. Farklı boyutlarda
örnek problemler ile yapılan testler sonucunda geliştirilen modelin çevreye duyarlı üretimdağıtım planlamasında kâr ve karbon emisyon optimizasyonu için etkin bir araç olarak
kullanılabileceği gösterilmiştir.
Gelecek çalışmalarda, bu çalışmada önerilen modelin gerçek sistemler üzerinde, sisteme
özel kısıtlayıcı durumları içerecek şekilde geliştirilerek farklı alanlarda uygulanabilirliği
ortaya konulabilir. Önerilen model, iki veya daha çok amaçlı bir modele dönüştürülerek
pareto-optimal çözümler, sıralı çözüm gibi çözüm yaklaşımları ile çözülerek elde edilen
çözümlerin karşılaştırılması yapılabilir. Gerçek sistemlerde var olan talep ve tedarik
sisteminin belirsizliklerini modellemek üzere bulanık mantık veya stokastik modellemeden
faydalanılabilir. Sezgisel veya metasezgisel çözüm yöntemleri geliştirilerek büyük boyutlu
problemler için kısa zamanlarda iyi çözümlerin aranması tezin devamında yapılabilecek
çalışmalardır.
58
59
KAYNAKLAR
Aliev, R. A., Fazlollahi, B., Guirimov, B. G., Aliev, R. R. (2007). Fuzzy-genetic approach
to aggregate production–distribution planning in supply chain management.
Information Sciences, 177(20), 4241-4255.
Altiparmak, F., Gen, M., Lin, L., Karaoglan, I. (2009). A steady-state genetic algorithm for
multi-product supply chain network design. Computers & Industrial Engineering,
56(2), 521-537.
Altiparmak, F., Gen, M., Lin L., Paksoy, T. (2006). A genetic algorithm approach for
multi-objective optimization of supply chain networks. Computers & Industrial
Engineering, 51(1), 196-215.
Alumur, S. A., Nickel, S., Saldanha-da-Gama, F., Verter, V. (2012). Multi-period reverse
logistics network design. European Journal of Operational Research, 220(1), 6778.
Bachlaus, M., Pandey, M. K., Mahajan, C., Shankar, R., Tiwari, M. K. (2008). Designing
an integrated multi-echelon agile supply chain network: a hybrid taguchi-particle
swarm optimization approach. Journal of Intelligent Manufacturing, 19(6), 747761.
Badri, H., Bashiri, M., Hejazi, T. H. (2013). Integrated strategic and tactical planning in a
supply chain network design with a heuristic solution method. Computers &
Operations Research, 40(4), 1143-1154.
Bashiri, M., Badri, H., Talebi, J. (2012). A new approach to tactical and strategic planning
in production–distribution networks. Applied Mathematical Modelling, 36(4), 17031717.
Baumgartner, K., Fuetterer, A., Thonemann, U. W. (2012). Supply chain design
considering economies of scale and transport frequencies. European Journal of
Operational Research, 218(3), 789-800.
Bhatnagar, R., Mehta, P., Teo, C. C. (2011). Coordination of planning and scheduling
decisions in global supply chains with dual supply modes. International Journal of
Production Economics, 131(2), 473-482.
Bowersox D.J., La Londe, B.J., Smykay E.W. (1969). Readings in Physical Distribution
Management: The Logistics of Marketing, New York: MacMillan.
Cárdenas-Barrón, L. E., Treviño-Garza, G. (2014). An optimal solution to a three echelon
supply chain network with multi-product and multi-period. Applied Mathematical
Modelling, 38(5-6), 1911-1918.
Cárdenas-Barrón, L. E., Treviño-Garza, G., Wee, H. M. (2012). A simple and better
algorithm to solve the vendor managed inventory control system of multi-product
60
multi-constraint economic order quantity model. Expert Systems with Applications,
39(3), 3888-3895.
Chen, C.-L., Lee, W.-C. (2004). Multi-objective optimization of multi-echelon supply
chain networks with uncertain product demands and prices. Computers & Chemical
Engineering, 28(6-7), 1131-1144.
Chiang, D., Guo, R.-S., Chen, A., Cheng, M.-T., Chen, C.-B. (2007). Optimal supply chain
configurations in semiconductor manufacturing. International Journal of
Production Research, 45(3), 631-651.
Chu, L. K., Shi, Y., Lin, S., Sculli, D., Ni, J. (2010). Fuzzy chance-constrained
programming model for a multi-echelon reverse logistics network for household
appliances. Journal of the Operational Research Society, 61(4), 551-560.
Costantino, N., Dotoli, M., Falagario, M., Fanti, M. P., Mangini, A. M. (2012). A model
for supply management of agile manufacturing supply chains. International Journal
of Production Economics, 135(1), 451-457.
Dondo, R., Méndez, C. A., Cerdá, J. (2011). The multi-echelon vehicle routing problem
with cross docking in supply chain management. Computers & Chemical
Engineering, 35(12), 3002-3024.
Eranıl, B. (2008). Bulanık Hedef Programlama Yaklaşımı ve Tedarikçi Seçimi Problemine
Uygulanması, Yayımlanmamış Yüksek Lisans Tezi, Kocaeli Üniversitesi Fen
Bilimleri Enstitüsü, Kocaeli.
Farahani, R. Z., Elahipanah, M. (2008). A genetic algorithm to optimize the total cost and
service level for just-in-time distribution in a supply chain. International Journal of
Production Economics, 111(2), 229-243.
Feili, H. R., Khoshdooni, M. H. (2011). A Fuzzy Optimization Model for Supply Chain
Production Planning with Total Aspect of Decision Making. The Journal of
Mathematics and Computer Science, 2(1), 65-80.
Fıçı G. (2006). Tedarikçi Yönetiminde Envanter Kontrolü, Yayımlanmamış Yüksek Lisans
Tezi, Sakarya Üniversitesi Fen Bilimler Enstitüsü, Sakarya.
Franca, R. B., Jones, E. C., Richards, C. N., Carlson, J. P. (2010). Multi-objective
stochastic supply chain modeling to evaluate tradeoffs between profit and quality.
International Journal of Production Economics, 127(2), 292-299.
Gebennini, E., Gamberini, R., Manzini, R. (2009). An integrated production–distribution
model for the dynamic location and allocation problem with safety stock
optimization. International Journal of Production Economics, 122(1), 286-304.
Hugos, M.H. (2003). Essentials of Supply Chain Management 2nd ed., New Jersey: John
Wiley & Sons, 5-17.
61
Jolai, F., Razmi, J., Rostami, N. K. M. (2010). A fuzzy goal programming and meta
heuristic algorithms for solving integrated production: distribution planning problem.
Central European Journal of Operations Research, 19(4), 547-569.
Jonrinaldi and Zhang, D. Z. (2013). An integrated production and inventory model for a
whole manufacturing supply chain involving reverse logistics with finite horizon
period. Omega-International Journal of Management Science, 41(3), 598-620.
Khan, M., Jaber, M. Y., Ahmad, A. R. (2014). An integrated supply chain model with
errors in quality inspection and learning in production. Omega-International
Journal of Management Science, 42(1), 16-24.
Kim, B., Leung, J. M. Y., Park, K. T., Zhang, G. Q., Lee, S. (2002). Configuring a
manufacturing firm's supply network with multiple suppliers. IIE Transactions,
34(8), 663-677.
Lakhal, S., Martel, A., Kettani, O., Oral, M. (2001). On the optimization of supply chain
networking decisions. European Journal of Operational Research, 129(2), 259270.
Lee, Y. H., Kim, S. H. (2002). Production-distribution planning in supply chain
considering capacity constraints. Computers and Industrial Engineering, 43, 169190.
Levner, E., Perlman, Y., Cheng, T. C. E., Levner, I. (2011). A network approach to
modeling the multi-echelon spare-part inventory system with backorders and
interval-valued demand. International Journal of Production Economics, 132(1),
43-51.
Liang, T.F. (2008a). Fuzzy multi-objective production/distribution planning decisions with
multi-product and multi-time period in a supply chain. Computers & Industrial
Engineering, 55(3), 676-694.
Liang, T. F. (2008b). Integrating production-transportation planning decision with fuzzy
multiple goals in supply chains. International Journal of Production Research,
46(6), 1477-1494.
Liu, S. S., & Papageorgiou, L. G. (2013). Multiobjective optimisation of production,
distribution and capacity planning of global supply chains in the process industry.
Omega-International Journal of Management Science, 41(2), 369-382.
Melo, M. T., Nickel, S., Saldanha-da-Gama, F. (2012). A tabu search heuristic for
redesigning a multi-echelon supply chain network over a planning horizon.
International Journal of Production Economics, 136(1), 218-230.
Min, H., Ko, H. J., Ko, C. S. (2006). A genetic algorithm approach to developing the
multi-echelon reverse logistics network for product returns. Omega-International
Journal of Management Science, 34(1), 56-69.
62
Min, H., Zhou, G. (2002). Supply chain modeling: past, present and future. Computers &
Industrial Engineering, 43, 231-249.
Mirzapour Al-e-hashem, S. M. J., Malekly, H., Aryanezhad, M. B. (2011). A multiobjective robust optimization model for multi-product multi-site aggregate
production planning in a supply chain under uncertainty. International Journal of
Production Economics, 134(1), 28-42.
Moin, N. H., Salhi, S., Aziz, N. A. B. (2011). An efficient hybrid genetic algorithm for the
multi-product multi-period inventory routing problem. International Journal of
Production Economics, 133(1), 334-343.
Moncayo-Martínez, L. A., Zhang, D. Z. (2013). Optimising safety stock placement and
lead time in an assembly supply chain using bi-objective MAX–MIN ant system.
International Journal of Production Economics, 145(1), 18-28.
Montoya-Torres, J. R., Aponte, A., Rosas P. (2010). Applying GRASP to solve the multiitem three-echelon uncapacitated facility location problem. Journal of the
Operational Research Society, 62(2), 397-406.
Naso, D., Surico, M., Turchiano, B., Kaymak, U. (2007). Genetic algorithms for supplychain scheduling: A case study in the distribution of ready-mixed concrete.
European Journal of Operational Research, 177(3), 2069-2099.
Nixon, J. D., Dey, P. K., Davies, P. A., Sagi, S., Berry, R. F. (2014). Supply chain
optimisation of pyrolysis plant deployment using goal programming. Energy, 68,
262-271.
Noorul Haq, A., Kannan, G. (2006). Design of an integrated supplier selection and multiechelon distribution inventory model in a built-to-order supply chain environment.
International Journal of Production Research, 44(10), 1963-1985.
Osman, H., Demirli, K. (2010). A bilinear goal programming model and a modified
Benders decomposition algorithm for supply chain reconfiguration and supplier
selection. International Journal of Production Economics, 124(1), 97-105.
Ozgen, D., Gulsun, B. (2014). Combining possibilistic linear programming and fuzzy AHP
for solving the multi-objective capacitated multi-facility location problem.
Information Sciences, 268, 185-201.
Özbay, B. (2008). Tedarik Zincirinde Optimizasyon ve Bir İplik İşletmesinde Uygulama,
Yayımlanmamış Yüksek Lisans Tezi, Pamukkale Üniversitesi Sosyal Bilimler
Enstitüsü, Denizli.
Özden, G. (2011). Çok Ürünlü Çok Kademeli Bir Tedarik Zincirinin Merkezi ve Merkezi
Olmayan Yapıda Çok Amaçlı Modellenmesi, Yayımlanmamış Yüksek Lisans Tezi,
Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü, Eskişehir.
63
Paksoy, T. (2005). Tedarik Zinciri Yönetiminde Dağıtım Ağlarının Tasarımı ve
Optimizasyonu: Malzeme İhtiyaç Kısıtı Altında Stratejik Bir Üretim Dağıtım
Modeli. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 14, 435-454.
Paksoy, T., Chang, C. T. (2010). Revised multi-choice goal programming for multi-period,
multi-stage inventory controlled supply chain model with popup stores in Guerrilla
marketing. Applied Mathematical Modelling, 34(11), 3586-3598.
Paksoy, T., Ozceylan, E. (2012). Supply chain optimisation with U-type assembly line
balancing. International Journal of Production Research, 50(18), 5085-5105.
Paksoy, T., Pehlivan, N. Y. (2012). A fuzzy linear programming model for the
optimization of multi-stage supply chain networks with triangular and trapezoidal
membership functions. Journal of the Franklin Institute-Engineering and Applied
Mathematics, 349(1), 93-109.
Paksoy, T., Pehlivan, N. Y., Ozceylan, E. (2012a). Application of fuzzy optimization to a
supply chain network design: A case study of an edible vegetable oils manufacturer.
Applied Mathematical Modelling, 36(6), 2762-2776.
Paksoy, T., Pehlivan, N. Y., Ozceylan, E. (2012b). Fuzzy Multi-Objective Optimization of
a Green Supply Chain Network with Risk Management that Includes Environmental
Hazards. Human and Ecological Risk Assessment, 18(5), 1120-1151.
Paksoy, T., Pehlivan, N. Y., Ozceylan, E. (2013). A New Tradeoff Model for Fuzzy
Supply Chain Network Design and Optimization. Human and Ecological Risk
Assessment, 19(2), 492-514.
Pan, F., Nagi, R. (2013). Multi-echelon supply chain network design in agile
manufacturing. Omega-International Journal of Management Science, 41(6), 969983.
Pasandideh, S. H. R., Niaki, S. T. A., Nia, A. R. (2011). A genetic algorithm for vendor
managed inventory control system of multi-product multi-constraint economic order
quantity model. Expert Systems with Applications, 38(3), 2708-2716.
Peidro, D., Diaz-Madronero, M., Mula, J. (2010). An Interactive Fuzzy Multi-Objective
Approach for Operational Transport Planning in an Automobile Supply Chain.
WSEAS Transactions on Information Science & Applications, 7(2), 283-294.
Peidro, D., Mula, J., Alemany, M. M. E., Lario, F. C. (2012). Fuzzy multi-objective
optimisation for master planning in a ceramic supply chain. International Journal of
Production Research, 50(11), 3011-3020.
Peidro, D., Mula, J., Poler, R., Verdegay, J. L. (2009). Fuzzy optimization for supply chain
planning under supply, demand and process uncertainties. Fuzzy Sets and Systems,
160(18), 2640-2657.
64
Ramezani, M., Bashiri, M., Tavakkoli-Moghaddam, R. (2013). A new multi-objective
stochastic model for a forward/reverse logistic network design with responsiveness
and quality level. Applied Mathematical Modelling, 37(1-2), 328-344.
Rappold, J. A., Van Roo, B. D. (2009). Designing multi-echelon service parts networks
with finite repair capacity. European Journal of Operational Research, 199(3),
781-792.
Romeijn, H. E., Shu, J., Teo, C.-P. (2007). Designing two-echelon supply networks.
European Journal of Operational Research, 178(2), 449-462.
Sabzevari Zadeh, A., Sahraeian, R., Homayouni, S. M. (2013). A dynamic multicommodity inventory and facility location problem in steel supply chain network
design. The International Journal of Advanced Manufacturing Technology, 70(58), 1267-1282.
Sadjady, H., Davoudpour, H. (2012). Two-echelon, multi-commodity supply chain
network design with mode selection, lead-times and inventory costs. Computers &
Operations Research, 39(7), 1345-1354.
Santoso, T., Ahmed, S., Goetschalckx, M., Shapiro, A. (2005). A stochastic programming
approach for supply chain network design under uncertainty. European Journal of
Operational Research, 167(1), 96-115.
Sasikumar, P., Kannan, G., Haq, A. N. (2010). A multi-echelon reverse logistics network
design for product recovery—a case of truck tire remanufacturing. The International
Journal of Advanced Manufacturing Technology, 49(9-12), 1223-1234.
Selim, H., Araz, C., Ozkarahan, I. (2008). Collaborative production–distribution planning
in supply chain: A fuzzy goal programming approach. Transportation Research
Part E: Logistics and Transportation Review, 44(3), 396-419.
Selim, H., Ozkarahan, I. (2006). A supply chain distribution network design model: An
interactive fuzzy goal programming-based solution approach. The International
Journal of Advanced Manufacturing Technology, 36(3-4), 401-418.
Sengupta, S., Turnbull, J. (1996). Seamless optimization of the entire supply chain. IIE
Solutions, 28(10), 28.
Sha, D. Y., Che, Z. H. (2004). Virtual integration with a multi-criteria partner selection
model for the multi-echelon manufacturing system. The International Journal of
Advanced Manufacturing Technology, 25(7-8), 793-802.
Shaw, K., Shankar, R., Yadav, S. S., Thakur, L. S. (2013). Modeling a low-carbon garment
supply chain. Production Planning & Control, 24(8-9), 851-865.
Stadtler H., Kilger C. (2005). Supply Chain Management and Advanced Planning 3rd ed.,
New York: Springer, 9-11.
65
Susarla, N., Karimi, I. A. (2012). Integrated supply chain planning for multinational
pharmaceutical enterprises. Computers & Chemical Engineering, 42, 168-177.
Teigen, R. (1997). Information Flow in a Supply Chain Management System.
Yayımlanmamış Doktora Tezi, Dept. of Industrial Economics and Technology
Management, Trondheim University, Sweden.
Torabi, S. A., Hassini, E. (2009). Multi-site production planning integrating procurement
and distribution plans in multi-echelon supply chains: an interactive fuzzy goal
programming approach. International Journal of Production Research, 47(19),
5475-5499.
Torabi, S. A., Moghaddam, M. (2012). Multi-site integrated production-distribution
planning with trans-shipment: a fuzzy goal programming approach. International
Journal of Production Research, 50(6), 1726-1748.
Tsai, W. H., Hung, S.-J. (2009). A fuzzy goal programming approach for green supply
chain optimisation under activity-based costing and performance evaluation with a
value-chain structure. International Journal of Production Research, 47(18), 49915017.
Tsiakis, P., Papageorgiou, L. G. (2008). Optimal production allocation and distribution
supply chain networks. International Journal of Production Economics, 111(2),
468-483.
Tuzkaya, U. R., Onut, S. (2009). A holonic approach based integration methodology for
transportation and warehousing functions of the supply network. Computers &
Industrial Engineering, 56(2), 708-723.
Wang, H. S. (2009). A two-phase ant colony algorithm for multi-echelon defective supply
chain network design. European Journal of Operational Research, 192(1), 243252.
Wang, K.-J., Lin, Y. S., Yu, J. C. P. (2011). Optimizing inventory policy for products with
time-sensitive deteriorating rates in a multi-echelon supply chain. International
Journal of Production Economics, 130(1), 66-76.
Zarandi, M. H. F., Sisakht, A. H., Davari, S. (2011). Design of a closed-loop supply chain
(CLSC) model using an interactive fuzzy goal programming. The International
Journal of Advanced Manufacturing Technology, 56(5-8), 809-821.
Zhang, Z.-H., Jiang, H., Pan, X., (2012). A Lagrangian relaxation based approach for the
capacitated lot sizing problem in closed-loop supply chain. International Journal of
Production Economics, 140(1), 249-255.
Zolghadri, M., Olivier, C., Bourrières, J.-P. (2008). Close-optimal production and
procurement policy for a X-network of added value using lexicographic linear goal
programming. Computers & Industrial Engineering, 54(4), 821-839.
66
EKLER
67
EK-1. Modele Ait GAMS Kodu
sets
i /i1*i2/
j /j1*j2/
k /k1,k2/
m /m1*m3/
p /p1*p2/
r /r1*r3/
s /s1*s3/
t /1*24/
w /w1*w2/
;
Parameter bi(i,w)
/
i1.w1=2
...
i2.w2=2
/
;
Parameter bw(w,m)
/
w1.m1=1
...
w2.m3=2
/
;
Parameter sus(m,s,j)
/
m1.s1.j1=1
...
m3.s3.j2=0
/
;
Parameter sup(w,p)
/
w1.p1=1
...
w2.p2=0
/
;
Parameter vm(m)
/
m1 13
...
68
EK-1. Modele Ait GAMS Kodu (devamı)
m3 13
/
;
Parameter vi(i)
/
i1 42
i2 49
/
;
Parameter aw(w)
/
w1 15
w2 14
/
;
Parameter ai(i)
/
i1 9
i2 8
/
;
Parameter lb(m,s)
/
m1.s1=0.12
...
m3.s3=0.11
/
;
Parameter ltsj(s,j)
/
s1.j1=4
...
s3.j2=2
/
;
Parameter ltp(p)
/
p1 2
p2 2
/
;
69
EK-1. Modele Ait GAMS Kodu (devamı)
Parameter ltkr(k,r)
/
k1.r1=3
...
k2.r3=1
/
;
Parameter D(i,r,t)
/
i1.r1.10=98
...
i2.r3.24=75
/
;
Parameter ams(m,s)
/
m1.s1=3000
...
m3.s3=3000
/
;
Parameter cms(m,s)
/
m1.s1=9
...
m3.s3=8
/
;
Parameter csj(s,j)
/
s1.j1=2340
...
s3.j2=4880
/
;
Parameter cp(p)
/
p1 38
p2 37.1
/
;
Parameter cwp(w,p)
/
70
EK-1. Modele Ait GAMS Kodu (devamı)
w1.p1=1
...
w2.p2=3
/
;
Parameter ci(i)
/
i1 5
i2 5
/
;
Parameter ckr(k,r)
/
k1.r1=1237.5
...
k2.r3=360
/
;
Parameter hm(m)
/
m1 2.6
...
m3 2.6
/
;
Parameter hi(i)
/
i1 8.4
i2 9.8
/
;
Parameter sp(i)
/
i1 380
i2 482
/
;
Parameter es(s,j)
/
s1.j1=3900
...
s3.j2=4270
/
;
71
EK-1. Modele Ait GAMS Kodu (devamı)
Parameter er(k,r)
/
k1.r1=2062.5
...
k2.r3=630
/
;
Parameter caps(m,s)
/
m1.s1=10000
...
m3.s3=10000
/
;
Parameter capj(j)
/
j1 75000
j2 75000
/
;
Parameter capm
/
20000
/
;
Parameter capp(p)
/
p1 23000
p2 23000
/
;
Parameter capi
/
11500
/
;
Parameter cap
/
10000
/
;
72
EK-1. Modele Ait GAMS Kodu (devamı)
Parameter capk(k)
/
k1 50000
k2 40000
/
;
Parameter capa
/
40000
/
;
variables
xmsjt(m,s,j,t)
xsjt(s,j,t)
xmst(m,s,t)
xmpt(m,p,t)
xpt(p,t)
xwpt(w,p,t)
xit(i,t)
xikrt(i,k,r,t)
xkrt(k,r,t)
Imt(m,t)
Iit(i,t)
ymst(m,s,t)
z
d1n
d2n
d1p
d2p;
integer variable xmsjt(m,s,j,t);
integer variable xsjt(s,j,t);
integer variable xmpt(m,p,t);
integer variable xpt(p,t);
integer variable xmst(m,s,t);
integer variable xwpt(w,p,t);
integer variable xit(i,t);
integer variable xikrt(i,k,r,t);
integer variable xkrt(k,r,t);
integer variable Imt(m,t);
integer variable Iit(i,t);
positive variable d1n;
positive variable d2n;
positive variable d1p;
positive variable d2p;
binary variable ymst(m,s,t);
73
EK-1. Modele Ait GAMS Kodu (devamı)
xmsjt.up(m,s,j,t)=1e9;
xmst.up(m,s,t)=1e9;
xmpt.up(m,p,t)=1e9;
xwpt.up(w,p,t)=1e9;
xit.up(i,t)=1e9;
xikrt.up(i,k,r,t)=1e9;
Imt.up(m,t)=1e9;
Iit.up(i,t)=1e9;
Equations
eq1
eq2
eq3
eq4(m,s,j,t)
eq5(m,s,t)
eq6_1(m,s,t)
eq6_2(m,s,t)
eq7(m)
eq8(m,t)
eq9(t)
eq10(w,p,t)
eq11(m,p,t)
eq12(p,t)
eq13(w,t)
eq14(t)
eq15(i)
eq16(i,t)
eq17(t)
eq18(i,r,t)
eq19(s,j,t)
eq20(k,r,t)
eq21(p,t)
;
eq1.. z=e=d1n+15*d2p;
eq2.. sum(t,sum(i,sp(i)*sum(r,D(i,r,t))))-sum(t,sum(s,sum(m,ams(m,s)*ymst(m,s,t))))sum(t,sum(s,sum(m,cms(m,s)*xmst(m,s,t))))-sum(t,sum(s,sum(j,csj(s,j)*xsjt(s,j,t))))sum(t,sum(p,sum(m,cp(p)*xpt(p,t))))-sum(t,sum(p,sum(w,cwp(w,p)*xwpt(w,p,t))))sum(t,sum(i,ci(i)*xit(i,t)))-sum(t,sum(r,sum(k,ckr(k,r)*xkrt(k,r,t))))sum(t,sum(m,hm(m)*Imt(m,t)))-sum(t,sum(i,hi(i)*Iit(i,t)))+d1n-d1p=e=782987.80;
eq3..
sum(t,sum(m,sum(s,sum(j,es(s,j)*xsjt(s,j,t)))))+sum(t,sum(r,sum(k,sum(i,er(k,r)*xkrt(k,r,t)
))))+d2n-d2p=e=202660.00;
eq4(m,s,j,t).. xmsjt(m,s,j,t)=l=10000*sus(m,s,j);
eq5(m,s,t).. xmst(m,s,t)=e=sum(j,xmsjt(m,s,j,t));
eq6_1(m,s,t).. lb(m,s)*caps(m,s)*ymst(m,s,t)=l=xmst(m,s,t);
eq6_2(m,s,t).. xmst(m,s,t)=l=caps(m,s)*ymst(m,s,t);
eq7(m).. Imt(m,'1')=e=sum(s,sum(j,xmsjt(m,s,j,'1')))-sum(p,xmpt(m,p,'1'));
eq8(m,t).. Imt(m,t)=e=sum(s,sum(j,xmsjt(m,s,j,t-ltsj(s,j))))+Imt(m,t-1)-
74
EK-1. Modele Ait GAMS Kodu (devamı)
sum(p,xmpt(m,p,t));
eq9(t).. sum(m,vm(m)*Imt(m,t))=l=capm;
eq10(w,p,t).. xwpt(w,p,t)=l=10000*sup(w,p);
eq11(m,p,t).. xmpt(m,p,t-ltp(p))=e=sum(w,bw(w,m)*xwpt(w,p,t));
eq12(p,t).. sum(w,aw(w)*xwpt(w,p,t))=l=capp(p);
eq13(w,t).. sum(i,bi(i,w)*xit(i,t))=e=sum(p,xwpt(w,p,t));
eq14(t).. sum(i,ai(i)*xit(i,t))=l=capi;
eq15(i).. Iit(i,'1')=e=Xit(i,'1')-sum(k,sum(r,xikrt(i,k,r,'1')));
eq16(i,t).. Iit(i,t)=e=Xit(i,t)+Iit(i,t-1)-sum(k,sum(r,xikrt(i,k,r,t)));
eq17(t).. sum(i,vi(i)*Iit(i,t))=l=cap;
eq18(i,r,t).. sum(k,xikrt(i,k,r,t-ltkr(k,r)))=e=D(i,r,t);
eq19(s,j,t).. sum(m,vm(m)*xmsjt(m,s,j,t))=l=capj(j)*xsjt(s,j,t);
eq20(k,r,t).. sum(i,vi(i)*xikrt(i,k,r,t))=l=capk(k)*xkrt(k,r,t);
eq21(p,t).. sum(m,vm(m)*xmpt(m,p,t))=l=capa*xpt(p,t);
model tez /all/;
tez.optfile=1;
tez.optcr=0;
tez.reslim=7200;
tez.iterlim=1e9;
tez.limrow=0;
tez.limcol=0;
$onecho>cplex.opt
nodefileind 3
$offecho
solve tez using mip minimizing z;
display d1n.l, d1p.l, d2p.l, d2n.l, xmsjt.l, xmst.l, xmpt.l, xpt.l, xwpt.l, xit.l, xikrt.l, Imt.l,
Iit.l, ymst.l, xsjt.l, xkrt.l, z.l;
75
ÖZGEÇMİŞ
Kişisel Bilgiler
Soyadı, adı
: AKTAŞ, Ahmet
Uyruğu
: T.C.
Doğum tarihi ve yeri
: 09.08.1989, Ankara
Medeni hali
: Bekâr
Telefon
: 0 (312) 582 38 20
e-mail
: [email protected]
Eğitim
Derece
Eğitim Birimi
Yüksek lisans
Gazi Üniversitesi / Endüstri Mühendisliği Devam Ediyor
Lisans
Gazi Üniversitesi / Endüstri Mühendisliği 2011
Lise
Fethiye Kemal Mumcu Anadolu Lisesi
Mezuniyet tarihi
2007
İş Deneyimi
Yıl
Yer
Görev
2014-Halen
Gazi Üniversitesi
Araştırma Görevlisi
2014-2014
Abant İzzet Baysal Üniversitesi
Araştırma Görevlisi
2011-2013
Karadeniz Teknik Üniversitesi
Araştırma Görevlisi
Yabancı Dil
İngilizce
Yayınlar
1. Aktas, A., Cebi, S., Temiz, I. (2013, 1-4 Temmuz). Evaluation of Service Quality of
Public Hospitals Using Multiple Criteria Decision Making, 26th European Conference
on Operational Research, Roma (İtalya).
2. Aktas, A., Temiz, I. (2013, 7-9 Kasım). A New Mathematical Model for Integrated
Supply Chain Management, 11th International Logistics & Supply Chain Congress,
Nevşehir (Türkiye).
3. Aktaş, A., Temiz, İ. (2014, 15-17 Mayıs). Taşıma Alternatifleri ve Malzeme Yönetim
Kısıtları Altında Bir Doğrusal Üretim-Dağıtım Planlaması Modeli, 3. Ulusal Lojistik
76
ve Tedarik Zinciri Kongresi, Trabzon (Türkiye).
4. Temiz, İ., Aktaş, A. (2014, 15-17 Mayıs). Emniyet Stoğu Uygulamasını İçeren Çok
Dönemli Tedarik Zinciri Planlaması İçin Bir Doğrusal Programlama Modeli, 3. Ulusal
Lojistik ve Tedarik Zinciri Kongresi, Trabzon (Türkiye).
5. Aktas, A., Temiz, I., (2014, 13-18 Temmuz). Determining Mobile Communication
Operators’ Efficiency by using DEA, 20th Conference of the International Federation
of Operational Research Societies, Barselona (İspanya).
Hobiler
Seyahat, Tiyatro, İnternet
GAZİ GELECEKTİR...