ÜN-KOÇ MAKİNE DE SİPARİŞ İŞLEME KARAR DESTEK SİSTEMİ UYGULAMASI

Transkript

1 ÜN-KOÇ MAKİNE DE SİPARİŞ İŞLEME KARAR DESTEK SİSTEMİ UYGULAMASI Hatice AÇIKGÖZ, Müne Duygu CANSABUNCU, Didem MERMER, Duygu ÖZEN Fetih YILDIRIM, Benhür SATIR Çankaya Üniversitesi, Endüstri Mühendisliği Bölümü, Bahar 2009 ÖZET Bu çalışmada bir aile şirketi olan ÜN-KOÇ incelenerek, sipariş işleme için alınan kararların anlık, merkezcil ve öznel olmasından dolayı, sipariş işleme karar verme sürecinde sıkıntılar olduğu gözlemlenmiştir. Bu nedenle, bilgisayar destekli sipariş işleme karar destek sistemi uygulaması yapılmıştır. Sipariş işleme sürecinde, siparişler şirketin beş atölyesine atanmaktadır. Bu doğrultuda birbiçimli paralel makine çizelgelemesi üzerine üç farklı matematiksel model karar verme aracı olarak kullanılmıştır. İlk modelin amaç fonksiyonu toplam gecikme zamanını en küçüklemekken, ikinci modelin amacı ise en yüksek üretim süresini en küçüklemektir, üçüncü model ise harici işçilerin çalışma süresini en küçüklemektedir. Bu çizelgeleme modelleri NP-zor olarak sınıflandırıldığı için, Genetik Algoritma (GA) çözüm yöntemi olarak kullanılmıştır. GA nın parametreleri belirlenirken de deneysel tasarım teknikleri kullanılmıştır. GA nın arka planda çalıştığı kullanıcıya esneklikler sağlayan bilgisayar tabanlı bir Karar Destek Sistemi hazırlanmıştır. Anahtar Kelimeler: Birbiçimli Paralel Makine Çizelgeleme, Karar Destek Sistemi, Sipariş İşleme, NP-zor, Genetik Algoritma, Deneysel Tasarım. ABSTRACT In this study, ÜN-KOÇ, which is a family-owned company, is observed and it is noticed that there is a problem on the decision making process for order processing, since decisions are taken instantaneously, centralized, and subjective. Therefore, a computer aided decision support system for order processing is implemented. The assignment of orders to the five shops of the company is the necessary part of order processing. For this purpose, three different mathematical models which are about scheduling on uniform parallel machines are used as a decision making tool. In the first model, the objective is to minimize total tardiness for jobs, while in the second model makespan is minimized, and the working time of the external worker is minimized in the third model. Since these scheduling models are classified as NP-hard, Genetic Algorithm (GA) is used as a solution methodology. Experimental design techniques are used for fine-tuning of GA Model. A user-friendly and flexible decision support system which runs GA in background is coded. Keywords: Decision Support System, Order Processing, Scheduling Parallel Multiprocessor, NP-hard, Genetic Algorithm, Experimental Design.

2 . GİRİŞ Bu projenin amacı ÜN-KOÇ ta sipariş işleme için karar destek sistemi uygulamasını gerçekleştirmektir. Problemin ne olduğu konusunda ve firmanın bu çalışmaya niçin ihtiyaç duyduğuyla ilgili bazı gözlemler yapılmıştır. Bu bilgilerin ışığında da, ÜN- KOÇ için neler yapılabileceği tartışılmıştır. Bu raporun ikinci bölümünde firma hakkında detaylı olarak bilgi verilmiştir. Ayrıca ÜN-KOÇ taki ürün yelpazesi de anlatılmıştır. Hammaddeden bitmiş ürüne kadar olan üretim sistem akışı açıklanmıştır. Üretim süreçlerinden, hammadde alım detaylarından ve karar verme sürecinden de bu bölümde bahsedilmiştir. Üçüncü bölümde ÜN-KOÇ taki sistemi derinlemesine anlamak için mikro sistem analizi yapılmıştır. Bu başlıkta, sipariş işleme sürecindeki akışın yardımıyla mikro sistem tanımlanmıştır. Semptomlar tanımlanırken, gözlemlerden yararlanılmıştır. Bu semptomların ışığında, ÜN-KOÇ taki problem tanımlanmış ve sipariş işleme için karar alma sürecinin problem konusu olduğuna karar verilmiştir. Bu bölümde son olarak, bu proje için belirlenen hedeflerden de bahsedilmiştir. Raporun dördüncü bölümünde problem çözümünde kullanılacak model tipinin bulunması için teknik yazın taraması yapılmış ve sipariş işleme için karar destek sistemi hakkında çözüm araçları araştırılmıştır. Belirlenen problem için üç farklı matematiksel model oluşturulmuştur ve matematiksel modeller için belirlenen karar değişkenleri ve parametreleri detaylı olarak açıklanmıştır. Bu modeller birbiçimli paralel makine çizelgelemesidir. Modellerde üç farklı amaç fonksiyonu kullanılmıştır. İlk modelin amaç fonksiyonu toplam gecikme zamanını en aza indirgemekken, ikinci modelin amacı ise en yüksek üretim süresini en aza indirmektir, üçüncü model ise harici işçilerin çalışma süresini en aza indirmek üzerine kurulmuştur. Bu amaçlar doğrultusunda üretim için en iyi çizelgeler elde edilecektir. Kurulan matematiksel modeller teknik yazında NP-zor olarak sınıflandırılmıştır. Bu yüzden, çözüm yöntemi olarak sezgi ötesi yöntemlerden olan Genetik Algoritmanın kullanılmasına karar verilmiştir. Çünkü Genetik Algoritma (GA) karmaşık çizelgeleme problemlerinin çözümü için oldukça etkili bir yöntemdir. Bu bölümün devamında ayrıca kullanılan GA nın uygulanışı da anlatılmıştır. GA daki bazı parametrelerin etkileri deney tasarımı teknikleri kullanılarak çözümlenmiştir. Çaprazlama olasılığı ve popülasyon büyüklüğü için 2 2 çarpımsal deney tasarımı yapılmıştır. Newman Keuls Test uygulanarak, önemli parametreler bu test sonucunda belirlenmiştir. Bu bölümde son olarak da GA matematiksel modelin sonucu ile karşılaştırılmıştır ve GA nın en iyi sonuca yakın sonuçlar verdiği gözlenmiştir. Beşinci bölümde modelin doğru sonuç verip vermediğini incelemek için model doğrulanmıştır. Firmanın eski verileri kullanılarak modelin geçerliliği de yapılmıştır. Altıncı bölümde, kurgulanan algoritmanın kullanıcı tarafından kolaylıkla kullanılması için oluşturulan Karar Destek Sistemi (KDS) anlatılmıştır. KDS nin kodlanma aşaması ve kullanıcının nasıl kullanacağı da bu bölümde anlatılmıştır.

3 2. SİSTEMİN GENEL ANALİZİ 994 yılında OSTİM organize sanayi bölgesinde kurulan ÜN-KOÇ MAKİNE MONTAJ SANAYİ VE TİC. LTD. ŞTİ. madencilik, inşaat, endüstriyel tesis ve makine üretimi konusunda faaliyet göstermektedir. ÜN-KOÇ un başlıca ürünleri kırma-eleme tesisi ve beton santralidir. ISO 900:2000 ve OHSAS 800 kalite sertifikalarına sahip olan ÜN-KOÇ un beş atölyesinde, beyaz ve mavi yaka olmak üzere toplam elli beş çalışanı bulunmaktadır. Bu elli beş çalışanın altı tanesi beyaz yakalı çalışanlardır. Bunlar yöneticiler, bir makine mühendisi ve bir teknik çizim teknikeridir. Geri kalan çalışanlar ise mavi yakalıdır. ÜN-KOÇ firmasının büyüme planları arasında beş atölyesini tek bir çatı altında toplamak yer almaktadır. Bu yüzden, arsası alınan fabrikasına en yakın zamanda yerleşmeyi planlamaktadır. Fakat bu planını ekonomik krizden dolayı birkaç yıl ertelemiştir. ÜN-KOÇ geniş bir ürün yelpazesine sahip olmasına rağmen pazarlama konusunda eksiklikleri olduğunu düşünmektedir. Silo çeşitleri firmanın en çok satılan ürünlerini oluşturmaktadır. Fakat firma kırma eleme tesisinin satışlarını arttırmak istemektedir. Bu amaç doğrultusunda Çankaya Üniversitesi İşletme Bölümü ile ortak bir çalışma yürütülmüştür. Böylece firmanın pazarlama konusundaki eksiklikleri giderilmiştir. 2. ÜRÜNLER VE ÜRETİM SİSTEMİ ÜN-KOÇ kırma eleme tesisi üretimi kapsamında, kırıcı, elek ve hazne üretmektedir. Diğer bir ana ürünü olan beton santrali tesisi ise mobil ve sabit olmak üzere iki ayrı tipte üretilmektedir. Ayrıca ÜN-KOÇ ta yaş ve kuru hazır beton üretim tesisleri de üretilmektedir. Bu tesisler bir bütün olarak satılabildiği gibi tesisleri oluşturan parçaları tek tek de satılabilmektedir. Bu bağlamda beton santrali tesisinin bir parçası olan cıvatalı veya kaynaklı olarak üretilebilen silolar talebin %8 ini oluşturmaktadır. Bunlara ek olarak ÜN-KOÇ ta bunker ve bant imalatı ile tesisler için elektronik aksam üretimi de yapılmaktadır. Firmanın ürünleri Şekil de özetlenmiştir. Şekil : ÜN-KOÇ'un Ürünleri

4 ÜN-KOÇ un üretimi siparişe dayalıdır. Bir başka deyişle, bir ürünün siparişi alınmadan firmada üretim başlamaz. ÜN-KOÇ taki sistem, girdiler ve çıktılar göz önünde bulundurularak Şekil 2 de gösterilmiştir. Şekil 2: ÜN-KOÇ'taki Üretim Sistemi Yukarıda bahsedilen ürünlerin üretilmesi için kullanılan başlıca beş ana üretim süreci aşağıda sıralanmıştır: Bükme, Kesme, Delme, Kaynak, Boyama, Montaj. Firmadaki üretim tipi atölye tipi olup atölyelerinde ise yerleşim düzeni süreç esaslı yerleşim düzenidir. Ayrıca büyük hacimli ürünler üretilmesine imkân sağlamak için de sabit konumlu yerleşim de uygulanır. 2.2 KARAR VERME SÜRECİ Şirkette alınan kararlar, stratejik seviyede kararlar, taktiksel seviyede kararlar ve operasyonel seviyede kararlar olmak üzere üç ana başlıkta incelenebilir. Karar verme seviyeleri Şekil 3 te daha detaylı incelenebilir.

5 Şekil 3: Karar Verme Seviyeleri Firmanın bir aile şirketi olmasından dolayı, stratejik seviyede alınan kararları aynı zamanda şirketin kurucusu da olan ailenin büyüğü almaktadır. Bu kararlar yeni bir ürün üretimi, yeni bir atölye açma veya yeni bir atölye için yer seçimi olabilir. Taktiksel seviyede alınan kararlar ailenin üç oğlu tarafından alınmaktadır. Üretim planlama ve finansal kararlar bu seviye içinde incelenebilir. Operasyonel seviyede alınan kararlardan ustalar sorumludurlar. Ustaların görev kapsamında işçi planlaması, üretim miktarının ayarlanması gibi hususlar yer almaktadır. Şirketin kurucusu ve Yönetim Kurulu Başkanı olan Yaşar Koçak bütün üretim sistemini baştan sona takip etmektedir ve bütün süreçler hakkında bilgi sahibidir. Buna bağlı olarak, alınan her türlü kararda da etkisi büyüktür. Özellikle deneyimlerine dayanarak verdiği kararlarda göz önünde bulundurduğu bazı kriterler vardır. Bu kriterler Şekil 4 te gösterilmiştir. Mesela, bir siparişin kabul edilmesi sürecinde, siparişin maliyeti, hammadde tedarik süresi, siparişin karlılığı, üretim süresi gibi hususlar göz önünde bulundurulmaktadır. 3. MİKRO SİSTEM ANALİZİ Şekil 4: Karar Verme Kriterleri Mikro sistem olarak sipariş işleme için karar verme süreci incelenmiştir. Firmada işlemlerin başlaması için siparişlerin gelmesi ilk basamaktır. İlk olarak sözleşmeler hazırlanmaktadır. Fakat üretim süresi ve maliyetleri sözleşmeye net hesaplanıp

6 yazılamamaktadır. Eğer ürünlerin teknik çizimi müşteri firma tarafından sağlanamıyorsa, teknik çizim ÜN-KOÇ tarafından çizilmekte veya ellerinde bulunan diğer çizimler müşteri tarafından istenen duruma getirilmektedir. Hazırlanan sözleşmeler imzalandıktan sonra, ürünlerin Bağıntılı Malzeme Listesi (BML) hazırlanmaktadır. Eğer firmada ürün için gerekli olan malzemeler yoksa firma bunların teminini sağlamaktadır ve malzemeler gözle kontrol edildikten sonra kalite konusunda herhangi bir probleme sahip değillerse kabul edilmektedir. Siparişteki ürünlerin malzemelerinin ve teknik çiziminin temininden sonra işlerin atölyelere dağıtımına karar verilmesi gerekmektedir. Diğer bir husus ise işçilerin iş yüklerine göre atölyelere atanmasıdır. Ayrıca, işler kapasiteyi aştığı zaman taşeron firmalarda ürünler üretilmektedir. Bu durumda, malzemeler ÜN-KOÇ un atölyelerine değil de taşeron firmaya nakledilmektedir. Malzeme tedariği ve üretimlerin nerede yapılacağına karar verildikten sonra sırasıyla kesme, bükme ve delme gibi işlemler üretim sırasında yapılmaktadır. Üretim işlemi bittikten sonra ürünler, temizlenir, boyanır ve paketlenerek hangi atölyede bulunuyorsa diğer parçaları da bu atölyede toplanarak parçaların montaj işlemi yapılmaktadır. Ürünlerin son kontrolü yapılarak, müşteri firmanın istemiş olduğu yere ürünler gönderilmektedir. Yukarıda özetlenen gözlemlere göre şirkette kararlar tek merkezden ve anlık alınmaktadır. Ayrıca, bu kararların insana dayalı olması da verimsiz kararların alınmasına neden olmaktadır. Bu durumu önlemek için bilgisayar destekli bir sipariş işleme karar destek sistemi kurulmasına karar verilmiştir. Bu sistemin girdileri, süreç zamanları ve sipariş çeşitleridir. Bu girdilere göre sistemden elde edilecek çıktılar ise atölye çizelgeleridir. Uygulanacak olan bu karar destek sistemi ile hedeflenen, verimsiz kararların ortadan kaldırılması, toplam üretim süresinin kısaltılması, işlerin toplam gecikme zamanının kısaltılması ve işlerin atölyelere atanma kararının alınma süresinin kısaltılmasıdır.

7 Şekil 5: Sipariş İşleme Süreci

8 4. ÇÖZÜM YÖNTEMİ Gözlemler ışığında problemin belirlenmesinden sonra, problemin modellenmesi için teknik yazın taraması yapılmıştır. Teknik yazın taraması sonucuna göre, Thierauf (984, s. 9 93) ve Turban ve Aronson (988, s ) kitabında karar destek sistemi için üç ana model olduğu gözlemlenmiştir. Bunlar aşağıda gösterilmektedir: Matematiksel modeller, Sezgisel kurallar, Benzetim modelleri. Siparişlerin atölyelere atanmasında birbiçimli paralel makine çizelgelemesi modeli kullanılacaktır. Sonuç olarak, bilgisayar destekli karar destek sisteminden alınacak sonuçların en iyi ya da en iyiye yakın olmasına dikkat edilecektir. 4. MODEL Raporun bu kısmında kontrol edilebilen ve kontrol edilemeyen faktörler, karar değişkenleri ve bunların ışığında oluşturulan matematiksel model anlatılmaktadır. 4.. Kontrol Edilebilen ve Kontrol Edilemeyen Faktörler Karar destek sistemi içerisindeki karar değişkenleri ve parametreleri, kontrol edilebilen ve kontrol edilemeyen faktörler olmak üzere iki başlık altında incelediğimizde, aşağıda gösterilen Tablo elde edilmektedir. Tablo : Karar Değişkenleri, Kontrol Edilebilen ve Kontrol Edilemeyen Faktörler

9 Karar destek sistemi için kurulan matematiksel modeldeki bütün karar değişkenleri kontrol edilebilir faktörlerdir. Örneğin hangi işin hangi atölyede yapılacağı, mevcut işçi sayısı, her malzemenin stok seviyesi ve diğer karar değişkenleri kontrol edilebilen faktörlerdir. Ayrıca karar destek sistemi için elde edilen parametreler de Tablo de yer almaktadır. Örneğin, stoktaki malzeme miktarı kontrol edilebilirken sipariş miktarı kontrol edilememektedir Matematiksel Model Belirlenen semptomların ışığında tanımlanan problem için kurulan matematiksel model çizelgelemeyle ilgili olup gelen siparişlerin değişik amaçlar doğrultusunda beş farklı atölyeye atanmasını anlatmaktadır. Raporun bu kısmında üç değişik amaç için yazılan üç model anlatılacaktır. İlk modelde amaç işlerin toplam gecikmesini ve ikinci modelde de tüm işleri bitirme süresini en aza indirgemek iken üçüncü modelin amacı da harici işçi sayısını en aza indirgemektir. Bu amaçlar doğrultusunda üç matematiksel model oluşturulmuştur. Bu matematiksel modeller birbiçimli paralel makine çizelgelemesidir. Pinedo (995, s ) ilk iki modelin çizelgeleme açısından gösterimlerinin Qm ΣTj ve Qm C max olduğunu belirtmiştir. Bu gösterimler ise sırasıyla toplam gecikmeyi ve tüm işleri bitirme süresini enküçüklemek içindir. Oluşturulan üçüncü modelin amaç fonksiyonu yazında bulunan amaç fonksiyonlarından farklı olduğu için gösterimi yoktur. Matematiksel modelin oluşması için kullanılan indeksler, parametreler ve karar değişkenleri aşağıda detaylı bir şekilde gösterilmektedir. İndeksler; i = Atölye numarası (, 2,, I) j = Parça numarası (, 2,, J) t = Parça pozisyonu (, 2,, J) Parametreler; D j = İş j için teslim tarihi P ij = Atölye i de parça j nin üretim süresi S i = Atölye i için alan kapasitesi O j = parça j nin işgal ettiği alan Karar Değişkenleri;, j parçasının üretimine i atölyesinin t pozisyonunda başlanıyorsa X ijt = 0, aksi halde C ijt = Atölye i de t pozisyonundaki parça j nin tamamlanma süresi Tar jt = t pozisyonundaki j işinin gecikmesi C max = Tüm işlerin bitirilme süresi Bu bilgiler ışığında belirlenen ilk amaç fonksiyonuna göre Model oluşturulmuştur.

10 MODEL (M): Enküçükle Öyle ki; J J Tarjt () j= t= I J X ijt = j (2) i= t= I J X ijt t (3) i= j= J S O X 0 i (4) i j ijt j= J C + P X C i, j, t (5) ijt ij ijt ijt j= J C + D X Tar i, j, t (6) ijt j ijt jt j= X ijt { 0,} Cijt 0 (8) Tar 0 9 jt (7) Yukarıda da bahsedildiği gibi Model için amaç fonksiyonu işlerin toplam gecikmesinin en aza indirgenmesidir ve bu Denklem de gösterilmektedir. Denklem 2 den itibaren kısıtlar gösterilmektedir. İşlerin yalnızca bir atölyedeki bir pozisyona atanmasını Denklem 2 ile sağlarken, Denklem 3 ile her atölyedeki her pozisyonun en fazla bir iş tarafından işgal edilmesi sağlanmaktadır. Yapılacak olan her işin o atölyede kapladığı alanlar toplamı o atölyenin alanından büyük olmaması koşulunu da Denklem 4 sağlamaktadır. Denklem 5 ile bir atölyedeki bir pozisyondaki bir işin tamamlanma süresi o işten önceki işlerin tamamlanma sürelerine eşit olma koşulu sağlatılmaktadır. Bir pozisyondaki bir işin gecikmesi o işin tamamlanma süresinden o işin teslim tarihinin çıkarılmasından büyük ya da eşit olma koşulu da Denklem 6 ile sağlatılmaktadır. Denklem 7 ile bir işin bir atölyedeki bir pozisyonda yapılıp yapılmadığı gösterilmektedir. Eğer yapılıyorsa karar değişkeni bir, yapılmıyorsa sıfır değerini almaktadır. Bir işin bir atölyedeki bir pozisyonda tamamlanma süresi her zaman pozitif bir değer alır bu koşulu da Denklem 8 sağlamaktadır. Benzer durum gecikme süresi için de geçerli olup bu da Denklem 9 ile sağlanmaktadır. İkinci amaç fonksiyonu olan tüm işlerin bitirme süresini en aza indirgemek için, Model 2 oluşturulmuştur. Oluşturulan model aşağıda gösterilmiştir. Bu modelin amaç fonksiyonu Denklem 0 ile gösterilmiştir. Model 2 de tüm işlerin bitim süresini hesaplayabilmek için Denklem ve 2 kullanılmıştır. MODEL 2 (M2): Enküçükle C max (0) Öyle ki;

11 I J X ijt = j () i= t= I J X ijt t (2) i= j= J S O X 0 i (3) i j ijt j= J J PX ij ijt Cmax i I (4) j= t= X ijt Cmax 0 { 0,} Üçüncü amaç fonksiyonu olan harici işçi sayısını en aza indirgemek için Model 3 oluşturulmuştur. Bu matematiksel modelin amaç fonksiyonu Denklem 7 ile gösterilmiştir. Model 3 ün tamamı aşağıda gösterilmiştir. MODEL 3 (M3): I J J Enküçükle Cijt (7) Öyle ki; i= 4 j= t= (5) (6) I J X ijt = j (8) i= t= I J X ijt t (9) i= j= J S O X 0 i (20) i j ijt j= J C + P X C i, j, t (2) ijt ij ijt ijt j= X ijt Cmax 0 { 0,} (22) (23) 4.2 ÇÖZÜM YÖNTEMLERİ Birbiçimli makine çizelgelemesi üzerine üç değişik amaç fonksiyonu düşünülerek üç farklı matematiksel model kurulmuştur. Bu matematiksel modeller polinom zamanda çözülemeyen NP-zor problemler olarak sınıflandırılmaktadır. Başka bir deyişle iş sayısı arttıkça problem çözülememektedir. Ayrıca modeller bir eniyileme yazılımı olan GAMS in 22.6 sürümü ile kodlanarak da çözülmüştür. Ancak büyük iş sayıları için polinom zamanda çözüm alınamamıştır. Çözümleri zor bulunan birleşi eniyilemesi problemleri için kullanılan sezgi ötesi yöntemler çizelgeleme problemleri için de kullanılmaktadır. Sezgi ötesi yöntemlerden olan Genetik Algoritma (GA) bir çözüm

12 yöntemi olarak seçilmiştir. GA nın tercih edilmesinin nedeni karmaşık problemlere kısa zamanda mantıklı çözümler bulmasıdır. Ayrıca son zamanlarda çizelgeleme için sıklıkla kullanılan en iyi yöntemlerden biridir. GA nın uygulanış biçimi Şekil 6 da bir akış üzerinde görülmektedir. 4.3 PARAMETRE ANALİZİ GA daki bazı parametrelerin etkileri deney tasarımı teknikleri kullanılarak çözümlenmiştir. Öncelikle genetik algoritmada kullanılan çaprazlama olasılığı ve popülasyon büyüklüğü farklı seviyelerde alınıp 2 2 çarpımsal deney tasarımı yapılmıştır. Bu test sonucunda çaprazlama olasılığı, elde edilen sonucu etkilemezken popülasyon büyüklükleri ve ikisinin etkileşimi elde edilen sonucu etkilemektedir. Bu yüzden Newman Keuls Test uygulanmıştır. Bu test sonucunda kullanılacak olan parametrelere karar verilmiştir. Çaprazlama olasılığı 0.7 ve popülasyon büyüklüğü 200 alınmıştır. Ayrıca GA ve matematiksel modeller 0, 5, 20 ve 25 iş için çalıştırılmış ve en iyi çözümler ve GA çözümleri karşılaştırılmıştır. Burada en fazla 25 iş için çözdürülmesinin nedeni daha büyük iş sayıları için matematiksel modellerin sonuç vermemesinden kaynaklanmaktadır. Yapılan karşılaştırmaya göre sapmanın 0,0 olduğu tespit edilmiştir. Yani kurgulanan GA en iyi çözüme çok yakın sonuçlar vermektedir.

13 Şekil 6: Genetik Algoritma için Akış Şeması 5. DOĞRULAMA VE GEÇERLEME Doğrulama ve geçerleme doğru sonuçların elde edilip edilmediğinin kontrol edilmesi açısından oldukça önemli bir bölümdür. Bu yüzden projenin bu bölümünde, doğru bir model oluşturulması için doğrulama yapılmıştır. Geçerlemede ise, firmanın eski bir verisi ile kurulan sistem karşılaştırılmıştır. 5. DOĞRULAMA Model oluşturulurken, oluşturulan modelin doğru sonuç verip vermediğini test etmek için doğrulama uygulanılır. Bu projede oluşturulan üç farklı modelin doğrulaması yapılmıştır. İlk olarak kurulan matematiksel modellerin tasarımı doğrulanmıştır. Bu yüzden, ilk olarak amaç fonksiyonları düşünülerek oluşturulan modeller doğrulanmaktadır. Modeller toplam gecikme ve toplam bitirme süresi için net olarak

14 hesaplanır. Daha sonra da eniyileme yazılımı olan GAMS in 22.6 sürümünde hazırlanan kodlamaların da doğrulamaları yapılmıştır. 5.2 GEÇERLEME Model oluşturulurken önemli bir nokta gerçek yaşam koşullarını yansıtıp yansıtmaması ve gerçek değerlerle karşılaştırıldığı zaman tutarlı sonuçlar vermesidir. Tablo 2 de firma tarafından tutulan gerçek veriler görülmektedir. Tablodaki veri setine göre model çözüldüğünde, oluşturulan modelin iyi sonuçlar verdiği gözlemlenmiştir. Bu sonuçlar Şekil 7 te gösterilmektedir. Oluşturulan modele göre toplam gecikme sıfır ve tüm işleri bitirme süresi seksen bir olarak hesaplanmıştır. Bunun yanında firmanın değerleri ise toplam gecikme için sıfır, tüm işleri bitirme süresi için ise seksen beş olarak gözlemlenmiştir. Bunun yanı sıra firma harici işçilerin çalışma süresini enküçükleme konusunda bir hesaplama yapmamıştır. Bu yüzden modelimiz gerçek durumu tam olarak yansıtmaktadır. Ayrıca Oluşturulan model gerçekte var olan durumu yansıtıyor mu? sorusu cevaplandığında modelin geçerlemesi sağlanmıştır. Tablo 2: Firmanın Kullandığı Gerçek Veri Seti Sipariş Adı Teslim Tarihi Atölye Atölye 2 Atölye 3 Atölye 4 Atölye 5 Khuni Kkapak Kgövde Kkapak Kgövde Khuni Kkapak Kgövde Kkapak Kgövde Khuni Kkapak Kgövde Kkapak Kgövde Khuni Kkapak Kgövde Kkapak Kgövde

15 Şekil 7: İşlerin Atölyelere Atanmasındaki Gecikmeyi En Azlama 6. KARAR DESTEK SİSTEMİ Bu projenin en önemli basamağı olan Karar Destek Sistemi, oluşumu ve kullanımı açısından bu bölümde anlatılacaktır. Karar destek sistemleri karar verme sürecinde, verileri analiz ederek ve analiz edilmiş verileri yöneticilere sunarak, yöneticilere yardım eden bilgisayar tabanlı araçlardır. Buradan hareketle nesne yönelimli bir programlama dili olan Visual Basic.NET programlama dili kullanılarak bir program yazılmıştır. Nesne yönelimli bir programlama dilinin seçilmesinin esas nedeni bu dilin zengin bir içeriğe sahip olmasından kaynaklanmaktadır. Program yazmak ve bir programın bileşenlerini oluşturmak bu programlama diliyle daha kolaydır. Ayrıca, kullanıcı ara yüzü tasarlamak için de çok kullanışlı bir programlama dilidir. Kodlanan programın akışı Şekil 8 te görülmektedir. Girdi Sipariş Bilgisi Şu anki Durum Genetik Algoritma User Genetik Algoritmanın Çalıştırılması Proses Zamanları Teslim Tarihleri Çıktı Siparişlerin Çizelgeleri Şekil 8: Hazırlanan Karar Destek Sisteminin Akışı Hazırlanan karar destek sisteminin esas işlevi, proses zamanları ve teslim tarihlerinin girdi olarak sisteme ara yüz vasıtasıyla işlenmesinden sonra, kurulan karar destek sisteminin arkasında genetik algoritmanın çalıştırılmasıyla atölye çizelgeleri

16 oluşturmaktır. Atölye çizelgeleri üretilecek ürünlerin atölyelere atanmasıyla oluşturulur. Bölüm 4.2. de de bahsedildiği gibi bu atama sırasında üç farklı amaç göz önünde bulundurulabilir. Bu amaçlar: Toplam gecikmeyi en aza indirgemek, Bütün işlerin tamamlanma süresini en aza indirgemek, Harici işçilerin çalışma süresini en aza indirgemek olabilir. Sonuçlar da bu seçilen amaçlara göre farklılık gösterebilir. Mesela, toplam gecikmeyi en aza indirmek amacı seçilirse, toplam gecikmenin sıfır ya da sıfıra yakın olacağı bir çizelge sonuç olarak elde edilir. Tasarlanan KDS nin işlevsel özellikleri aşağıda sıralanan maddelerde açıklanmıştır. İşçi Atanması: İşlerin atölyelere ataması yapılırken KDS arkasında GA yı çalıştırmaktadır ancak her hangi bir algoritma çalıştırmadan işçilerin de işlere atanması için KDS kullanıcıya bir kolaylık sunmuştur. Böylece işçilerin durumları kolayca görüntülenebilir. Atölye ve işçi kullanımı: İşçilerin ve atölyelerin kullanımı da yüzdesel ifadelerle kolaylıkla gözlemlenebilir. Aşamalara göre iş takibi: İşler için bazı aşamalar tanımlanmıştır. Bu aşamalar, tamamlandı, işlemde, kesildi, iptal edildi ve başlamadı dır. Ana pencereden işlerin karşısında bulunan çekme menüsünden tanımlanan bu aşamalar seçilebilir. Ayrıca seçilen her aşamayla ilgili ikonlar da işlerin başında belirmektedir. Bu aşama seçimi için bir ara yüz örneği Şekil 9 da gösterilmiştir. İşler ve proses sürelerinin manüel girişi: KDS hazırlanırken bir de firmanın silo ürünleriyle ilgili bir veri tabanı hazırlanmıştır. Bu veri tabanı kullanılabileceği gibi kullanıcı diğer ürünlerle ilgili bilgileri manüel olarak da sisteme girebilir.

17 Şekil 9: Aşamalara Göre İş Takibi Karar destek sistemlerinin en önemli özelliği kullanıcıya bir karar verirken yardımcı olmasıdır. Kullanıcı esaslı olan bu yazılımların kullanıcı dostu olması çok önemlidir. Bu KDS oluşturulurken de kullanıcı göz önünde bulunduruldu. KDS nin kullanıcı dostu özellikleri aşağıda anlatılmıştır. Farklı alternatiflerin görüntülenmesi: GA nın oluşturacağı çıktıların görüntülenmesi dışında kullanıcının kendi gireceği değişik çizelgeler de görüntülenebilir. Bunun için sonuç penceresindeki işlerin atanması istenen atölyelere sürüklenerek bırakılması yeterlidir. Bir Sonuç Penceresi örneği Şekil 0 da gösterilmiştir.

18 Şekil 0: Sonuç Penceresi İşler, atölyeler ve işçilerin Gantt çizenekleri: KDS lerde kullanıcıya yardımcı olmak için görsel öğelerden sıkça yararlanılmaktadır. Oluşturulan bu sistemde de bu amaçla işler için Gantt çizenekleri oluşturulmuştur. (Şekil ) Şekil : İşler için Gantt Çizeneği Temel dosya İşlemleri: Bu sisteme temel dosya işlemleri de eklenmiştir. Bunlar dosyayı aç, yeni bir dosya aç ve kaydet işlemlerine gibi işlemlerdir. Bunlara dosya menüsünden ulaşılabilir. (Şekil 2)

19 Şekil 2: Temel Dosya İşlemleri Toplu sipariş girişi: Siparişler sisteme birer birer ya da toplu halde girilebilir. Değişik amaçlara göre çözüm elde etme: Algoritma menüsünden farklı amaç fonksiyonları seçilerek farklı sonuçlar elde edilebilir. (Şekil 3) Şekil 3: Algoritma Menüsü

20 6. KARAR DESTEK SİSTEMİNİN FİRMAYA SAĞLAYACAĞI AVANTAJLAR Şirketlerin var oluş amacı para kazanmaktır. Bu nedenle de maliyeti arttıracak her türlü eylemden kaçınırlar ve maliyeti düşürmenin yollarını ararlar. Bu KDS nin firma için en büyük artısı hiç bir ücret ödemeden kendileri için yazılmış olan bu yazılıma sahip olmalarıdır. Bu sistemin kurulumu da firma açısından bir sorun teşkil etmeyecektir çünkü kurulumu kısa süren bu programı projenin grup elemanları firmadaki bilgisayarlara yükleyeceklerdir. Kurulum kolaylığından sonra kullanım kolaylığı da kullanıcıların programı tercih etmesi için önemli bir etkendir. Bu program hazırlanırken kullanıcı her aşamada düşünülmüş ve karmaşık olmayan, kolay anlaşılan ve kullanılan bir program olmasına özen gösterilmiştir. Zaten kullanıcıya proje grup elemanları tarafından programın nasıl kullanılacağı örneklerle de anlatılacaktır. Veri tabanı sadece firma ürünlerinden silolar için hazırlanmış olsa da, KDS de yeni iş tanımları kolaylıkla yapılabilmektedir. Yeni iş tipleri eklemek, silmek, onların verilerini girmek, çok temel düzeyde bilgisayar kullanan biri için bile çok kolaydır, hiç bir zorluk teşkil etmemektedir. Bu program gelen siparişlerin atölyelere atanırken yöneticiye yardımcı olması amacıyla yazılmıştır. Eğer ilerde ÜN-KOÇ bütün atölyelerini kapatıp üretimine tek bir fabrika çatısı altında devam edecek olursa, bu programı hala kullanabilir. Çünkü çizelgeleme üretimde sürekli karşılaşılan bir problemdir ve fabrika ortamında da çok farklı çizelgeleme amaçları için kullanılabilir. Mesela, makine çizelgelemesi için kullanılabilir. Çizelgeleme amacıyla yazılan bu program yukarıda da bahsedildiği gibi ÜN-KOÇ un gelecekte de kullanabileceği bir program olmasının yanında, çizelgeleme amacıyla her firma tarafından da kullanılabilir. 7. SONUÇ Bu projenin amacı ÜN-KOÇ için sipariş işleme sürecinde kullanılacak bir karar destek sistemi kurmaktır. Bu yüzden, bu projede ilk olarak ÜN-KOÇ ta sistem analizi yapılmıştır. Sistem analizi yapılırken üzerinde çalışılan ana noktalar firmanın üretim sistemi, üretim süreci ve karar verme sürecidir. Ayrıca çalışılacak alanın daha iyi tanınması açısından mikro sistem analizi yapılmıştır. Mikro sistem olarak karar alma süreci seçilmiştir. Semptomlar ve problem mikro sistem analizinin sonucu olarak belirlenmiştir. Tanımlanan probleme göre modele ve çözüm araçlarına yapılan teknik yazın taraması yardımıyla karar verilmiştir. Sipariş işlemede KDS için en iyi çözüme, matematiksel model yardımıyla ulaşmanın uygun olduğu saptanmıştır. Bu tür çalışmalar için diğer alternatif çözümlerse sezgisel yöntemler ve benzetim modelleridir.

21 Tanımlanan endeksler, parametreler ve karar değişkenleri yardımıyla üç farklı matematiksel model kurulmuştur. Karar değişkenleri modeller için iki gruba ayrılmıştır. Bunlar, kontrol edilebilen ve edilemeyen karar değişkenleridir. Farklı amaç fonksiyonlarına sahip modellerin en temel amacı işlerin beş atölyeye atanmasıdır. Bu model tipi teknik yazında birbiçimli paralel makine çizelgelemesi olarak sınıflandırılmaktadır. Modellerin amaç fonksiyonları toplam gecikmeyi, tüm işlerin bitirme süresini ve harici işçilerin çalışma süresini en aza indirmektedir. İşlerin işlem süreleri modeller çözülürken parametre olarak kullanılmıştır. Modellerin çözümünden sonra elde edilen sonuçlara göre, hangi atölyede hangi ürünün üretileceğine karar verilmektedir. Böylece, üç farklı sonuç elde edilmektedir. Bu üç seçenek sonucunda firma en uygun çözümü isteklerine göre kullanabilecektir. Kurulan modeller eniyileme yazılımı olan GAMS 22.6 sürümüne göre kodlanmıştır ve bu yazılım paketinde çözdürülmüştür. Alınan sonuçlara göre, iş sayısı arttırıldığında modellerin çözülemediği tespit edilmiştir. Bu tür çizelgeleme modelleri teknik yazınlarda NP-zor diye tanımlanmaktadır. Matematiksel modeller NP-zor olarak tanımlandığından, çözüm yöntemi olarak sezgi ötesi yöntemlerden biri olan Genetik Algoritma (GA) kullanılmıştır. GA nın seçilmesinin sebebi ise, çizelgeleme modelleri için en iyi sonuçları veren algoritmalardan biri olmasıdır. Bu yüzden, GA teknik yazınları araştırılmıştır ve GA hakkındaki bilgilerin detayları uygulamadaki terim dizgesi ve parametreler olarak öğrenilmiştir. Bu bilgiler ışığında, GA üç farklı model için arttırılan iş sayılarıyla çözdürülmüştür. GA nın performansını belirlemek için deneysel tasarım tekniklerinden eniyileme benzetim uygulamaları kullanılarak parametre analizi yapılmıştır. Bu analizler, GA nın parametrelerinden olan çaprazlama olasılığı ve başlangıç popülasyon büyüklüğü için uygulanmıştır. Bundan dolayı, 2 2 çarpımsal tasarım MINITAB yazılım paketi kullanılarak uygulanmıştır. GA da kullanılacak olan parametrelerin değerleri bu çarpımsal tasarım sayesinde çaprazlama olasılığı 0.7 ve popülasyon büyüklüğü 200 olarak belirlenmiştir. GA için parametreler belirlendikten sonra, GA ve matematiksel model 0, 5, 20 ve 25 iş için çözdürülmüştür. Çünkü matematiksel model NP-zor olduğu için en fazla 25 iş için çözülebilmektedir. Her amaç fonksiyonu için çözdürülen modellerin yüzdelik performans değerleri GA ve matematiksel modeller için karşılaştırılmıştır ve bu performans karşılaştırması farklı sayıdaki işler için hesaplanmıştır. Buradan elde edilen sonuca göre GA nın en iyi sonuca çok yakın değer verdiği tespit edilmiştir. Modeller kurulduktan sonra doğru sonuçlara sahip olmak için, doğrulama ve geçerlilik sınaması yapılmıştır. Kurulan modeller amaç fonksiyonları için doğrulanmıştır. Firmanın işlerin üretimi için kullanmış olduğu çizelge verileri firmadan alınarak ve GA da üç farklı amaç fonksiyonu firmadan alınan gerçek verilerle çözdürülmüştür. Bu sayede, firmanın kararları kodlanan algoritma sayesinde geliştirilmiştir. GA nın sipariş işleme için KDS uygulaması Visual Basic.Net nesne yönelimli programlama dili kullanılarak kodlanmıştır. Özellikle kodlamada bu programlama dilinin tercih edilmesinin sebebi nesne yönelimli programlama dilinin zengin içeriğe sahip olmasıdır. Bu programlama dili kullanılarak yeni bir bilgisayar programı yazmak ve onun bileşenlerini kurmak diğer programlama dillerine göre daha kolaydır ve

22 kullanıcı ara yüzü geliştirme açısından da oldukça kullanışlıdır. Ayrıca, hazırlanan program firma tarafından kolayca kurulabilmektedir. İşçiler, işlere manüel olarak atanabilir. Böylece işçilerin durumları, işçilerin ve atölyelerin kullanımı bu ara yüzde kolayca görüntülenebilmektedir. İşlerin iptal edildiği veya süreçte olduğu gibi bazı aşamalar da ara yüzde görülebilmektedir. Bu KDS çalıştırılırken, daha önce tanımlanan işler de görüntülenebildiği gibi manüel giriş de yapılabilmektedir. KDS lerin en önemli özelliği kullanıcıya bir karar verirken yardımcı olmasıdır. Bu yüzden GA nın oluşturacağı çıktıların görüntülenmesi dışında kullanıcının kendi gireceği değişik çizelgeler de görüntülenebilmektedir. KDS lerde kullanıcıya yardımcı olmak için görsel öğelerden sıkça yararlanılmaktadır. Oluşturulan bu sistemde de bu amaçla işler, atölyeler ve işçiler için Gantt çizenekleri oluşturulmuştur. Bu sisteme temel dosya işlemleri de eklenmiştir. Siparişler sisteme birer birer ya da toplu halde girilmektedir. GA için farklı amaç fonksiyonları seçilerek farklı sonuçlar elde edilebilmektedir. Proje başlarken belirlenen hedefler bağlamında sistem için planlanan her şey yapılmıştır. Bu hedeflerden bütün işlerin toplam gecikmesini azaltmak, işlerin bitirme süresini azaltmak ve harici işçilerin çalışma süresini azaltmak uygulanan GA ile başarılmıştır. Mevcut sistemle ve planlanan sistem arasında karşılaştırma yapılarak, uygulanan sistemde %4.7 gelişme olduğu hesaplanmıştır. Hesaplanan bu sonuç firmanın eski verisindeki bir işi bitirme süresiyle, tasarlanan sistemin verdiği çıktının karşılaştırılmasıyla elde edilmiştir. Ayrıca karar verme süresi de hazırlanan bilgisayar tabanlı KDS ile kısaltılmıştır. Firma yöneticisi siparişlerin teslim süresini kısıtlı bir zaman içinde yani yaklaşık bir gün içinde belirlemektedir, aslında bu zaman dilimi iş dünyasında oldukça uzun bir zamandır. Buna rağmen, planlanan sistemde, farklı alternatifler sağlanarak siparişlerin bitirilme süresi bir kaç saniye içerisinde hesaplanmaktadır. Ayrıca, bu sistem firma için verimli sonuçlar vermektedir. Böylece, insana dayalı karar verme proje de amaçlandığı üzere ortadan kaldırılmıştır. Bu projenin en son ve en önemli parçası, KDS nin firma da uygulanmasıdır. Bu program firmadaki bilgisayarlara kurularak projenin sistemde kullanılması sağlanacaktır. Bu program, projede çalışan grup üyeleri tarafından kodlandığı için firma hiç bir şekilde yazılım için ödeme yapmayacaktır. Buna ek olarak, bu program kullanıcı dostu özelliklere sahip olduğu için programı kullanacak olan firma yöneticisi herhangi bir zorlukla karşılaşmayacaktır. Ayrıca, firma yöneticisine ve beyaz yakalı çalışanlara, yani programı kullanacak herkese hazırlanan programın ve algoritmanın kullanımı anlatılacaktır. Bu projenin amacı farklı alternatif sonuçlar ve kullanıcı ara yüzü geliştirerek ÜN- KOÇ ta sipariş işleme için KDS kurmaktır. Bu amaç ürünlerin üretim süreleri kullanılarak gerçekleştirilmiştir. Bu sistem projenin başlarında planlanana göre daha esnek olarak hazırlanmıştır. Buna ilaveten, maliyet çözümlemesi, kesim artıklarının azaltılması ve atölyeler arasındaki uzaklıktan kaynaklanan ürünlerin parçalarının atölyelere transferinin azaltılması amacıyla sistem geliştirilebilir ve bunlar ÜN-KOÇ un gelecek planları arasında sayılabilir.

23 KAYNAKÇA PINEDO, M. (995), Scheduling Theory, Algorithms, and Systems, Prentice Hall, New Jersey. THIERAUF, R.J. (984), Effective Management Information Systems, Charles E. Merril Publishing Co., Ohio. TURBAN, E. and ARONSON, J.E. (988), Decision Support Systems and Intelligent Systems, Prentice-Hall, New Jersey.