ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

Transkript

1 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Banu SARIKAYA YÜKSEK LİSANS TEZİ OTOMOTİV YAN SANAYİNDE BİR ÜRETİM ÇİZELGELEME PROBLEMİNİN İNCELENMESİ ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI ADANA, 2005

2 İÇİNDEKİLER SAYFA ÖZ.I ABSTRACT...II TEŞEKKÜR....III İÇİNDEKİLER... IV ŞEKİLLER DİZİNİ VI ÇİZELGELER DİZİNİ VII 1.GİRİŞ Problemin Tanımı Çalışmanın Amacı Çalışmanın Adımları Tezin Organizasyonu Varsayımlar ÖNCEKİ ÇALIŞMALAR MATERYAL VE METOD Materyal Mevcut Sistem Performans Ölçütleri Metod Mevcut Sistemin Analizi Geliştirilen Algoritmanın Notasyonu Algoritma Öncelikleri Geliştirilen Algoritmanın Akış Diyagramı Algoritmanın Hedefleri Montaj Hattı Dengelenmesinde Simülasyon Tekniği Simülasyon Dilleri ve SIMAN Simülasyon Aşamaları Simülasyonun Avantajları ve Dezavantajları BULGULAR VE TARTIŞMA Performans Ölçütlerinin Değerlendirilmesi Siparişlerin Gelişlerarası Süresi ile Ortalama Akış Süresi...32 IV

3 Siparişlerin Gelişlerarası Süresi ile Maksimum Akış Süresi Siparişlerin Gelişlerarası Süresi ile Geciken Parça Sayısı Sipariş Gelişlerarası Süresi -Erken Biten Parça Sayısı Sipariş Gelişlerarası Süresi -Toplam Geç Kalma Süreleri Sipariş Gelişlerarası Süresi -Toplam Erken Bitme Süreleri SONUÇLAR VE ÖNERİLER 41 KAYNAKLAR ÖZGEÇMİŞ EK EK EK EK V

4 ŞEKİLLER DİZİNİ Şekil 3.1. A ürünü iş akış şeması Şekil 3.2. B ürünü iş akış şeması...16 Şekil 3.3. C ürünü iş akış şeması.. 17 Şekil 3.4. D ürünü iş akış şeması Şekil 3.5. Kuyruktaki bekleyen parçaları dengeleme. 22 Şekil 3.6. Bekleyen parçaların minimizasyonu Şekil 3.7. Toplam iş yükünü dengeleme Şekil 3.8. Geliştirilen Algoritmanın Akış Diyagramı. 25 Şekil 4.1. Gelişlerarası Süre -Ortalama Akış Süresi Şekil 4.2. Gelişlerarası Süre -Maksimum Akış Süresi...34 Şekil 4.3. Gelişlerarası Süre -Geciken Parça Sayısı Şekil 4.4. Gelişlerarası Süre -Erken Biten Parça Sayısı Şekil 4.5. Gelişlerarası Süre -Toplam Gecikme Süreleri Şekil 4.6. Gelişlerarası Süre-Toplam Erken Bitme Süresi VI

5 ÇİZELGELER DİZİNİ Çizelge 4.1. Gelişlerarası Süre Ortalama Akış Zamanı İlişkisi...32 Çizelge 4.2. Gelişlerarası Süre Maksimum Akış Zamanı İlişkisi Çizelge 4.3 Gelişlerarası Süre -Geciken Parça Sayısı İlişkisi Çizelge 4.4. Gelişlerarası Süre Erken Biten Parça Sayısı İlişkisi Çizelge 4.5. Gelişlerarası Süre Toplam Geç Kalma Çizelge 4.6. Gelişlerarası Süre Toplam Erken Bitme VII

6 1. GİRİŞ Banu SARIKAYA 1. GİRİŞ 1.1. Problemin Tanımı İşletmelerin günümüz rekabet ortamında ayakta kalabilmeleri, ürettikleri ürün ya da hizmeti hem daha kaliteli hem de daha ucuza mal etmeleri ile mümkün olmaktadır. Üretim faaliyetleri, her geçen gün gelişen üretim teknikleri ve büyüyen üretim sistemleri nedeniyle karmaşıklaşmış, basit üretim kontrol faaliyetleriyle başa çıkılmaz bir hale gelmiştir. Eskiden basit yaklaşımlarla iş sahipleri tarafından bile kontrol edilebilen üretim faaliyetleri; zaman içinde, kullanılan yöntem, araç ve teknoloji değişikliklerine bağlı olarak karmaşıklaşmış ve ancak üst düzeyde eğitimli ve gelişen yöntemleri takip eden kişilerce yapılmasını zorunlu kılmıştır. Üretim planlama ve kontrol faaliyetleri, üretilecek ürünün belirlenmesi, gerekli donanımın saptanması,ürünlerin istenen sürede, doğru zamanlarda ve istenen miktarlarda üretimini sağlayacak çizelgeleme ve programlama çalışmalarını kapsar. Üretim planlama ve kontrol süreci, uzun dönemli planlama, orta dönemli planlama ve kısa dönemli planlama olarak incelenebilir. Uzun Dönemli Planlama: Kalite ve fiyat seviyelerinin, pazar payı hedeflerinin, üretim gruplarının sermaye gerekleri ve yatırımların gerekliliği açısından olurlu olup olmadığını kontrol eder. Uzun dönemli üretim hedeflerinin yapılması için gerekli tesis, donanım ve işgücü ihtiyaçlarını belirleyerek, firmanın 2 yıldan 10 yıla kadar amaçlarını ve hedeflerini içeren planlama faaliyetlerini belirler (Acar, 1984). Orta Dönemli Planlama: Toplu üretim planlama temel ürün aileleri bazında 18 aya kadar gerekli işgücü ve stok seviyelerinin toplam üretim maliyetlerini minimize edecek şekilde belirlenmesidir. Ürün Talep Tahmini: Belli ürünler ve yedek parçalar için talep tahminlerinin yapılmasını sağlar. Bu tahminler toplu üretim planı ile bütünleştiğinde ana üretim çizelgesi ortaya çıkar. Ana Üretim Çizelgesi: Her bir son ürün için üretim miktarlarının ve tarihlerinin belirlenmesidir. Genellikle 6-8 hafta gibi kısa dönemler için sabitlenir. 1

7 1. GİRİŞ Banu SARIKAYA Yaklaşık Kapasite Planlama: Kapasite kısıtlarının olup olmadığını, yeterli ekipman ve işgücünün mevcudiyetini ve önemli tedarikçilerin yeterli kapasiteye sahip olup olmadığını kontrol eder (Acar, 1983). Kısa Dönemli Planlama: Malzeme planlama da belirlenen son ürün ihtiyaçlarını planlar ve alt montajlara kadar detaylandırır. Malzeme planı, parçaların veya alt montajların üretilmesi veya satın alınması için gerekli iş emirlerini belirleyerek, ürünlerin üretim çizelgelemesine göre üretilmesini sağlar. Kapasite İhtiyaçları Planlama: Malzeme planında görülen planlanmış ve açık iş emirlerine kapasite planının geçerliliğinin kontrolüdür. Girdi/Çıktı Planlama ve Kontrol: Malzeme planında çıkartılan taleplerin ve kapasite kullanımına ait çeşitli periyodik raporların çıkartılmasıdır. Üretim Faaliyetleri Kontrolü: Çizelgeleme ve atölye kontrol faaliyetlerini kapsayan yeni bir kavramdır. Üretim tesislerindeki günlük faaliyetlerin planlanması ve kontrolüdür. Bu noktada ana üretim çizelgelemesi günlük iş programları önceliklerine dönüştürülür. Atölye tipi üretim sistemleri; yapısı itibarıyla üretim kontrolünün ve çizelgelemesinin yapılması en zor olan üretim sistemleridir. Atölye tipi üretim sistemlerinde çok sayıda sipariş olması ve her siparişin kendine özgü bir işlem sırasının bulunması ve işlem sırasına bağımlı hazırlık süreleri çizelgeleme problemini çok daha zor ve karmaşık hale getirecektir. Bu sebeple her geçen bu konudaki çalışmalar artmakta ve yeni yaklaşımlar geliştirilmeye çalışılmaktadır (Acar, 1983). Bu çalışmada, otomotiv sektöründe yer alan bir yan sanayi firmasının üretim hattı incelenmiş olup istasyonlar üzerinde simülasyon tekniği araç olarak kullanılarak bir takım analizler yapılmış ve elde edilen sonuçlar irdelenmeye çalışılmıştır. Özellikle otomotiv sektörünün seçilmesinin nedeni, sektörün müşteri ihtiyaçlarının sürekli değişmesi, buna uygun olarak teknolojinin hızla gelişmesi ve rekabetin yoğun olarak yaşanmasıyla birlikte montaj hattının bu sektörde özellikle rastlanan bir üretim sistemi olmasıdır. 2

8 1. GİRİŞ Banu SARIKAYA 1.2. Çalışmanın Amacı Atölye üretim sistemlerinde yukarıda bahsedildiği gibi çok sayıda sipariş olması ve her siparişin kendine özgü bir işlem sırasının bulunması ve işlem sırasına bağımlı hazırlık süreleri nedeniyle çizelgeleme problemi çok daha zor ve karmaşık hale gelmektedir. Bazı statik atölye tipi üretim sistemleri için optimal çözüm bulan üretim çizelgelemeleri yaratmak mümkün olduğu halde, sistemler çoğunlukla dinamik bir yapıya sahip olduklarından optimal çözüm yerine optimal sonuca yakın değerler veren çizelgeleme algoritmaları kullanılması neredeyse zorunlu bir hal almıştır. Her sistem için gerçekleştirilmesi istenen performans ölçütü aynı olmayabilir, yada çizelgeleme kuralları sistem için bazı performans ölçütlerinde çok iyi sonuçlar verdikleri halde bazılarında kötü sonuçlar verebilirler. Genel olarak çizelgeleme kurallarının hedefleri: - Gecikme sürelerinin minimizasyonu, - Geciken iş sayısının minimizasyonu - Ara stok düzeyi minimizasyonu - Akış zamanlarının azaltılması - Makine kullanım oranlarının ayarlanması - Hazırlık sürelerinin azaltılması olarak sıralanabilir. Bu çalışmada geliştirilen algoritma ile hedeflenen amaç ise şöyledir: - Siparişlerin gecikme sürelerinin minimizasyonu, - Makinelerin kullanım kapasitelerinin dengelemesi 3

9 1. GİRİŞ Banu SARIKAYA 1.3. Çalışmanın Adımları Çalışma aşağıdaki sırayı izlemektedir 1. Problemin tanımı, amacı, adımları ve varsayımları belirlenmiştir. 2. Detaylı bir şekilde geçmiş çalışmaların araştırması yapılmış ve bu teze olan katkıları ortaya çıkarılmıştır. 3. Analiz edilecek olan problem için algoritma geliştirilmiştir. 4. Geliştirilen algoritmanın mevcut sisteme göre performansının güçlü ve zayıf yanları ele alınmıştır. 5. Karşılaştırma yapılacak algoritmalar seçilmiştir. 6. Performans kriterleri ile geliştirilen algoritma ve mevcut sistem karşılaştırılmıştır. 7. Simülasyon deneyinde kullanılacak model tasarlanmıştır. 8. Algoritma için simülasyon modeli çalıştırılarak sonuçlar şekil ve çizelgeler ile özetlenmiştir. 9. Geliştirilen algoritma ile başka sezgisel algoritmaların karşılaştırılması yapılmıştır. 10. Sonraki çalışmalar için öneriler ve sonuçlar vurgulanmıştır Tezin Organizasyonu Tez organizasyonunun ilk adımı, problemin tanımı, çalışmanın amacı, adımları, tezin organizasyonu ve varsayımlardan oluşan giriş bölümü ile başlamaktadır. Geçmiş yıllarda yapılan çalışmaların incelenmesiyle oluşan literatür taraması ise ikinci adımı oluşturmaktadır. Üçüncü bölüm olan materyal ve metotta, sistemin genel özellikleri belirlenecek, geliştirilen algoritma, performans kriterleri, algoritmayı uygulamak için araç olarak kullanılan simülasyondan ve SIMAN simülasyon programlama dilinden bahsedilecektir. Bu sonuçların analiz edilmesi ve açıklanması ile literatürdeki mevcut çalışmalarla karşılaştırılması bulgular ve tartışma bölümü olan dördüncü bölümü oluşturmuştur. 4

10 1. GİRİŞ Banu SARIKAYA Sonuçların ve ileride konu ile ilgili yapılabilecek çalışmalara ışık tutabilecek bir takım önerilerin geliştirilmesiyle de son bölüm olan sonuçlar ve öneriler ile çalışma noktalanmıştır Varsayımlar Çalışmada sistem ile ilgili olarak aşağıdaki varsayımlar ele alınmıştır; İstasyonlarda arıza söz konusu değildir, belirlenen kapasite doğrultusunda çalışılmaktadır. Siparişler tek parti halinde üretilmektedir. Sipariş bölünmesi yapılamaz. Kaynak yetersizliği v.b. dolayısıyla fazla mesai yaptırılamaz. Aynı işi yapan istasyonlar aynı kapasiteye sahiptirler. İş istasyonları arasında taşıma süreleri ihmal edilmiştir. İstasyona gelen sipariş reddedilemez. Kalitesizlik v.b. durumlardan dolayı siparişlerin tekrar ele alınması söz konusu olamaz. Hazırlık zamanı iptal edilmiştir. 5

11 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA 2. ÖNCEKİ ÇALIŞMALAR Anderson, A., Nyirenda, B., (1990), gecikme zamanlarını minimize etmek için, öncelik kurallarını incelemişler ve simülasyon teknikleri ile test etmişlerdir. Biri, en kısa işlem zamanı ile kritik oran kurallarının kombinasyonunu diğeri, teslime kalan zamanın kalan iş zamanı olmak üzere iki dağıtım kuralını dikkate almışlar ve diğer tekniklerden daha iyi performans verdiklerini gözlemişlerdir. Stern, D., Avivi, S., (1990), firmalarda siparişlerin kapasitesinin çok üzerinde olduğu bir sistemi incelemişlerdir. Siparişlerin tesliminde teslim edilmesi şartıyla, kabul edilecek siparişlerin satış gelirini maksimize edecek şekilde, siparişlerin bazılarının red edilmesi gerektiğini ve red edilecek siparişlerin tespit edilmesi konusunda çalışmalar yapmışlardır. Gerçek sistemlerden alınan verilerle, geliştirdikleri algoritmanın en iyi sonuçtan en kötü durumda %4 sapma yaptığını ifade etmişlerdir. Chang, E., Sullivian, C., (1990), siparişlerin sıklık zamanlarının belli olmadığı, her işlem için alternatif makinaların bulunduğu dinamik atölye tipi bir işletme için Giffer ve Thampsons un (1960) buldukları sezgisel metodu geliştirmişlerdir. Bu metod, dinamik üretim sistemi için olabilecek tüm çizelgeleme alternatiflerini üretmekte, yalnız Giffer ve Thampsons un metodu ile büyük çaplı işletmelerin çizelgelemelerin hazırlanması çok fazla bilgisayar zmanı almasından dolayı verimli kullanılamazken, Chang ve Sullivian oluşturulabilecek tüm çizelgelemelerin sayısını azaltmak için, siparişlerin teslim zamanlarına, makinalara proses rotasına göre işleri gruplandırmışlardır ve algoritmayı geliştirerek hem büyük çaplı işletmeler çizelgelenebilmiş hem de çizelgeleme hemen revize edilerek herhangi beklenmedik olay durumunda da performans kriterlerine uygun çizelgeleme yapabilmişlerdir. Stoyenko, S., Georgiadis, E., (1991), gecikme zamanları konusunda yapılan çalışmaları incelemişler ve EDD, teslim zamanı en küçük olan birinci önceliklidir, dağıtım kuralının kısıtlı iş sayısı olan ve işlem sürelerinin, teslim zamanlarının, 6

12 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA işlerin sisteme gelme zamanların bilindiği sistemlerde, gecikme zamanlarının minimize edilmesi konusunda en iyi sonuçları verdiğini ifade etmişlerdir. İşlem sürelerinin, işlerin sisteme varma zamanlarının, teslim zamanlarının ve işlerin sınırsız olduğu bir sistemde, gecikme zamanlarını minimize etme konusunda EDD kuralını ele almışlardır. EDD kuralının, gecikme zamanlarını işlerin geliş zamanlarının çok sık olduğu durumlarda dahil minimize ettiğini, sistemde bir işin akış süresini maksimize ettiğini, sistemde teslimi gecikmiş işin var olduğu süreyi minimize ettiğini belirtmiştir. Aynı sistemde EDD ve SPT (En kısa işlem süresine sahip olan işin önceliği) kuralının kombinasyonu şeklindeki dağıtım kuralını ele almışlardır. Bu kuralın geciken iş sayısını daha fazla azalttığını, diğer performans kriterlerinde belli fark olmadığını belirtmişlerdir. Lio, I., You, G., (1992), m makineli n işli atölye tipi üretim sisteminde çizelgeleme problemine tamsayı programlama tekniği ile yaklaşmışlardır yılındaki Manne modelini kendilerine baz almışlar ve amaç fonksiyonuna, alt ve üst sınırlar getirerek ve Manne nin tamsayı olarak tanımladığı bazı değişkenleri sürekli değişken olarak tanımlayarak bilgisayardan çok daha kısa sürede sonuçlar alabilmişlerdir. Tüm işlerin tamamlanma süresi ve akış zamanlarını azaltma kriterlerinde olumlu sonuçlar vermemiştir. Serafini, I., Sperenza, Z., (1992), tekstil endüstrisinde üretim çizelgeleme konusunda çalışmalar yapmışlardır. Toplam gecikmeyi minimize etmeyi hedefledikleri çalışmalarında, tüm tezgahların aynı olduğu, siparişlerin müşteriyle anlaşılarak teslim edildiği bir sistemi analiz etmişlerdir. Gecikmeyi minimize etmek için, ne zaman tezgaha tipin girilmesi ve kaç tezgahta ne kadar miktarda olması gerektiğini belirlemek gerektiğini ifade etmişlerdir. Doğrusal programlama yaklaşımıyla probleme çözüm getirmişlerdir ve optimal çözümü bulmanın mümkün olduğunu, fakat bilgisayarda hesaplama zamanının hala ciddi bir problem olduğunu belirtmişlerdir. Nakasuka, Y., Yoshida, B., (1992), atölye tipi üretim sistemlerinde kullanılan dinamik kuralların, gerçek sistem bilgisinden yoksun olarak hazırlandığını, bu sebeple noksanlıkları olduğunu ifade etmişlerdir. 7

13 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA Geliştirdikleri sistem, bir yandan gerçek üretim sistemini analiz etmekte ve SPT (Shortest Proses Time), MST (Minimum Slack Time) ve SRPT (Shortest Remaining Proses Time) dağıtım kuralı kullanarak çizelgeleme yapmakta ve üç dağıtım kuralından en iyi sonucu vereni uygulamakta, oluşan kısıtları kaydetmekte ve ikili karar ağacı sistemi ile çözüm üretmişlerdir. Sun, D., I.in, L., (1994), her bir işin kendine ait bir işlem rotasının bulunduğu, her bir makinenin aynı anda bir iş yapabildiği, bir işlem yapılırken, işlem bitene kadar kesinlikle durdurulmadığı ve her bir işlemin ne kadar süreceği kesin olarak önceden bilindiği varsayılarak n işin m makinenin bulunduğu dinamik yapıya sahip atölye tipi üretim sistemlerinde çizelgeleme problemine, MRP ve JIT sistemlerinde kullanılan geri çizelgeleme yöntemini kullanarak çalışmalar yapmışlardır. Birçok statik geri çizelgeleme problemi çözülerek, sistemin bütününün çizelgelemesini yapmışlardır. Ovacık ve Uzsoy un yaptığı çalışmalarda, bir makinenin önünde bekleyen işler kümesi, kesin olarak bilinmemekte iken bu algoritmada bilinebilmekte ve ilk işlemine başlanılacak sipariş belirlenebilmekte ve yeni bir işin teslimini hesaplamak mümkün olmaktadır. Algoritma, bu yönüyle, diğer yaklaşımlara göre üstünlük taşımaktadır. Yalnız, teslim zamanlarının hesaplanmasında, akış zamanlarının minimize edilmesi ve işlerin zamanında bitirilmesi konularında daha iyi sonuçlar alınması için daha fazla çalışmalar yapılması gerektiğini ifade etmişlerdir. Ovacık, M., Uzsoy, R., (1994), hazırlık zamanlarının sürelerinin işlem sırasına bağlı olduğu, tek makineli bir üretim sisteminde hazırlık zamanlarını minimize etmek için geliştirdikleri sezgisel algoritmayı simülasyon modelleri oluşturarak test etmişlerdir. Bu sezgisel algoritmayı tek makine için test edip, dal-sınır tekniği ile bir çok alt problemi çözerek çok karmaşık atölye tipi üretim sistemlerini çizelgelemektedirler. Geliştirilen algoritma, dinamik sistemler için geliştirilmiş olup, çizelgelemenin yapılabilmesi için sistemin, her an için sistemde hangi işlerin 8

14 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA beklediği, o an için işlem görüp görmediği, yapılmamış işlemler, teslim zamanı ve makinalardaki hazırlık zamanları ve duruş zamanlarının bilinmesi gerekmektedir. Atölye tipi üretim sistemlerinde kullanılan dağıtım kurallarından en büyük farkı, sistemin bir kısmını dikkate almaktansa, tüm sistemi bütün olarak dikkate alarak çizelgeleme yapılabilmesidir. Algoritmanın test edildiği üretim sisteminde, sipariş sayısı sınırsız, teslim zamanları, işlem süreleri ve işlerin sisteme gireceği zaman bilinmektedir. Algoritma, her bir makine için t zamanı içinde gerçekleştireceği iş kümesini belirliyor ve bu kümeden en erken teslim zamanına sahip k kadar iş seçiliyor. Bu k kadar iş dal-sınır metodu ile optimal olarak sıralanmaktadır. Çizelgelemesi yapılan bu k kadar işin içinden de x kadar iş çizelgeleniyor ve makineye ataması yapılıyor. Zaman t, çizelgelemesi yapılan işlerin en sonuncusunun bitme süresine eşitlenmektedir. Kalan işler için tekrar aynı işlemler uygulanıyor ve bu tür sistemin çizelgelemesi yapılıyor. Algoritma 1000 ayrı sistemde, 72 parametre kombinasyonu için test edilmiştir. Yapılan simülasyon çalışmalarında, en iyi performans veren değerleri belirlendikten sonra, EDD ve EDD-LI dağıtım kuralından sırasıyla %152, %132 daha iyi sonuçlar verdiği görülmüştür. Stankovic, R., Ramamritham, W., (1994), sistemlerin doğru işletilmesi, elde edilen sonuçların makul olması yanında, bu sonuçların ne zaman elde edildiğinin de önemli olduğunu söyleyerek, çizelgeleme problemlerinde sistemi dinamik olarak ele alan yaklaşımların başarılı olacağını ifade etmişlerdir. Bilaut, C., Roubellat, Z., (1995), her siparişi bir teslim zamanı ve en erken başlama zamanının olduğu, işlerin çok işlevli makinalarda aynı anda yapıldığı bir dinamik üretim sistemi için bir karar-destek modeli tasarlamışlardır. Her kaynak için, işlemlerin öncelik sıraları dikkate alınarak, yapılabilecek işlemlerin grupları oluşturulmuş ve hem gruplar hem de grup içindeki işlemler sıralanarak alternatif çizelgeler oluşturmuşlardır. Ovacık, M., Uzsoy, R., (1995), hazırlık zamanlarının sürelerinin işlem sırasına bağlı olduğu, tek makineli bir üretim sisteminde hazırlık zamanlarını 9

15 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA minimize etmek için geliştirdikleri sezgisel algoritmayı, paralel aynı makineler için simülasyon modelleri oluşturarak test etmişlerdir. Birçok bilgisayar hesaplamaları yaparak, diğer dağıtım ile kıyaslamışlar ve hem ortalamada hem de en kötü değerlerde geliştirilen algoritmanın, belirlenen performans kriterlerine göre daha iyi sonuç verdiğini gözlemlemişlerdir. Geliştirilen algoritmanın, gelen siparişlerin makine kapasitesinden fazla olduğu sistemlerde, çok daha etkili olduğunu ifade etmişlerdir. Kaschel, A., Teich, C., Kobernik, S., Meier, M., (1995), ise çizelgeleme konusundaki farklı metodların karşılaştırmasını yapmışlardır. Herbir kural iki farklı yolla test edilmiştir. İlk olarak sonradan aktif hale çevrilecek yarı-aktif çizelgeleme için test yapılmıştır. İkinci olarak ise, kural tek adımda aktif çizelge yapmak için gerçekleştirilmiştir. İkinci adımda öncelik kurallarının basit kombinasyonları test edilmiştir. Kopfer, F., Bierwirth, G., Mattfeld, R., Rixen, E., (1995), dinamik üretim çizelgelemede genetik algoritmalardan faydalanmışlardır. Dinamik model üç başlıktan oluşmaktadır; 1. Üretim Sistemi: m adet makine olduğu düşünülmüştür ve bununla beraber sistemin ideal olduğu hiçbir makine bozulmasının gerçekleşmediği varsayılmıştır. Sadece makine ilk olarak kullanılacağında hazırlık zamanı söz konusu olabilir, bunun dışında diğer operasyonlar için hazırlık zamanları göz önünde bulundurulmamıştır. 2. Üretim Programı: n adet iş vardır. (J i...j n ) Herbir iş belli bir sırada planlanmıştır. 3. Performans ölçümü: Makespan değeri ve ortalama akış süresi hesaplanır. Duenyas, E., Van, C., Oyen, S., (1996), tek servisli paralel heterojen kuyrukların olduğu bir sistemde ortalama bekleme maliyetini düşürmeyi hedeflemişlerdir. Öncelikle iki kuyruklu bir sistemde, bir işin diğer kuyruğa geçmesinin en doğru zamanı belirlemek için sezgisel bir algoritma geliştirmişler ve bu kuralı birçok kuyruklu sistemde simülasyon tekniği ile test etmişler, geliştirdikleri sezgisel yöntemin birçok problemde etkili olduğunu ifade etmişlerdir. 10

16 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA Garrido, A., Salido, A., Barber, T., López, W., (1996), üretim çizelgeleme problemini şu şekilde ele almışlardır; J işlemler kümesinde J 1 den J n e kadar işlemler vardır. R ise mevcut kaynaklar kümesi olarak belirtilmiştir ve herbir J i işi Q i operasyonlarından oluşmaktadır. Q i operasyonları teslim zamanlarına ve mevcut kaynaklara göre belirlenmektedir. Başlangıç zamanı S ti olarak kabul edilmiştir. Bu çerçevede üretim çizelgeleme problemine, iki aşamada kısıtların yeterli düzeye getirilmesi olarak çözüm sağlanmaktadır. İlk aşamada; öncelikli kısıtlar belirlenir. Mevcut üretim ile ilgili olarak ağaç diyagramı oluşturulur ve bundan faydalanılır. İkinci aşamada ise kapasite kısıtları tespit edilir. R kümesindeki her bir kaynak yalnızca bir operasyonda kullanılmaktadır. Ayrıca olurluluk ve çizelgenin etkinliği olmak üzere üretim çizelgelemede iki ana unsur olduğunu vurgulamışlardır. Jensen, M., Hansen, T., (1997), üretim çizelgeleme problemlerine robust çözümler sunan bir teknik üzerinde çalışmalarını gerçekleştirmişlerdir. Bu çalışmaya göre makespan değeri bir performans ölçütü olarak düşünülmüştür. Çizelgenin makespan değeri prosesin başlama zamanından en son bitiş zamanına göre tanımlanmıştır. Ayrıca α ve β olmak üzere J (α,β) şeklinde iki binary değişken tanımlanmıştır. Eğer çizelgede α, β dan önce ise J (α,β) 1 değerini, aksi halde 0 değerini alır. Bistline, V., Banerjee, S., (1997), çizelgeleme problemlerinin çözümünde interaktif karar destek sistemi geliştirmişlerdir. Geliştirilen bu sistemin adımları şu şekildedir; 1. Karar vermede önemli olan parametrelerin tanımlanması ve bu parametrelerin ölçülmesi 2. Çizelgeleme parametrelerinin belirlenmesi 3. Bir kontrol parametresinin zaman niteleyici olarak spesifik hale getirilmesi 4. Mevcut sistemin darboğaz oluşturan durumlardan kurtulması için daha iyi bir sistem geliştirilmesi 5. Her bir makinadaki operasyonların gruplandırılması için objektif bir parametrenin tanımlanması 6. Gerçekleştirilecek prosedürün tanımlanması 11

17 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA Luh, H., Zhao, L., Thakur, R., (1998), ise yaptıkları çalışmada h adet makine türü ile I adet çizelgelenecek işlem olduğunu ve işlemlerin k zaman zarfında yapılması gerektiğini belirtmişlerdir. Her bir işlemin teslim tarihi D i dir ve önceliği W i dir. İşlemlerin tamamlanması için sıra ile J i operasyonlarının uygulanması gerekir. Bir makinada yapılacak proses ancak bir önceki operasyonun tamamlanmasıyla gerçekleşebilir, operasyonun yarıda bırakılması söz konusu değildir. Bununla beraber operasyonların sayısı k zamanında h çeşit makine sayısından daha az yada eşit olmalıdır. Çizelgeleme probleminin çözümünde Lagranj çarpanından (LRNN) yararlanılmıştır. Thom, T., Lou, L., Ngin, G., (1998), EDD, SPT ve WINQ kurallarını göz önünde bulundurarak çalışmalarında MQD (minimum kuyrukta bekleme süresi) algoritmasını geliştirmişlerdir. MQD algoritmasının mevcut platform üzerinde simülasyonu gerçekleştirilmiş ve sonuçlar dal-sınır algoritmasını kullanarak ideal durum ile karşılaştırılmıştır. Yapılan deneyler sonucu ideal durum ile MQD algoritmasının verdiği sonuçlar arasındaki maximum fark kabul edilebilir ölçüde küçük çıkmıştır ve bu da MQD algoritmasının kabul edilebilirliğini göstermektedir. MQD algoritmasındaki varsayımları şu şekilde sıralamak mümkündür; 1. Her bir makine belli bir zamanda yalnızca bir işi yapabilir. 2. Bir iş, başka bir proses işleme alınmadan önce tamamlanmalıdır. Kesintiler söz konusu olamaz. 3. Makine sayısı haricinde bir kısıt yoktur. 4. Makinaların bozulmadığı varsayılmıştır. 5. Paralel olarak çalışan makine yoktur. Dirk, C., Mattfeld, F., Christian, B., (1999), çalışmalarında makespan değerinin minimizasyonunu çizelgenin performansını ölçmek için yeterli görmemişlerdir. Çünkü makespan değeri en son teslim tarihine sahip ürüne bağlıdır. Çizelgelemede bunun yerine akış zamanına bağlı başka bir kriter kullanılabilir. Özellikle orta seviyedeki proseslerin devamı için stoktan kaynaklanan elde bulundurma maliyeti konusunda yarar sağlar. 12

18 2. ÖNCEKİ ÇALIŞMALAR Banu SARIKAYA Bu konuda ayrıca, müşteri servisini geliştirmek yada teslim tarihinin gecikmesini önlemek için bir takım kriterler de geliştirilmiştir. Standart atölye tipi üretimde n adet işin uygulanacağı m adet makine vardır. Operasyon proses zamanları sabittir ve bilinmektedir. İşler önceden belirlenen sırada gerçekleşir. Her iş her makinadan belli sayıda geçerek toplam n*m adet operasyon gerçekleştirilir. Tüm işlerin mevcut olan makinaların hepsinden geçmesi şart değilken, herhangi bir makineden birden fazla sayıda işlem gerçekleştirilebilir. Holthaus, H., (1999), ise çalışmasında teslim tarihini objektif olarak ele alıp işlemlerin çizelgelemesini buna göre gerçekleştirmiştir. Yapılan araştırmada Baker (1974), Haupt (1989) ve Ramasesh (1990) in çalışmaları baz alınmıştır. Her operasyon başladığında kesintisiz olarak devam ettirilip tamamlanmalıdır. Gerekli hazırlık zamanları proses zamanlarına eklenir ve taşıma zamanları göz önüne alınmaz. Proses zamanları stokastiktir. Makine boşalınca hangi işin makinaya yükleneceği genelde bir öncelik zamanına göre yapılır. 13

19 3. MATERYAL VE METOD Banu SARIKAYA 3. MATERYAL VE METOD 3.1. Materyal Çalışmanın bu bölümünde otomotiv yan sanayi olarak çalışan bir işletmede üretilen ana mamullerin verimli olarak üretilmesi için gerekli üretim çizelgeleme çalışmaları yer almaktadır. İstasyonlarda; delik delme, levye montajı, zımpara, küre çakma, kapak takma, markalama ve yüzey temizleme ve ambalajlama işlemleri gerçekleşmektedir. Her istasyonda ise bu işlemleri gerçekleştiren paralel makineler yer almaktadır. Otomotiv sektörüne parça imalatına yönelik üretim yapan bu işletmede özellikle dört ana ürün üretilmektedir. Firmadaki son iki yılın satış bilgileri bilgileri baz alındığı takdirde A, B, C ve D simgeleriyle ifade edilen bu ürünlerin toplam siparişlerine göre ürün karışım oranları; A için %28, B için %26, C için %20, D için ise %26 olarak sıralamak mümkündür. İşletme politikası gereğince termin süresinin verilmesi ise yapılan son beş işlemin ortalamalarının alınmasıyla belirlenmektedir. Böylece termin süresinin belirlenmesinin dinamik bir yapıya sahip olduğunu vurgulamak da mümkündür. 14

20 3. MATERYAL VE METOD Banu SARIKAYA A ürünü için iş akışı Şekil 3.1. de açıklanmaktadır. Şekil 3.1. A ürünü iş akış şeması Şekil 3.1. de de görüldüğü üzere A ürününün üretiminde gerçekleşen işlemler sırasıyla; Delik delme-levye Montajı- Zımpara- Delik delme- Zımpara-Levye montajı-delik delme- Ambalajlama şeklindedir. 15

21 3. MATERYAL VE METOD Banu SARIKAYA B ürünü için ise iş akışı Şekil 3.2. de açıklanmaktadır. Şekil 3.2. B ürünü iş akış şeması Şekil 3.2. de de görüldüğü üzere B ürününün üretiminde gerçekleşen işlemler sırasıyla; Levye Montajı- Delik delme- Levye montajı- Ambalajlama şeklindedir. Üçüncü ürün olan C ürünü için iş akışı Şekil 3.3. de belirtilmiştir. 16

22 3. MATERYAL VE METOD Banu SARIKAYA Şekil 3.3. C ürünü iş akış şeması Şekil 3.3. de ifade edilen C ürününün imalatında gerçekleşen işlemler sırasıyla; Delik delme- Zımpara- Levye montajı-delik delme- Ambalajlama şeklindedir. D ürünü iş akışı Şekil 3.4. de yer almaktadır. Şekil 3.4. D ürünü iş akış şeması 17

23 3. MATERYAL VE METOD Banu SARIKAYA Şekil 3.4. de yera alan D ürününün üretiminde gerçekleşen işlemler sırasıyla; Zımpara- Delik delme- Zımpara- Levye Montajı- Zımpara-Levye montajı Ambalajlama şeklindedir. Ürünlerini, ana otomotiv sanayi kuruluşlarına mamul olarak ve iç/dış piyasa ihtiyacı için yedek parça olarak üreten işletmede artan otomotiv sanayi üretimi ve yüksek piyasa yedek parça talebi nedeniyle kapasite yetersizliği ve terminlerin zamanında karşılanamama sorunu ortaya çıkmaktadır. Bu nedenle üretim kapasitesinin arttırılması açısından üretim çizelgeleme çalışmalarının önemli katkısı olacağı öngörülmektedir. İşlem benzerlikleri ve ortak işlemlerin bulunması nedeniyle hattın değişik mamuller için hazırlanması kolay ve hazırlık maliyeti düşük olacaktır. Böylece aynı hat üzerinde ürünlerin partiler halinde üretilmesi sonucu sabit maliyetler de düşecektir. Üretim çizelgeleme gerçekleştirerek, istasyon sayısı arttırılarak metot etüdü çalışmaları yapılarak veya bunlar gibi üretim hızını arttırıcı çalışmalarla kapasite yeterli hale getirilebilecektir. Ancak gerekli olan üretimin durmaması açısından ana sanayi kuruluşlarının talebinin zamanında karşılanması ve piyasa talebinin temrini içinde üretilip satılabilmesi, müşteri kaybı ve pazar payının düşmesinin önlenmesi açısından çok önemlidir. Mevcut terminlerin zamanında karşılanabilmesi için bu durumda mamul üretim ve sevkıyat periyotlarının daralması gerekecektir. Bu da değişik mamul partilerinin hatta daha sık girmesi ve üretilecek belli mamul partilerinin miktarlarının azalması durumunu ortaya koymaktadır. Değişik partilerin hatta daha sık olarak girmesi hazırlık çalışması maliyetlerini arttırmaktadır. İncelenen mamullerin üretildiği işletmede imalatı, diğer yan sanayilerde fason olarak üretilen parçaların temini, kalite kontrolü, hatta alınması ve bu parçaların hat üzerinde montajı, kontrolü ve ambalajlanması şeklinde gerçekleştirilmektedir. Üretim programı günlük teslimatlarda ve bunu belirleyen siparişlere göre oluşturulmaktadır. Bu nedenle hatta meydana gelecek arıza ve aksamlar temrin programını önemli ölçüde aksatmaktadırlar. Üretilen mamullerin bir kısmı ana sanayi kuruluşlarında montaj hattına alınmakta, kalanı ise iç ve(ya) dış piyasaya yedek parça olarak sunulmaktadır. 18

24 3. MATERYAL VE METOD Banu SARIKAYA Mevcut Sistem Performans Ölçütleri Mevcut sistemin incelenmesinin ardından belirlenen bir takım performans ölçütleri ile çalışma irdelenmiştir. Materyal olarak kullanılan bu kriterlerin ilişkisi şu şekilde sıralanmaktadır; Siparişlerin Gelişler Arası Süresi & Ortalama Akış Süresi Siparişlerin Gelişler Arası Süresi & Maksimum Akış Süresi Siparişlerin Gelişler Arası Süresi & Geciken Parça Sayısı Siparişlerin Gelişler Arası Süresi & Erken Biten Parça Sayısı Siparişlerin Gelişler Arası Süresi & Toplam Geç Kalma Süresi Siparişlerin Gelişler Arası Süresi &Toplam Erken Bitme Süresi Teslim Süresi-Ortalama Akış Süresi Teslim Süresi-Maksimum Akış Süresi Yukarıda belirtilen performans kriterleri çerçevesinde elde edilen sonuçlar yorumlanarak, karşılaştırılan algoritmalar ile geliştirilen algoritma arasında bir kıyaslama yapılması mümkündür. Elde edilen sonuçların grafiklere aktarılması ile de sipariş geliş hızları için belirtilen aralıklar arasında meydana gelen dalgalanmalar gözlemlenebilecektir. Böylece grafikteki her zaman aralığı için geliştirilen ve karşılaştırılan algoritmaların performansları analiz edilebilecektir. 19

25 3. MATERYAL VE METOD Banu SARIKAYA 3.2. Metod Mevcut Sistemin Analizi Analizi yapılacak olan hat k iş istasyonu bulunan, iş rotası belli n kadar işin geldiği ve d i teslim zamanına sahip bir üretim hattıdır. Hattın özellikleri ile göz önüne alınacak varsayımlar ise şu şekilde özetlenmektedir; İstasyonlarda arıza söz konusu değildir, belirlenen kapasite doğrultusunda çalışmaktadır. Siparişler tek parti halinde üretilmektedir. Sipariş bölünmesi yapılamaz. Kaynak yetersizliği v.b. dolayısıyla fazla mesai yaptırılamaz. Darboğaz oluşturan makineler haricinde başka bir arıza söz konusu değildir. Aynı işi yapan istasyonlar aynı kapasiteye sahiptirler. İş istasyonları arasında taşıma süreleri ihmal edilmiştir. İstasyona gelen sipariş reddedilemez. Kalitesizlik v.b. durumlardan dolayı siparişlerin tekrar ele alınması söz konusu olamaz. Hazırlık zamanı iptal edilmiştir. 20

26 3. MATERYAL VE METOD Banu SARIKAYA Geliştirilen Algoritmanın Notasyonu Geliştirilen algoritmada istasyonların ortalama iş yükleri ortalama kuyrukta bekleme süreleri siparişlerin geriye kalan aylak zamanları gibi birtakım bilgiler gerekmektedir. Dolayısıyla böyle bir algoritma için öncelikle iyi bir veritabanına ihtiyaç vardır. Problem formülasyonu için kullanılan notasyon aşağıdaki şekildedir; i :sipariş numarası i=1,2,3, n k :istasyon numarası k=1,2,3,..s d i z q i S i :i siparişinin teslim tarihi :Üretime başlanan tarih :i siparişinin miktarı (adet) :i siparişinin aylak zamanı (dakika) W k(ort) :k istasyonunun ortalama kuyrukta bekleme süresi (dakika) P k :k istasyonunun kuyruk uzunluğu (adet) P k(ort) :k istasyonunun ortalama kuyruk uzunluğu (adet) P i(k n) :i siparişinin k istasyonundan sonra uğrayacağı bir sonraki istasyondaki kuyruk uzunluğu t ik :i siparişinin k istasyonundaki birim işlem süresi (adet/dakika) t i(k li) :i siparişinin k istasyonundan sonra uğrayacağı istasyondaki birim işlem süresi (adet/dakika) K k M k :k istasyonunda bekleyen gecikmeli parçaların kümesi :k istasyonunda makinelerin yapmakta oldukları işleri bitirme zamanlarının kümesi Y km l i :Atama yapılacak olan k istasyonundaki m makinesi : i siparişinin son istasyonu 21

27 3. MATERYAL VE METOD Banu SARIKAYA Algoritma Öncelikleri Asıl amacı gecikme sürelerinin minimizasyonu olarak saptanan bu algoritmanın önceliklerini şu şekilde açıklamak mümkündür; 1. Öncelik: Kuyrukta beklerken oluşmuş beklemeli parçalar İş istasyonundaki bir işlem tamamlandığında ve yerine hangi parça alınacağına karar verilirken işlem görmek için bekleyen parçaların önce aylak zamanları hesaplanır. En küçük değere sahip olan sipariş işlenmek üzere seçilir. Bu önceliğe göre; S i = d i -z-( t i(k li). q i ) hesaplanır, sonra; S i < 0 değilse üçüncü önceliğe geçilir S i < 0 ise min(s i ) є K k değerine sahip olan parça boş istasyona atanır Şekil 3.5. Kuyruktaki bekleyen parçaları dengeleme 22

28 3. MATERYAL VE METOD Banu SARIKAYA 2.Öncelik: İstasyondaki İş yükünü dengeleme: Gecikebilecek parça olmadığı zaman istasyonlardaki iş yükünü dengelemeye yönelik öncelik ilk olarak göz önüne alınan husus olur. Bu gerekçe ile; her bir iş istasyonunun kuyruktaki parça sayıları hesaplanır. Eğer bu değer ortalama kuyrukta bekleyen parça sayısından çok ise istasyon yoğun olarak çalışmaktadır ve bu yoğunluğu minimize etmek için de kuyrukta bekleyen ve işlem süresi minimum olan parça işlem görmek üzere boş istasyona atanır. Bu önceliğe göre; P k > P k(ort) min(t ik ) değerine sahip olan parça boş istasyona atanır. P k < P k(ort) 3. önceliğe geçilir. Şekil 3.6. Bekleyen parçaların minimizasyonu 23

29 3. MATERYAL VE METOD Banu SARIKAYA 3. Öncelik: Toplam iş yükünü dengeleme Gecikmesi söz konusu olan bir parça olmadığı durumlarda ve istasyon önünde bekleyen parça sayısı ortalama sayının altında olduğu zamanlarda daha sonraki istasyonların kuyrukta bekleyen parçalarını minimize etmek gerekir. Bu gerekçe ile kuyruktaki parçaların bir sonraki istasyondaki işlem süreleri hesaplanır ve minimum süreye sahip olan boş istasyona atanır. Bu önceliğe göre; min(t i(k n) ) değerine sahip olan sipariş boş istasyona atanır. Şekil 3.7. Toplam iş yükünü dengeleme 24

30 3. MATERYAL VE METOD Banu SARIKAYA Geliştirilen Algoritmanın Akış Diyagramı Şekil 3.8. Geliştirilen Algoritmanın Akış Diyagramı 25

31 3. MATERYAL VE METOD Banu SARIKAYA Algoritmanın Hedefleri Rekabetçi piyasada yer alan tüm işletmeler değişen koşullar ile amaçlarında da değişim göstermektedir. Öğrenen bir organizasyon olmak işletmelerin esas hedefi olmakla birlikte müşteri odaklı üretim yapmak da kaçınılmaz olmuştur. Temel amacın müşteri memnuniyeti olması doğrultusunda aşağıdaki hedefler saptanmıştır; Siparişlerin toplam gecikmesinin minimizasyonu İstasyonun iş yükü dengelemesi Üretim Çizelgelemesinde Simülasyon Tekniği Literatürde üretim çizelgeleme problemleri için geliştirilen bir çok yöntem bulunmaktadır. Verimlilik ölçütünü optimize edecek şekilde bir ürünün üretimi için gerekli işlemlerin hattaki iş istasyonlarına atanması olan üretim çizelgeleme problemini, bir sistem olarak ele alıp performansının incelenmesi bileşenlerin etkileşimi sonucuna bağlıdır. Sistemin performans değerlendirilmesi iki adımdan oluşur; birinci adımda matematiksel model kurulur, ikinci adımda model çözülerek sonuç irdelenir. Bu tür sistemlerin kompleks olması nedeniyle simülasyon tekniği, denemeler yapmak ve alternatif sonuçlara ulaşarak yorumlamak için uygun bir yöntemdir. Simülasyon mevcut sistemlerde yapılabilecek değişikliklerin, düzenlemelerin etkilerini önceden görebilmek için bir analiz aracı ve alternatif sistemlerin performansını tahmin etmek için de bir tasarım aracı olarak da kullanılabilir. Yaygın bir teknik olan simülasyon; gerçek bir sistemin veya bir prosesin çalışma zamanı boyunca işleyişinin taklit edilmesidir. Geliştirilen benzetim modeli ile sistemin davranışları yapay olarak bilgisayarda denenir. Bu model genelde sistem işleyişi ile ilgili kabullerden oluşur. Kabuller, sistemin matematiksel, mantıksal ve ilgilenilen objeler arasındaki sembolik ilişkiler olarak ifade edilebilir. Simülasyon; 1. Karmaşık sistemlerin içindeki alt sistemlerle veya sistemin bütünüyle karşılıklı etkileşimlerin deneysel olarak çalışmasına imkan verir. 26

32 3. MATERYAL VE METOD Banu SARIKAYA 2. Sistemin yapısı ve çevre şartları değişiklikleri taklit edilebilir ve bunların model üzerindeki etkileri gözlenebilir. 3. Analitik çözüm metotlarını kuvvetlendirmek için kullanılır. Bütün bu amaçlarla her türlü hizmet ve üretim sektöründe ayrıca akademik çalışmalarda simülasyon tekniği yaygın olarak kullanılmaktadır (Dengiz, 1998) Simülasyon Dilleri ve SIMAN Tanımlanan problemi analiz etmek üzere SIMAN simülasyon dili araç olarak kullanılacaktır. SIMAN da diğer özel amaçlı simülasyon dilleri gibi belli alanlarda uzmanlaşmış ve kendilerine özgü komut setleri içermektedir. Bu dillerin kullanım avantajları genel olarak şunlardır; a) Simülasyon dilleri ile programlama zamanı azaltılabilir. b) Simülasyon diliyle kodlanan bir modelin daha sonra değiştirilmesi kolaydır. c) Simülasyon dilleri ile kodlanmış modelde hata düzeltme imkanı daha kolaydır. SIMAN, SIMSCRIPT, SLAM II en çok kullanılan simülasyon dillerinden olup bu tezde SIMAN IV kullanılmıştır. SIMAN, kesikli, sürekli ve/veya bunların her ikisinin de bulunduğu sistemlerin modellenmesinde kullanılan genel amaçlı bir simülasyon dilidir. SIMAN ın bazı özellikleri aşağıda sıralanmıştır: 1. Üretim sisteminin modellenmesinin basitleştirilmesi ve geliştirilmesi için oluşturulmuş özel amaçlı yapı setidir. 2. Model kurmak, deney tanımlamak ve çıktıları görmek için etkileşimli grafik yeteneği vardır. 3. Simülasyon işletiminin kontrolü ve etkileşimli gözlemlenmesini sağlayacak bir Run Controller dir. 4. Cinema; modellenen sistemin gerçek zamanlı, yüksek yoğunluklu, renkli animasyonunu sağlar. 5. Diğer analiz teknikleriyle bütünleşmeyi sağlayacak modüler bir yapıya sahiptir. 27

33 3. MATERYAL VE METOD Banu SARIKAYA Simülasyon Aşamaları Gerçek sistemlerin davranışlarını araştırmak için kullanılan simülasyon çalışmalarının aşamaları aşağıda verilmektedir. a) Sistemin İncelenmesi: Sistemin sınırlarını, kısıtlarını ve performans ölçütlerini belirleme aşamasıdır. Bu aşamada sistem davranışları gözlenerek sistemin işleyişi hakkında bilgi toplanır. Bu incelemede sistemin alt sistemleri belirlenerek alt sistemler arasındaki etkileşim de saptanır. Sistemin iç işleyişi ile beraber sistemin çevresi ve çevresi ile olan ilişkileri de belirlenir. İnceleme sırasında sistemin işleyişine ilişkin olarak belirlenen problemler ve problemlerin giderilmesi için çözümler geliştirilir. Problemlerin saptanması ve amaçların belirlenmesi sistemin işleyişine ait bilgi ve verilerin toplanmasını, derlenmesini ve yorumlanmasını gerektirir. b) Modeli Formüle Etme: Sistemi mantıksal bir iş akışı diyagramına aktarma işlemidir. Bir benzetim deneyinin planlanmasıyla ilgili çalışmaya başlamadan önce araştırmanın amaçlarının açıkça tanımlanması gerekmektedir. Problemin önceki durumları, problemin son uyarlamasından oldukça farklı olabilmektedir. Çünkü, formülasyonu genellikle devamlılık ve yeniden düzenleme gerektiren ardışık bir işlemdir. Simülasyon üzerinde çalışmaya iki önemli kararı verdikten sonra başlanabilir. İlk olarak, araştırmanın amaçları üzerinde, ikinci olarak da deney tarafından ulaşılan sonuçların doğruluk derecelerini değerlendirmek için bir ölçü üzerinde karar verilir. Belirlenen problemler ve bunların giderilmesine yönelik amaçların gerçekleştirilmesini sağlayacak bir model formüle edildikten sonra, formüle edilen modelin genel amaçlı bir programlama dilinde veya özel amaçlı bir benzetim dilinde bilgisayar programı yazılır. c) Veri Analizi: Modelin gerektirdiği verileri tanımlama, toplama ve onları kullanabilecek ölçülere indirgeme aşamasıdır. Sağlıklı veri derlemek benzetim modelinden sonuç elde etmenin temelini oluşturmaktadır. Simülasyon, gerçeğin temsili olduğuna göre, gerçeğin işleyişi yeterli ve doğru bilgi olmadan gösterilemez. Veri toplama ve kaydetme işlemleri bir arada yapılmaktadır. 28

34 3. MATERYAL VE METOD Banu SARIKAYA Toplanan verilerin ve kayıtların doğruluğunun kontrol edilmesi gerekmektedir. Çünkü bu işlemler pahalıdır ve doğrulama, kodlama düzenleme, hesapların kontrolünde oluşan taslaklar zaman almaktadır. Bir simülasyon modelinde parametre tahmini ve modelin başlangıç değerlerinin belirlenmesi, toplanan verilerle yapılır. Ayrıca geliştirilen modelin gerçeğe uygunluğu, gerçek verilerle değerlendirilebilir. d) Modelin Hazırlanması ve Kodlanması: Bilgisayar ortamında denenecek simülasyon modelinin hazırlanması şu aşamalardan oluşur; 1.Akış şemalarının çizilmesi 2.Kodlama; Genel amaçlı derleyici veya özel amaçlı benzetim dilleri kullanarak model kodlanır. 3.Hataların ayrılması 4.Verilerin kullanılması ve başlangıç koşullarının belirlenmesi 5.Verilerin üretilmesi 6.Çıktı raporlarının üretilmesi Akış şemasının hazırlanmasından sonra özel amaçlı bir simülasyon dilinin kullanılması, bilgisayar zamanından kazanç sağlar. Modelin kodlanmasında hata olasılığı azalır. Bu tezde SIMAN simülasyon dili kullanılmıştır. e) Modelin Geçerliliğini Araştırma: Modelin tüm proseslerinin ve her bir prosesin davranışının gerçek sistemle ve davranışıyla karşılaştırılmasıdır. Model geçerli ise, gerçek sistem için doğru bir benzetim olduğu söylenebilir. Modelde düzeltmeler yapılarak, düzeltilmiş model gerçek sistem ile karşılaştırılır. Ardından gerektiği takdirde modelde ilave düzeltmeler yapılarak yeniden karşılaştırılır. İşlemlerin bu şekilde devam etmesinin sonucunda, gerçek sistemle modelden elde edilen ortalamalar arasındaki fark istatistiksel olarak anlamlı ise, modelin gerçek sistemi temsil eden uygun bir model olduğu kabul edilebilir. f) Deney Tasarımı: İstenilen bilgiyi sağlayacak olan denemelerin tasarımıdır. Burada, farklı şartlar altında benzetim modelinin denenmesine karar verilebilir. Etkin bir çözüm için gerekli deneme sayısı belirlenir. g) Deneme İşlemi: Belirlenen deney tasarımı gereğince modelin denemeleri bilgisayarda yapılır. 29

35 3. MATERYAL VE METOD Banu SARIKAYA h) Çıktı Analizi: Simülasyon modelinden elde edilen çıktılara istatistiksel analiz uygulanarak performans ölçütleri tahmin edilebilir. i) Sonuçların Raporlanması: Modelin sonuçları için rapor düzenleme ve uygulamaya hazırlama aşamasıdır. Belirtilen aşamalar arasında beşinci aşama olan modelin geçerliliğinin araştırılmasından sonra model reddedilir ise tekrar modelin formüle edilmesi aşamasına dönülür Simülasyonun Avantajları ve Dezavantajları Avantajları: 1. Simülasyon, bir firmanın, endüstriyel bir sistemin, bir ekonomi modelinin kendisiyle veya bunların herhangi birinin bir alt sistemi ile, tüm karmaşık ilişkileri dikkate alarak çalışmayı ve deney yapmayı mümkün kılar. 2. Simülasyon sayesinde değişik modeller yapılarak bu değişikliklerin sistem davranışı üzerindeki etkilerini gözleyerek bu değişikliklerin etkileri araştırılabilir. 3. Modelin daha detaylı incelenmesi, sistemin daha iyi anlaşılması ve geliştirilmesi için yararlı olabilir. 4. Sistemdeki değişkenler ve bu değişkenlerin etkileşimleri hakkında bilgi vermektedir. 5. Sistemde yeni değişiklikler ortaya çıktığında, sistemin davranışında ortaya çıkabilecek değişiklikleri, sorunları ve darboğazları önceden belirlemek mümkün olabilir. Dezavantajları: 1. Modelin çözümü için bilgisayar gerekmektedir. 2. Hiçbir zaman optimum sonuca ulaşılamaz. 3. Bilgisayar zamanı nedeniyle pahalı bir çözüm tekniğidir (Erol, 2001). 30

36 4. BULGULAR VE TARTIŞMA Banu SARIKAYA 4. BULGULAR VE TARTIŞMA Geliştirilen algoritmanın performansının analiz edilmesi için karşılaştırma yapılmak üzere iki adet sezgisel algoritma kullanılmıştır. Bunlar SPT (Shortest Process Time=En kısa işlem süresi) ve EDD (Earliest Due Date=En erken teslim tarihli sıralama) kurallarıdır. Seçilen kurallar statik olup, yapılan literatür araştırmasında her iki kuralın da uygulamalarda sık olarak kullanıldığı ve performans ölçütlerinin değerlendirilmesinde oldukça iyi sonuçlar verdiği gözlemlenmiştir. Özellikle SPT kuralının ortalama akış süresinin minimizasyonunda ve dolayısıyla da ara stok düzeyi ile gecikmelerde oldukça iyi sonuçlar vermesi beklenmektedir. EDD, temrin zamanına göre hareket eden bir kural olduğu için gecikmeleri minimize etmesi gerekmektedir. Çalışmanın başlangıcında ortalaması 140 olan üstel dağılıma göre sipariş gelişer arası sürenin belirlendiği bir sistem modellenmiştir. Bu sistemin EDD, SPT ve geliştirilen algoritmaya göre simülasyon modelleri yazılmış, modellerin çalıştırılmasıyla da performans ölçütleri incelenmiştir. Simülasyon modelleri EDD kuralı için Ek 2 de, SPT için Ek 3 de yer alırken, geliştirilen algoritmanın modeli ise Ek 4 de verilmiştir. Gelişler arası süreyle performans değişkenlerinin değişimleri Ek-1 de verilmiştir. 31

37 4. BULGULAR VE TARTIŞMA Banu SARIKAYA 4.1. Performans Ölçütlerinin Değerlendirilmesi Siparişlerin Gelişler arası Süresi ile Ortalama Akış Süresi Aşağıda belirtilen çizelge 4.1 ile şekil 4.1 de geliştirilen algoritmayla EDD ve SPT algoritmalarının kuralları ile birlikte, ortalama akış zamanı değişimleri görülmektedir. Sonuçlara göre, sipariş geliş hızları azaldıkça akış süreleri azalmakta, ancak bu azalma eğilimi EDD ile SPT algoritmalarında birbirine benzer gerçekleşmektedir. Çizelge 4.1. Gelişler arası süre Ortalama Akış Zamanı İlişkisi (dakika) EDD SPT Geliştirilen ,22 219,58 128, ,46 214,37 124, ,65 210,57 120, ,64 209,10 120, ,54 206,49 118, ,27 199,12 114, ,10 192,97 112, ,10 185,99 109,28 Sonuçlara bakılınca SPT kuralı önceleri EDD den daha kötü sonuçlar verdiği halde gelişler arası süre arttıkça EDD ye göre daha iyi sonuçlar vermeye başladığı görülmektedir. Geliştirilen algoritma ise her iki yönteme göre yaklaşık olarak %40 daha iyi sonuçlar vermektedir. 32

38 4. BULGULAR VE TARTIŞMA Banu SARIKAYA 250 Ortalama Akış Süresi (dk.) Gelişler arası süre (dk.) EDD SPT Geliştirilen Şekil 4.1. Gelişler arası süre Ortalama Akış Süresi Geliş sıklıklarının azalması, sistem kaynaklarının kullanımındaki yoğunluğunun azalmasına neden olmaktadır. Yoğunluk azalmasıyla da kuyrukta beklemeler söz konusu olmayabilecektir Siparişlerin Gelişler arası Süresi ile Maksimum Akış Süresi Çizelge 4.2 ile şekil 4.2 de geliştirilen ve seçilen algoritmalar ile birlikte, maksimum akış zamanı değişimleri görülmektedir. Akış zamanının her kural için gerçekleşen maksimum değerine bakılarak sistemin akış dengesinin tahmin edilmesi açısından değerlendirilebilen bir ölçüt olarak düşünülmesi mümkündür. Bu durumda EDD kuralının istikrarlı bir şekilde 400 ve 500 arasında değişmekte olduğu gözlemlenmektedir. 33

39 4. BULGULAR VE TARTIŞMA Banu SARIKAYA Çizelge 4.2. Gelişler arası süre Maksimum Akış Zamanı İlişkisi (dakika) EDD SPT Geliştirilen ,44 504,02 491, ,18 485,62 450, ,18 483,04 304, ,84 530,27 299, ,50 527,70 290, ,15 425,33 290, ,11 431,05 257, ,11 365,66 228,50 SPT kuralı ise genelde EDD ile uyumlu gitmesine rağmen özellikle gelişler arası süre aralığında büyük bir dalgalanma göstermektedir. Geliştirilen algoritma ise gelişler arası sürenin en yoğun olduğu dönemden başlayarak istikrarlı bir şekilde azalmakta ve diğer kurallara göre daha iyi olduğu gözlemlenmektedir. 600,00 500,00 Maksimum Akış Süresi (dk.) 400,00 300,00 200,00 100,00 0, Gelişler arası süre (dk.) EDD SPT Geliştirilen Şekil 4.2. Gelişler arası süre Maksimum Akış Süresi Gelişler arası sürenin artması başka bir deyişle geliş sıklıklarının azalması, kaynak kullanımının azalmasıyla birlikte maksimum akış sürelerinde de belli bir ölçüde azalmaya neden olmaktadır. 34

40 4. BULGULAR VE TARTIŞMA Banu SARIKAYA Siparişlerin Gelişler arası Süresi ile Geciken Parça Sayısı Çizelge 4.3 ile şekil 4.3 de geliştirilen ve seçilen algoritmalar ile birlikte, geciken parça sayısı değişimleri görülmektedir. Çizelge 4.3. Gelişler arası süre Geciken Parça Sayısı İlişkisi (dakika) EDD SPT Geliştirilen ,00 28,00 6, ,00 22,00 4, ,00 21,00 2, ,00 20,00 0, ,00 20,00 0, ,00 17,00 0, ,00 14,00 0, ,00 11,00 0,00 EDD, SPT algoritmalarıyla geliştirilen algoritmada gelişler arası süre arttığında geç kalan sipariş sayıları azalmaktadır. Bu zaten beklenen bir durumdur. Geliş sıklığının, kaynak kullanım değerlerini etkilemeyecek kadar azalması halinde, bu performans kriterinin her üç algoritma için de farkı kalmayacaktır. Geliştirilen algoritma ile geç kalan parça sayısında yaklaşık %78 lik bir iyileşme sağlanmıştır. 35