Wichita State University Libraries SOAR: Shocker Open Access Repository Mehmet Bayram Yildirim Industrial Engineering Paralel makineli bir üretim sisteminin karinca koloni, Optimizasyonu ile çizelgelenmesi (Scheduling Parallel machines using ant colony optimization metaheuristic) Birgül KÜÇÜK İstanbul Üniversitesi, bkucuk@istanbul.edu.tr Timur KESKİNTÜRK İstanbul Üniversitesi, tkturk@istanbul.edu.tr Mehmet Bayram Yildirim Wichita State University, bayram.yildirim@wichita.edu Recommended citation KÜÇÜK, Birgül., KESKİNTÜRK, Timur. and Mehmet Bayram Yildirim., Paralel makineli bir üretim sisteminin karinca koloni, Optimizasyonu ile çizelgelenmesi (Scheduling Parallel machines using ant colony optimization metaheuristic) YAEM 2008, Turkish Industrial Engineering Conference, Istanbul, Turkey, June 30-July 2, 2008 This paper is posted in Shocker Open Access Repository http://soar.wichita.edu/dspace/handle/10057/3432
PARALEL MAKİNELİ BİR ÜRETİM SİSTEMİNİN KARINCA KOLONİ OPTİMİZASYONU İLE ÇİZELGELENMESİ Birgül KÜÇÜK İstanbul Üniversitesi İşletme Fakültesi, Üretim ABD bkucuk@istanbul.edu.tr Timur KESKİNTÜRK İstanbul Üniversitesi İşletme Fakültesi, Sayısal Yöntemler ABD tkturk@istanbul.edu.tr Mehmet B. YILDIRIM Wichita State University, Department of Industrial and Manufacturing Engineering bayram.yildirim@wichita.edu ÖZET Makine Çizelgeleme problemleri genel olarak işleri makinelere amaç fonksiyonuna uygun biçimde atamayı amaçlar. Paralel makine çizelgelemede ise n sayıda işin m sayıda makineye atanmasının yine amaç fonksiyonuna uygun şekilde yapılması sözkonusudur. Bu çalışmada n sayıda iş ve m sayıda paralel makinenin yer aldığı ve makineler arasi ortalama yüzdelik atıl sürelerin minimize edilmeye çalışıldığı bir üretim sistemi ele alınmış ve probleme yönelik modifiye edilmiş karınca koloni optimizasyonu kullanılmıştırr. Populasyon tabanlı rastsal arama prensibine dayanan karınca koloni optimizasyonu ile elde edilen sonuçlar en uzun süreli işe öncelik tanıma ve en kısa süreli işe oncelik tanıma yöntemleri ile elde edilen sonuçlar ile karşılaştırılarak yorumlanmıştır. Anahtar sözcükler: Paralel makine çizelgeleme; karınca koloni algoritması; atıl süre dengeleme; en kısa işlem süresi; en uzun işlem süresi. 1. GİRİŞ Literatüre bakıldığında Çizelgeleme problemlerinin çözümüne ilişkin pek çok çalışmaya rastlanılmaktadır. Basit problemler hariç, teklif edilen algoritmaların hiç birisi, genel çizelgeleme problemleri için optimum çözüm bulamamıştır (Zeydan, 2006). Daha iyi çözümlerin elde edilebilmesi amacı ile çizelgeleme problemine farklı yöntemlerle çözüm aranmaya devam edilmektedir. Eski basit kuralların yanında günümüzde sezgisel yöntemlerle de çözüm aranmaktadır. En iyi çözümlerin elde edilmesindeki zorluk dolayısı ile çok sayıda problem için özel sezgisel teknikler geliştirilmiştir. Bu sezgiseller, çözüm kalitesi ve hesaplama karmaşıklığı arasındaki ödünleşimleri dikkate alacak şekilde tasarlanmıştır (Eren ve Güner, 2002). Bu çalışmada eski basit kurallardan olan En Kısa İşlem Süresi (SPT), En Uzun İşlem Süresi (LPT) ile sezgisel yöntemlerden biri olan Karınca Koloni Optimizasyon Tekniği ile çizelgeleme problemine çözüm aranmış ve sonuçlar karşılaştırılmıştır. 2. ÇİZELGELEME Ürünlerin üretilmesi ve işlerin yapılması amacı ile yapılan, sıralama va zaman içeren üretim planına çizelgeleme denilmektedir. Üretim çizelgeleme, imalat işletmelerinin üretim planlamasının önemli bir bölümünü oluşturur ve prosesler açısından önemli bir karar verme problemidir (Pinedo ve Chao, 1999). Üretim çizelgeleme bir imalat sisteminin etkinlik ve verimliliğini belirleyen önemli bir fonksiyondur. Ancak çizelgeleme problemlerinde optimal çözümün bulunması zordur ve bu sebeple genellikle sezgisel yöntemlerle çözüm aranmaktadır.
İşletmelerin günümüz rekabet ortamında hayatta kalabilmeleri için müşteri siparişlerini hızla cevaplayabilmeleri gerekmektedir. Müşteri kayıplarının en büyük sebeplerinden biri sipariş gecikmelerinin oluşmasıdır. Bunun önlenebilmesi için de çizelgelemeye ihtiyaç vardır. Ayrıca, kaynakların etkin kullanılabilmesi için de faaliyetlerin çizelgelenmesi gerekmektedir. Bir üretim sisteminde, maksimum tamamlanma süresinin minimize edilmesi üretim kontrolü açısından istenen bir durum iken, maksimum gecikmenin minimize edilmesi ise müşteriler tarafından talep edilir (Mohri ve diğerleri, 1999). Elbetteki bu iki talebin de karşılanması üretimi yapan işletmenin sorumluluğudur. Çizelgeleme; üretim çevrim süresi, kaynak kullanım oranı, stok miktarı, ve teslim tarihi arasındaki dengeleri içine alır. Bu dengenin sağlanması amacıyla yapılan çizelgeleme elbetteki bütün unsurları aynı anda iyileştiremez. Çünkü amaçlar çoğu zaman birbirleri ile çatışırlar. Makine çizelgelemede, amaç fonksiyonuna uygun şekilde işlerin makinelara atanması amaçlanmaktadır. Makine çizelgeleme probleminin çözümüne yönelik pek çok farklı yaklaşım mevcuttur (Rajakumar ve diğerleri, 2006). İşlerin makinelara olabildiğince dengeli bir sekilde dagıtılması ile darbogaz elimine edilebilir, çıktı maksimize edilebilir, tamamlanmış ürün stoğu ve operasyon maliyetleri düsürülebilir (Rajakumar ve diğerleri, 2004). Bu çalışmada makine çizelgelemenin bir çeşidi olan paralel makine çizelgeleme ele alınmıştır. Paralel makine çizelgeleme iki basamaklı bir proses halinde incelenebilir; ilki hangi işin hangi makineye atanacağının belirlenmesi, ikincisi ise her bir makinedeki işlerin hangi sıra ile yapılacağıdır (Senthill ve diğerleri, 2007). Yapılan çalışmada özdeş makineler ele alındığı için, yani tüm işler makinelerin herhangi birinde işlem görebildiği için, çizelgeleme iki basamaklı olarak ele alınmamıştır. Amaç doğrultusunda işlerin hangi sıra ile ve hangi makinede yapılacağı eşzamanlı olarak belirlenmiştir. 3. KARINCA KOLONİ ALGORİTMASI Karınca algoritmaları ilk olarak Dorigo ve Gambardella tarafından, gezgin satıcı probleminin çözümü için geliştirilmiştir (Gambardella ve Dorigo, 1995). Karınca algoritması ile çözümü aranan problemlerden biri de Çizelgelemedir. Karıncalar, yiyecek kaynaklarından yuvalarına en kısa yolu görme duyularını kullanmadan bulma yeteneğine sahiptirler. Karıncalar, başlangıçta düz bir hattı takip etmekte ve bu esnada feromon olarak adlandırılan bir maddeyi yol güzergahına bırakarak kendilerinden sonra gelen karıncaların yollarını bulmalarını kolaylaştırmaktadırlar. Karıncalar feromon maddesinin kokusunu alabilirler ve ayrım noktalarında yollarını seçerken kokunun, başka bir deyişle iz miktarının yoğun olduğu tarafı daha yüksek bir olasılıkla seçme eğilimi gösterirler (Yağmahan ve Yenisey, 2006). Önlerine bir engel konulduğunda feromonları takip edemediklerinden, karıncalar gidebilecekleri iki yoldan birini öncelikle rastsal olarak seçmektedirler. Kısa olan yoldan birim zamandaki geçiş daha fazla olacağından bırakılan feromon miktarı da daha fazla olur. Buna bağlı olarak, zaman içerisinde kısa olan yolu tercih eden karıncaların sayısında artış olur. Belli bir süre sonra tüm karıncalar Şekil.1 de (Keskintürk ve Söyler, 2006) gösterildiği gibi kısa yolu tercih ederler.
Şekil 1. Gerçek Karıncaların En Kısa Yolu Bulma Aşamaları Yapay karıncalardan oluşan karınca kolonisi algoritması, yapay feromon izlerinin güncelleştirilmesiyle tekrarlanan bir yapıya sahiptir. Algoritmanın çalışma sürecinde, karıncalar tarafından güncellenen feromon izleriyle iyi bir çözümün bulunması için bilgi oluşturulmakta ve her iterasyonda bu bilgiler güncellenmektedir. Algoritmanın çalışma sürecinde temel işlemler, yapay karıncaların turları sonunda geçmiş oldukları yolların feromon miktarlarının arttırılması, belirli bir oranda feromon buharlaşmasının gerçekleştirilmesi, en iyi çözümün bulunması, buna bağlı olarak global feromon güncellemesinin yapılması ve karıncaların yenilenen bu feromon miktarlarına bağlı olarak yeni turlarını gerçekleştirmeleridir. Bu çalışmada problemin yapısına bağlı olarak modifiye edilmiş karınca koloni algoritması kullanılmıştır. Paralel makinelara işlerin atanması probleminde herhangi bir mesafe değeri sözkonusu olmadığından, yenilenen turlarda bilgi olarak sadece feromon miktarları kullanılmaktadır. 4. EN KISA İŞLEM SÜRESİ VE EN UZUN İŞLEM SÜRESİ İşlerin iş merkezlerine atanması esnasında yapılan iş çizelgeleme belli şartlara dayanır. En sık kullanılan öncelik belirlemeye yönelik yöntemler; En Kısa İşlem Süresi (SPT), En Uzun İşlem Süresi (LPT), İlk Gelene İlk Hizmet (FCFS) ve En Erken Teslim Süresi (EDD) dir (Heizer ve Reinder, 2001). Tüm bu yöntemler tamamlanma zamanını, gecikmeleri minimize etmeyi amaçlar. En Kısa İşlem Süresi yönteminde en kısa süreye sahip olan işin ilk olarak atanması söz konusudur. Yani kısa süreli işe öncelik tanınmaktadır. En Uzun Süreli İşlem yönteminde ise uzun süreli işe öncelik tanınmaktadır. 5. UYGULAMA Her bir işin yalnızca bir makineda işlem gördüğü, işlem sürelerinin önceden bilindiği, her bir makinenın bir anda yalnızca bir işi yapabildiği varsayılmaktadır. Makine arızaları ve diğer sebeplerden dolayı faaliyetlerde herhangi bir aksama olmadığı ve bütün işler eşit öneme sahip olduğu kabul edilmektedir. Karınca koloni algoritmasına ait kodlar MATLAB 7.0 programlama dili ile yazılmıştır. Çalıştırma süreleri iş sayısına bağlı olarak değişmekte olup tüm problemler için 98 cpu süresinden daha azdır.
Yapılan çalışmada 10, 20 ve 30 adet işlemden oluşan örnekler ele alınmış ve bu işler 2, 3 ve 4 adet paralel makineden oluşan sistemler üzerinde işleme tabi tutulmuştur. Makinelar arasında dengeli bir iş dağılımı yapılmak suretiyle hem toplam hem de makinelar arasındaki dengesizlik azaltılmış olmaktadır. Makineler arası ortalama yüzdelik atıl sürelerin minimize edilmesi amacı ile modifiye edilmiş karınca koloni optimizasyonu kullanılmıştır. Karınca koloni optimizasyonu, en kısa işlem süresi ve en uzun işlem süresi yöntemleri ile elde edilen sonuçlar Tablo 1 de özetlenmiştir. Problemimizde ele alınan amaç fonksiyonu parallel makinelara ait ortalama yüzdelik atıl sürelerin minimizasyonudur. Karınca koloni algoritmasına ait değerler 100 kez çalıştırmanın ortalama değerleridir. Tablo 1. Yöntemlere Göre Karşılaştırmalı Çözüm Tablosu Makine İş Sayısı KKA SPT LPT Sayısı 10 2 0 0,0764 0,0327 3 0,0093 0,1515 0,0309 4 0,0221 0,2083 0,0634 2 0 0,0285 0,0116 20 3 0,0019 0,1018 0,0192 4 0,0075 0,0725 0,0342 2 0,0045 0,0293 0,0089 30 3 0,0099 0,0469 0,0159 4 0,0068 0,0369 0,0290 6. SONUÇLAR Karınca Koloni Algoritması (KKA) ile En Kısa İşlem Süresi (SPT), En Uzun İşlem Süresi (LPT) yöntemleri ile elde edilen sonuçlara bakıldığında KKA ile elde edilen sonuçların diğer iki yönteme göre gözle görülür biçimde iyi sonuçlar ortaya çıkardığı görülmektedir. Yani Karınca Koloni Algortiması ile işlerin makinelere çok daha etkin sonuçlar yaratacak şekilde atandığı saptanmıştır. Diğer iki yöntemle yapılan atamaların ortalama yüzdelik atıl sürelerine bakıldığında ise En Uzun İşlem Süresi yöntemine göre yapılan atamaların, 3 farklı iş hacmi için de, En Kısa Süreli İşlem yöntemine göre daha iyi sonuçlar verdiği görülmektedir. Ayrıca KKA 10 ve 20 işten oluşan problemlerde 2 paralel makineden oluşan üretim sistemlerinde tam verimli şekilde işleri makinelere atayabilirken diğer iki yöntemle yapılan atamalarda atıl süreler ortaya çıkmaktadır. Her bir problem için 100 er kez, 1000 iterasyon için çalıştırılan KKA nın çözüm kalitesini yani verimliliği arttırdığı saptanmıştır. İş sayısı ve makine sayısı arttırılarak daha büyük uygulama problemleri için algoritmanın performansının denenebileceği düşünülmektedir. Ayrıca benzer çalışmaların Teslim Süresi, Makine Hazırlık Süresi gibi kısıtlar da eklenerek ele alınması yapılabilecek çalışmalar arasındadır.
KAYNAKÇA Eren T., Güner E., 2002. Tek ve Paralel Makinelı Problemlerde Çok Ölçütlü Çizelgeleme Problemleri İçin Bir Literatür Taraması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 17, no 4, 37-69. Gambardella L.M., Dorigo M., 1995. Ant-Q: A reinforcement learning approach to the travelling salesman problem. Proceedings, 12th International Conference on Machine Learning 252-260. Heizer J., Render B., 2001. Operations Management, 6. Baskı. Keskintürk T., Söyler H., 2006. Global Karınca Kolonisi Optimizasyonu. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 21, No 4, 689-698. Pinedo M.L, Chao X., 1999, Operations Scheduling with Applications in Manufacturing and Services, McGraw-Hill. Rajakumar S., Arunachalam V.P., Selladurai V., 2004. Workflow balancing strategies in parallel machine scheduling. Int J Adv Manuf Technology 23: 366 374. Rajakumar S., Arunachalam V.P., Selladurai V., 2006. Workflow balancing in parallel machine scheduling with precedence constraints using genetic algorithm. Journal of Manufacturing Technology Management 17: 239-254. Senthiil P.V., Selladurai V. And Rajesh R., 2007. Parallel Machine Scheduling (PMS) in Manufacturing Systems Using the Ant Colonies Optimization Algorithmic Rule. Journal of Applied Sciences 7 (2): 208-213. Mohri S., Masuda T., Ishii H., 1999. Bi-criteria scheduling problem on three identical parallel machines. International Journal of Production Economics 60-61: 529-536. Yağmahan B., Yenisey M.M., 2006. Akış tipi çizelgeleme problemi için KKE parametre eniyileme. İTÜ Dergisi/d mühendislik 4, sayı:2, kısım:2, 133-141. Zeydan M., 2006. Cost-Based Scheduling And An Application İn A Furniture Factory. Journal of Engineering and Natural Sciences 107-115.