Dinamik Parti Büyüklüğü Problemi İçin İki Aşamalı Melez Sezgisel Bir Algoritma

Abstract

Üretim Planlama ve Kontrol teorisinin önemli alt alanlarından olan parti büyüklüğü belirleme problemi, günümüzde işletmelerin sıklıkla karar vermesi gerektiği bir konu olarak dikkat çekmektedir. Parti büyüklüğü belirleme problemi, orta dönemli taktik seviye bir karar olması sebebiyle işletmelerin performansına doğrudan etki etmektedir. Gerçek hayat uygulamalarında olduğu gibi büyük problem tipleri için, ilgili problemi optimum şekilde çözmek çok ciddi zamanlar almaktadır. Bu çerçevede, sezgisel ve metasezgisel yaklaşımlar, problemin çözümü için sık başvurulan yöntemler olarak göze çarpmaktadır. Literatürde parti büyüklüğü probleminin uzantı problemi olarak nitelenen çok ürünlü çok periyotlu fazla mesai kısıtı altında parti büyüklüğü planlama problemi için farklı sezgisel yaklaşımlar geliştirilmiştir. Fakat; çalışmaların hiçbirinde üretim planlama yaklaşımları ile oluşturulabilecek baskın küme özelliklerinden ve problemin değişik çeşitlerinden bahsedilmemiştir. Bu çalışmada göz ardı edilen bu iki özellikten de faydanılmıştır. Çalışmanın amacı, önerilen iki aşamalı sezgisel yaklaşım sayesinde, parti büyüklüğü için büyük veri setleri ile polinom zaman içerisinde optimuma en yakın çözümü elde etmektir. Bunun yanı sıra, kurulacak baskın küme tanımları ile de parti büyüklüğü yaklaşımında referanslar üretilmesi hedeflenmektedir. Problemin çözümü için tasarlanan iki aşamalı melez sezgisel yaklaşımda, başlangıç çözümü olarak bir dinamik parti büyüklüğü tekniği kullanılırken, elde edilen sonuçlar iyileştirme sezgiseline veri olarak verilmiştir. İyileştirme sezgiselinde ise metasezgisel bir algoritma kullanılarak global optimum elde edilmeye çalışılmıştır. İncelenen küçük boyutlu test problemleri için, optimuma oldukça yakın sonuçlar elde eden algoritma, geliştirilerek daha zor problem tipleri için de uygulamaya alınabilir.

Lot Sizing problem has been considered to be a vital decision that should be made frequently. Lot sizing is a very important sub-problem derived from the original Production Plannig and Control Theory. The related decision affects the performance of production systems directly. Because, it is considered to be a tactical level decision making problem by most of studies in the literature. It takes quite a long time to obtain an optimum soluiton to large-scale problems. Hence, heuristic and metaheuristic approaches are usually used to obtain a near optimal solution to real world problems. There are several solution methods in the literature that aim to solve multi-item multi-period capacitated lot sizing problem with overtime decision in polynomial time. On the other hand, majority of papers have not focused on the dominance properties that may be formed via Production Planning Theory. In this study, a well-known extension problem of lot sizing has been solved nearly optimally by using an intelligent heuristic technique. The aim of the study is to solve related extension problem with large-scale data sets nearly optimally in polynomial time via a two-stage heuristic algorithm. Additionally, proposed dominance properties may form a new point of view in lot sizing theory. The proposed algorithm consist of two stage. The first is constructive heuristic that is a dynamic lot sizing technique called Lot-for-Lot. Results obtained from the initial phase have been given as an input to improvement heuristic. Improvement heuristic is a combination of metaheuristic technqiue (Simulated Annealing) and dominance properties. Algorithm results in pretty good solution set for small-problem sizes. And, it is understood that it may be implemented to more complicated problem extensions with some revisions.