BÖLÜM 8. TERSİNE LOJİSTİK
7.6. Belirsizlik Altında Ters Lojistik Ağ Yapılandırması
63
yaklaşmayı hedefliyoruz. Daha sonra, optimallık boşluklarının istatistiksel tahminlerini elde etmek için sorunu çeşitli örneklerle tekrar tekrar çözüyoruz. Bu örnekleme tekniği iyi yakınsama veya sayısal uygulamaya ilişkin faydalar gibi bazı avantajlar sunar, ancak temel olarak birçok çözümleme yönteminden daha fazla sayıda senaryo düşünülmesine izin verir (Santoso, T., Ahmed, S., Goetschalckx, M., & Shapiro, A., 2005).
7.5.3. Yıkım Endüstrisinde Bir Vaka Çalışması
Aşağıda, Kanada'nın Quebec eyaletindeki örnek endüstrisinde ters lojistik ağının tasarımı için önerilen modelin bir uygulamasını sunuyoruz.
Kanada yıkım endüstrisinin en büyük endüstriyel atık üreticilerinden biri olduğu bilinmektedir (MDDELCC, Sürdürülebilir Kalkınma ve İklim Değişikliği Bakanlığı).
Ayrıca, yıkım alanlarında toplanan malzemelerin miktarı ve kalitesi genellikle oldukça belirsizdir ve önemli zararlara yol açar (Jeffrey, 2011). Bu sektörde, gerekli belediye izinleri genellikle birkaç yıl önceden teslim edilmediğinden, yıkım yerlerinin gelecekteki konumu hakkında kesin bir tahmin elde etmek de zordur. Bu özellikler, verimli bir RL ağının tasarımını zorlu bir görev haline getirir ve modelimiz bu uygulama için uygundur Bu vaka çalışmasında, deneylerimizi yapmak için kullanılan bilgilerin önemli bir kısmı Quebec’ teki CRD endüstrisinin başlıca oyuncuları gibi güvenilir kaynaklar arasından dikkatle seçilmiştir: 3R-MCDQ1, RECYQ-QUEBEC2, MDDELCC3 1:
Quebec’ teki CRD malzemelerinin geri dönüşümcüsü; 2: Quebec bölgesindeki malzeme atık yönetiminden sorumlu kuruluş ve 3: sürdürülebilir kalkınma ve iklim değişikliği Bakanlığı). Böylece, ortalama toplama merkezlerinin geri dönüşüm oranlarına, konteyner boyutlarına, mevcut toplama merkezlerinin bazı yerlerine ve kapasiteleriyle birlikte düzenli depolama alanlarına ilişkin doğru veriler toplayabildik. Bu bölgedeki kentsel alanlarda ağ davranışları ve CRD atık yönetimine ilişkin geleneksel uygulamalar ve tekrarlayan zorluklar konusunda da değerli bilgiler oldukça önemlidir.
64
kilometrekare başına 5500 kişiye kadar yaşayan eşitsiz nüfuslu bölgeler nedeniyle özellikle ilgi çekicidir.
Ön sonuçlar, birkaç toplama noktası ve site başına çok miktarda malzeme içeren düşük yoğunluklu kırsal alanlarda, mevcut CC'nin bir kısmını kullanarak ve genişleterek ve ayrıca stratejik olarak açarak daha yüksek bir beklenen kar elde etmeyi başardığımızı göstermektedir. İki yeni CC Ayrıca, az sayıda tedarik kaynağına sahip senaryoların en düşük SSC kullanım oranlarına %40 sahip olduğunu gözlemliyoruz. Bununla birlikte, yıkım yeri sayısı 100 veya 250 toplama noktasına yükseldiğinde, SSC'nin ortalama kullanım oranı sırasıyla %89 ve %94'e kadar artmaktadır. Gerçekten de SSC kentsel alanlarda geri dönüştürülen malzemeleri taşımak için ortalama taşıma mesafesini artıran çok sayıda dinamik toplama noktasıyla baş etmek için yaygın olarak kullanılmaktadır bir ton geri dönüştürmek için %20 mesafe artışı. Bu nedenle, uygun şekilde bulunmayan mevcut olanları genişletmek yerine toplama sitelerine daha yakın olan yeni CC'ye yatırım yapmak daha kârlıdır. (S, N) = (10, 10) ve (S, N) = (10, 90) senaryoları arasındaki karşılaştırma çok yakın sonuçlar göstermektedir. Örneğin, 10 besleme kaynağıyla, değerli bir çözüm elde etmek için örnek büyüklüğü N = 10'dur. Bununla birlikte, tedarik kaynaklarının sayısı arttığında, ağ yapılandırmasında ve performansında önemli bir değişiklik elde edilir. Son olarak, numune boyutunun arttırılması sonuçları iyileştirebilir.
Örneğin, 250 toplama noktasıyla, numune boyutunu N = 10'dan N = 90'a çıkarmak, ortalama 618.411 ton yapı malzemesinin geri dönüşümünü sağlarken, ortalama nakliye mesafesini %7,7 azaltır. SSC'nin ortalama kullanım oranı da sırasıyla %21 ve %61'den artmaktadır. Kaynak ayırma merkezlerinin ağ performansı üzerindeki etkisi gelişmeleri ölçme bu bölümde SSC'nin aktivasyonundan etkilenen altı performans kriteri belirledik bu metrikler, RL performans ölçümü ile ilgili önceki literatüre göre dikkatle seçilmiştir (Sangwan, 2017). Analiz (S, N) = (10,10) ve (S, N) = (250,90) için yapılır.
Genel olarak hem kentsel hem de kırsal alanlarda ağ üzerinden geri dönüştürülen malzeme miktarını artırmayı başarıyoruz. Bununla birlikte, SSC'nin yüksek kullanım oranı kırsal bölgelerde %34'e karşı %94 nedeniyle bu gelişme kentsel alanlarda artmaktadır. Gerçekten de bu tesislere %40 civarında tek malzeme konteyneri göndererek CC'lerde daha iyi geri dönüşüm oranları elde ediyoruz. Dahası, düşük kaliteli malzemeler geri kazanım sürecinin erken bir aşamasında SSC'den en yakın depolama alanına
65
gönderilir, böylece CC'lerin geri kazanamayacağı malzemelerin gereksiz yere taşınmasını önler. Buna ek olarak, kamyonların SMC'ye konsolidasyonu, kat edilen toplam mesafeyle birlikte toplam sevkiyat sayısını azaltır. Bu sonuçlar, SSC'nin sunduğu esnekliğin hem kırsal hem de kentsel coğrafi alanlarda çok yardımcı olabileceğini ve beklenen kârı sırasıyla %5,4'ten %17,6'ya yükseltebileceğini göstermektedir. SSC'nin zamanla taşınması, hasar görmüş malzemelerin erken ortadan kaldırılması ve CC'lerde artan sayıda tek malzeme konteyneri, temel iyileştirme faktörleridir. Bu yıkım işlemlerinin sıklıkla önemli miktarda hasarlı malzeme indüklediği bu endüstride doğrudur (Bernardo, M., Gomes, M.C., & de Brito, J., 2016). Belirsizlik düzeyinde duyarlılık analizi bu bölümde, aşağıdaki parametreler için çeşitli belirsizlik düzeylerini ele alacağız: dinamik tedarik kaynaklarının konumları (SSL), CRD sitelerinde toplanan hacim (CV) ve toplanan malzemelerin kalitesi (MQ) sentezlendiği gibi, bu parametreler L harfleri ile ayrı gerçeklemeler olarak adlandırılır.
A ve H sırasıyla düşük, ortalama ve yüksek belirsizlik düzeylerini ifade eder.
Ortalama değerler için seçilen veriler kullanılanlara eşittir ve temel senaryo olarak kabul edilir. Ayrıca, toplanan hacim için standart sapmanın asr0 2 <r2 <r0 0 2 olduğu varsayılmaktadır, çünkü bu parametrede bir artış bu arada karar vericilerin karşılaştığı belirsizlikte bir artış anlamına gelmektedir. Her senaryoda, tek bir parametre (SSL, CV veya MQ) değişir ve diğer ikisi ortalama değerlerinde sabit kalır. Ayrıca, her senaryo iki kez çoğaltılır ve değerlendirilir, ilk kez SSC kullanılmadan (a) ve daha sonra kaynak ayırma katmanına (b) izin verilir. Bu deneysel tasarımın temel amacı, kaynak ayırma merkezlerinin farklı belirsizlik seviyeleri (yani SSC ile ve SSC olmadan) altındaki rolünü ve potansiyel etkilerini değerlendirmektir.
Kriter C1: geri dönüştürülmüş malzeme miktarı her iki durumda da (SSC ile veya SSC olmadan), malzeme toplanan hacimde yüksek belirsizlik, en düşük toplam geri dönüştürülmüş miktarı üretir. Nitekim, tesisler bazı dönemlerde tamamen kullanılırken, bazılarında az kullanılır. SSC olmadan, ağın arıtma kapasitesini azaltmak için bazı ayarlamalar gereklidir. Bununla birlikte, SSC kullanılarak, RL ağ kapasitesini ayarlama esnekliği nedeniyle toplam geri dönüştürülmüş malzeme miktarı arttırılmaktadır. Öte yandan, toplanan hacmin düşük belirsizliği, altyapının yüksek kullanım oranlarını garanti eder ve RLND'nin çok verimli olmasını sağlar. Ayrıca, kaynak ayırma stratejisi için ve hatta SSL ve MQ'da yüksek belirsizlik altında bile, temel durum senaryosundan daha
66
fazla geri dönüşüm gerçekleştirmeyi başardığımız açıktır. Bununla birlikte, toplanan hacimdeki yüksek belirsizlik altında, bu geri dönüştürülmüş miktar SSC'siz temel senaryodakinden daha düşüktür. Son olarak, (a) ve (b) karşılaştırırken, SSL ve CV parametreleri için düşük belirsizlik altında, geri dönüştürülmüş malzeme miktarının SSC kullanılarak biraz arttığını belirtiyoruz. Ancak, kaynak ayırma stratejisi MQ için hala daha iyi sonuçlar vermektedir. Ölçüt C2: Metrik Ton Malzeme Başına Geri Dönüşüm Maliyeti SSC'nin dahil edilmesiyle, ton malzeme başına ortalama geri dönüşüm maliyeti artmaktadır. Bunun temel nedeni, bu tür bir altyapının çalıştırılmasının, malzemelerin ve kamyon konsolidasyonunun ayarlanması, işletilmesi ve yer değiştirmesi, kaynak ayrılması için ek masraflar içermesidir. Nakliye mesafeleri ve sevkiyatlar azalsa da genel geri dönüşüm sürecinin hafif bir maliyet artışından kaçınmak yetersizdir. Bununla birlikte, SSC'yi çalıştırmak için ekstra ücretler alsak da bu arada kaynak ayrımı, geri dönüştürücülere daha fazla yapı malzemesi sağlayarak ek kar elde etme fırsatı sunuyor.
CV ile ilgili belirsizlik sonuçları önemli ölçüde etkilemez ve aynı davranışı gözlemleriz (a) ve (b) Ancak SSL, üç belirsizlik konfigürasyonu düşük Ayrıca, SSL'deki önemli bir değişiklik SSC'nin yaygın olarak kullanılmasına ve en kötü senaryoda ortalama geri dönüşüm maliyetinin %19,4 oranında artmasına neden olmaktadır.
Kriter C3: bir ton malzemeyi geri dönüştürmek için kat edilen mesafe bu kriter, SSC stratejisinde gözlenen en önemli iyileştirmelerden birini göstermektedir. Bu kez MQ, belirsizliğe bakılmaksızın (a) ve (b) 'de aynı davranışı gösterir. Malzemelerin geri dönüşümü için kat edilen mesafedeki ortalama %25,9'luk bir azalma ancak, belirsizliği yüksek SSL veya CV, SSC seçeneği etkin olmadığında ortalama taşıma mesafesini artırır.
Gerçekten de her iki parametre için de SSC altında sırasıyla 139 km ve 98 km'ye düşürülebilecek bir değer olan yüksek bir belirsizlik altında geri dönüşün ortalama 139 km olmasını bekliyoruz. Çok belirsiz CV durumunda, SSC'deki gönderilerin konsolidasyonları çok sayıda gelen konteynırla başa çıkmaya yardımcı olur. Ayrıca, tedarik kaynakları konumlarının yüksek belirsizliği altında, SSC'nin büyük CRD atık jeneratörlerine daha yakın yer değiştirmesini gözlemliyoruz, bu arada, düzenli depolama alanlarından kısa bir mesafede, bu da inşaat malzemeleri için ortalama mesafeyi azaltıyor.
Kriter C4: RL işlemleri için gereken toplam gönderi sayısı, atık yönetimi faaliyetlerinde yer alan toplam sevkiyat sayısının, CRD sahalarında toplanan malzeme miktarından etkilendiğini göstermektedir. Genellikle, daha az sevkiyata sahip olmak
67
olumlu bir şekilde algılanır çünkü nakliye faaliyetlerindeki azalma sera gazı emisyonlarını azaltabilir ve yol konjesyonlarını önleyebilir. Bununla birlikte, bu özel durumda, toplama ve geri dönüşüm için mevcut malzeme eksikliği nedeniyle sevkiyat sayısı düşüktür. Sonuçta bu durum, yetersiz talep nedeniyle az kullanılan CC'lere ve kar kaybına yol açmaktadır. Bununla birlikte, SSL ve MQ’yu hedefleyen belirsizlik, aynı sevkiyatın hafifçe aynı sonuçlarını göstermektedir ve toplam sevkiyat sayısında %5,5'lik bir düşüşle %2,3'ten %11,7'ye çıkmaktadır. Belirsizliğin düşük olması durumunda, (a) ve (b) 'deki her iki strateji arasındaki sevkiyat sayısında neredeyse hiçbir değişiklik olmadığını belirtmek ilginçtir. Gerçekten de kaynak ayrımı MMC'nin SMC'ye birleştirilmesiyle sevkiyat sayısını azaltır. Bununla birlikte, kaynak ayırma stratejisinin benimsenmesi, (Kriter C1) gösterildiği gibi geri dönüşüm için daha fazla malzemenin bulunması nedeniyle CC'ler ve ikincil piyasalar arasındaki sevkiyat sayısını arttırmaktadır.
Kriter C5: Toplama merkezlerine gönderilen SMC oranı SMC ile karşılaştırırsak, CC'de karışık malzeme konteynırlarını işlemek zor bir iştir. Bu, çok çeşitli hasarlı malzemelerin karıştırıldığı ve geri dönüştürülmüş malzemelerin kalitesini artırmak için özel işlemler gerektirdiği yıkım endüstrisinde gerçek bir endişedir. SSC stratejisi, birçok düşük kaliteli partiyi ortadan kaldırarak malzemelerin SMC gerçekleştiren kaynak ayrımı sayısını artırmaya yardımcı olur. Böylece, belirsizlik seviyesinden bağımsız olarak, SSC aktivasyonu ile ağdaki tek malzeme kaplarının oranında bir artış gözlendiğini gösterir.
Bununla birlikte, ana etki faktörü toplanan malzemelerin kalite seviyesidir. Aslında, temel senaryolarda, ağdaki SMC oranı, kaynak ayrımı olmadan sadece %16,1'e karşı SSC ile %39'dur. Çok belirsiz bir MQ durumunda en önemli gelişmeye ulaşıyoruz. Genel olarak, oldukça belirsiz senaryolar altında bile, SMC oranı SSC aktivasyonu ile daha yüksektir.
Genel olarak, deneyler belirsiz bir ters lojistik ortamında SSC'nin kullanılmasıyla elde edilen esnekliğin değerini vurgulamaktadır. Gerçekten de yüksek bir belirsizlik seviyesi ile, bu esneklik, CRD sektöründe verimli atık yönetiminin gerçekleştirilmesinde önemli bir rol oynayabilir. Kâr artışı esas olarak geri dönüşüm sürecinin erken bir aşamasında inşaat malzemelerinin kaynak ayrımı ve SSC'de sevkiyat konsolidasyonu ile sağlanan faydalar nedeniyle bununla birlikte, önceki analizler, RL operasyonlarındaki potansiyel gelişmelerin aşağıdaki özel durumlarda sınırlı olduğunu ortaya koydu.
68
Toplanan malzeme hacmi çok düşük mevcut toplama merkezlerinin %60-65'in altında kullanım oranı, kaynak ayrımı ile elde edilen geri dönüşüm oranı artışı %8–12'nin altındadır toplanan malzemelerin hacmine bağlı olarak ve tedarik kaynakları ile toplama merkezleri arasındaki ortalama mesafe çok düşüktür 35 km. Her ne kadar SSC stratejisi çok belirsiz senaryolar altında daha verimli olsa da düşük belirsizlikle karşılaştığımızda beklenen en yüksek karlara ulaşır. Bu durumlarda, SSL, CV ve MQ ile ilgili bilgilerin doğruluğu, atık yönetimi işlemlerini optimize ederek en iyi RLND'nin ayarlanmasını sağlar. En iyi karı elde etmek için, tedarik zinciri yöneticileri, bu parametrelerin yüksek değişkenliğinden kaçınmak için belirsizlik tahminlerini geliştirmek için ek çaba göstermelidir. Örneğin, CRD endüstrisinde, gelecekte bina bilgi modellemesi (BIM) kullanımı, RL ağ yapılandırmasının ilk aşamalarında gelişmiş kalite verilerine ve parametre tahminine katkıda bulunabilir (Akinade, O.O., ve diğerleri, 2018).
Atık yönetimi operasyonlarını etkileyen kritik parametrelerin rastgele olması, RL ağ performansını önemli ölçüde etkileyebilir. Yıkım endüstrisindeki çalışmamızla ilgili olarak, çok sayıda senaryoya sahip stokastik bir model kullanmak etkilidir ve bu da diğer sektörlerde bu modellerle elde edilen sonuçları doğrulamaktadır. Bu özellikle geri dönüştürülmüş malzemelerin kalitesini hedefleyen belirsizlik göz önünde bulunduran stokastik modeller için, kâğıt geri dönüşüm endüstrisinde (Kara, S.S. & Onut, S., 2010) geri dönüştürülmüş camın işlenmesi için geçerlidir (Zeballos, L.J., Gomes, M.I., Barbosa-Povoa, A.P., & Novais, A.Q., 2012) veya elektrikli ve elektronik ekipmanların geri kazanımı (Ayvaz, B., Bolat, B., & Aydın, N., 2015). Bununla birlikte, inşaat ve yıkım endüstrisindeki diğer uygulamalarla karşılaştırıldığında, bu çalışma toplama merkezlerine ulaşmadan önce malzemelerin kaynak ayrılmasının faydalarını doğrulamaktadır (Rahimi, M. & Ghezavati, V., 2018).
Yönetim anlayışları ve pratik çıkarımlar Quebec’ teki yıkım endüstrisinde özel bir çalışma sunmamıza rağmen, bu model diğer uygulamalarda atık toplama ve geri dönüşüm işlemlerini optimize eden ters lojistik ağını yapılandırmak için kullanılabilir. Önerilen yaklaşımın belediyeler (yani yetkililer) gibi karar vericiler tarafından iyi tavsiye edilen kararlar vermek için kullanılabileceğine inanıyoruz. Uygulamada, toplanacak atığın tam hacmini ve kalitesini ve ayrıca CRD siteleri önceden. Önerilen modeli kullanarak, karar vericiler artık yeni tesislerin yerini planlamanın yanı sıra, CRD atık geri dönüşümünü artırmak ve düzenli depolama alanını azaltmak için doğru atık yönetimi stratejisini
69
tanımlayabilmektedir. İkincisi, kentsel alanlarda yoğun inşaat faaliyetleri ve malzeme kaynak ayrımı CRD sahalarında için alan sınırlamaları göz önüne alındığında, önerilen model karar vericilerin kentsel alanların dışına dinamik platform getirmenin değerini değerlendirmelerine yardımcı olacaktır malzeme ayrımı için konsolidasyon atık merkezi CC'ye sadece geri dönüştürülebilir malzemelerin gönderilmesini sağlamak için. Bu nedenle, yetkililer şehirlerdeki büyük kamyonlardan kaçınabilir ve güvenliği artırabilir.
Son olarak, RL ağı yapılandırılırken alınacak en uygun kararlar bölgedeki çevre politikaları ile ilişkilendirilebilir. Örneğin, yetkililer önümüzdeki yıllarda hedefleri geri dönüştüren model, hedeflerine ulaşmak için RL ağını buna göre ayarlamalarına yardımcı olabilir. Bu durumda, atık toplama ve geri dönüşüm süreçlerinde yer alan tedarik zinciri ortakları arasında ortak iş birliği çabaları gerekmektedir. Böyle bir SSC'nin uygulanması, en iyi performanslarını sağlamak için uygun bilgi ve olası eğitim gerektirir. Bu nedenle, inşaat müteahhitleri, toplama merkezleri ve malzeme geri dönüşümcülerinin, genel tersine lojistik ağı performansını iyileştirmek için yetkililerle iş birliği yapmaları gerekmektedir. RL ağındaki verimsizlikler durumunda, önerilen metodoloji, ters lojistik tedarik zinciri performans teşhisi sürecinde karar vericilere yardımcı olacaktır tesis kullanım oranları, CC'de düşük geri dönüşüm oranları, büyük arazi doldurma, nakliye mesafeleri, toplam geri dönüşüm maliyeti vb. ve atık yönetimi ve geri dönüşüm uygulamalarını iyileştirmek için yeni çözümler önermektir.
Sonuçlar ve ileri araştırmalar, belirsizlik altında ters lojistik ağ tasarımı için iki aşamalı stokastik bir model geliştirdik. Atık yönetimi faaliyetlerinin verimliliğinin sürdürülebilirlik açısından kritik olduğu bir sektör olan Kanada'nın Quebec eyaletindeki yıkım endüstrisini hedefleyen bir çalışma ile modelimizin bir uygulamasını önerdik. Bu çalışmanın ana katkısı, SSC'nin arzın dinamik doğası ve malzemelerin kalite sorunları ile başa çıkmasıdır. Gerçekten de bu karakteristik özellikler, özellikle toplama ve ayırma işlemlerinin oldukça zor olabileceği yüksek yoğunluklu kentsel bölgelerde, atık yönetimi operasyonlarını optimize eden verimli bir RL ağının tasarımı için ana endişelerdir.
Kaynak ayırma stratejisinin, özellikle parametrelerin oldukça belirsiz olması durumunda, çeşitli belirsizlik düzeyleri altında esnek bir ağ tasarlamak için umut verici bir çözüm olduğunu gösterdik. Quebec‘ teki yıkım endüstrisinde özel bir uygulama gösterilmesine rağmen, bu araştırmada geliştirilen genel stokastik formülasyon aynı tür zorluklarla
70
karşılaşan çeşitli endüstrilerdeki birçok malzeme tipine uygulanabilir. Bu nedenle, dinamik toplama bölgeleri altında atık üretimi ve kalitesindeki farklılıklar ile uğraşmaya çalışan herhangi bir belediye, atık toplama ve geri dönüşüm işlemlerini iyileştirmek için bu metodolojiyi düşünebilir. Buna ek olarak, modelimiz gelecekte atık yönetimi optimal uygulamalarını etkileyen çeşitli belirsizlikleri göz önünde bulundurarak kolayca genişletilebilir. Gelecek vaat eden araştırma yolları arasında, geri dönüştürülmüş malzemelerin satış fiyatları veya devletin zorunlu geri dönüşüm hedefleri, optimum ağ davranışını etkileyen çok hassas parametrelerdir.
Burada önerilen iki aşamalı stokastik yaklaşım iyi sonuçlar vermesine rağmen, çözümün kalitesi, her dönemin başında düzeltici eylemlere izin veren çok aşamalı stokastik bir yaklaşım kullanılarak geliştirilebilir. Bununla birlikte, SAA prosedürü hesaplama işlem süresinin en büyük boyutlu problemler için 3 saati aşabileceği için sınırlarını göstermiştir (S = 250 ve N = 90). Tedarik kaynaklarının sayısı 250'yi aşarsa veya numune boyutunu önemli ölçüde artırırsak, kesin çözünürlük yaklaşımları iki aşamalı veya çok aşamalı stokastik programlama modelleri gibi karmaşık formülasyonları çözmede başarısız olabilir. Bu durumda, sorunu daha hızlı çözmek için ayrışma veya meta-sezgisel tarama gibi yeni gelişmiş çözünürlük tekniklerinin geliştirilmesi gerekebilir. Bu araştırma, ters lojistik kanalı yoluyla malzeme atık yönetimini geliştirerek sürdürülebilirliğe doğru bir adımdır. Ancak, RLND ile ilgili çevresel boyut henüz burada nicelleştirilmemiştir (Rahimi, M. & Ghezavati, V., 2018;
Edalatpour, M., Mirzapour Al-e-hashem, S., Karimi, B., & Bahli, B., 2018).
71