TL konusu, artan çevre problemlerine paralel olarak önem kazanmaya başlayan konulardan biridir. Kullanım ömrü bitmiş, garanti kapsamında geri dönmüş veya iade edilmiş olan
ürünlerin üretici tarafından yeniden eldesi süreci iyi planlanmadığında sistemde koordinasyon
bozukluklarına, önemli maliyet artışlarına ve müşteri memnuniyetsizliğine sebebiyet verebilir.
Bu anlamda Tersine Lojistik Ağları’nın tasarlanması konusu stratejik bir öneme sahiptir. TLAT kapsamında en uygun İTM, MTM yeri seçimi problemi, müşterilerden İTM’lere, İTM’lerden MTM’lere gönderilecek ürünlerin miktarı ve bu ürünler için uygun taşıma
yollarının seçimi, MTM’lerde yapılan sınıflandırma işleminden sonra, hurdaya, bertarafa ve
ÜT’ye gönderilecek ürünlerin miktarı ve taşıma yollarının seçimi gibi önemli kararların
verilmesi durumu söz konusudur. Bu anlamada TLAT problemi hem bir yer seçimi problemidir hem de bir atama problemidir.
Bu çalışma kapsamında TLAT problemi için bir model sunulmuştur. Bu model kapsamında,
yukarıda sözü edilen kararlar alınmaya çalışılmıştır. Ayrıca, müşterilerden İTM’lere
gönderilen ürünlerin, İTM’lerden MTM’lere hemen mi yoksa belirli bir zaman biriktirildikten sonra mı gönderilmesi gerektiği kararı da alınmıştır. Ek olarak, ürünlerin MTM’lerde
sınıflandırılması da söz konusudur ki bu durum doğrudan ÜT’ye gönderilmesi durumuna göre
maliyet avantajı sağlamaktadır.
Tez kapsamında açıklanan ve uygulanmaya çalışılan modelin çözümü için meta-
sezgisellerden faydalanma yoluna gidilmiştir. Bu tercihin yapılmasındaki en önemli neden
modelin “eğer…ise…” yapısında mantıksal hesaplamalar içermesidir. Örneğin, eğer İTM’deki ürünler 250 km’den daha yakına gönderiliyorsa ve eğer kamyon kapasitesi tam dolu ise x maliyeti oluşur, eğer kamyon tam dolmadan gönderiliyorsa y maliyeti oluşur, gibi
hesaplamalar için klasik optimizasyon tekniklerinden faydalanmak problemin karmaşıklığını
önemli derecede arttırmaktadır. Oysaki bu tarz kısıtlar, meta-sezgisel yöntemlerle çok kolay bir şekilde ifade edilebilmektedir. Diğer bir neden ise, modelin lineer olmayan yapısıdır ve bu
da hesaplama karmaşıklığını arttırmıştır. Son olarak, 122 müşteri, 15 İTM, 5 MTM ve 2 ÜT
ve 1 bertaraf tesisini kapsayan ağın tasarımı, yukarıdaki nedenlerle de birleşince klasik
optimizasyon teknikleriyle çok uzun zamanlar gerektirmektedir. Bu karmaşıklık ve uzun
zaman gereksinimleri, ağdaki bileşen sayısı arttıkça artacak bir yapıdadır. Tüm bu nedenlerle
çözüm yoluna gidilmiştir.
Bu çalışma kapsamında meta-sezgisellerden, GA, TB ve bu iki tekniğin birlikte kullanıldığı MGATB algoritmalarından faydalanılmıştır. GA’nın seçilme nedenlerinin başında, çözüm
uzayının birden çok yerinde aynı anda arama yapma yeteneği ve çeşitliliği arttırıcı mutasyon,
çaprazlama gibi operatörlerinin olmasıdır. Bu özellikleri sayesinde GA ile yerel optimumlara düşme probleminden kurturulur. Diğer taraftan TB algoritması ile çözüm aramasına tek bir başlangıç çözüm ile başlanır. TB’de komşuluk yapısının belirlenmesi ve başlangıç çözümün
seçimi, nihai çözümün başarısı üzerinde çok etkilidir. Ancak TB arama yaptığı çevrede
GA’ya göre daha titiz bir arama gerçekleştir ve bazı problem tipleri için daha iyi sonuçlar
verebilmektedir. Her iki tekniğin olumlu özelliklerini birleştirmek amacıyla MGATB algoritması geliştirilmiştir. Bu algoritmada ilk olarak GA ile çözüm uzayının geneli
araştırılmaktadır, sonrasında ise bulunan her çözüme TB uygulanarak, İTM’lerde ürün bekletilmesi için en uygun gün sayıları üzerinde iyileştirmeler yapılmaktadır.
Meta-sezgisel tekniklerde çözüm başarısı önemli oranda kullanılan parametrelere bağlıdır. Bu
parametrelerin belirlenmesi ise sayıları arttıkça zorlaşmaktadır. GA’da mutasyon, çaprazlama,
elitizm oranları ve birey sayısı parametreleri, TB’de ise başlangıç sıcaklığı, düzeltme katsayısı
ve soğutma faktörü parametreleri vardır. Bu çalışma kapsamında doğru parametrelerin
belirlenmesi için çok sayıda parametre kombinasyonu denenmiştir ve çeşitli analizler
yapılmıştır.
Belirlenen GA ve TB ve MGATB parametreleri ile son halini alan algoritmaların geçerliliğini
test etmek için mevcut problemin basitleştirilmiş bir versiyonu klasik optimizasyonla
çözülmüş ve sonuçlar GA, TB ve MGATB sonuçları ile karşılaştırılmıştır ve kullanılan
algoritmaların iyi sonuçlar verdiği görülmüştür.
Uygulama kapsamında tüm veriler kesin olarak elde edilememiştir ve bazı veriler KV’lerce
belirlenmiştir. Sözü edilen bu belirsizliklerden dolayı çeşitli parametreler üzerinden duyarlılık
analizleri yapılmıştır.
En son olarak, önerilen algoritmaların bir karşılaştırması yapılmış ve uygunluk fonksiyonu
açısından GA ile TB’nin yakın sonuçlar verdiği, fakat ortalama ve standart sapma değerleri dikkate alındığında GA’nın çok az farkla daha iyi olduğu görülmüştür. Çözüm için gerekli
Sonuç olarak, bu çalışma ile, literatür incelendiğinde TLAT konusunda daha önce hiç
denenmemiş teknikler olan TB ve MGATB teknikleri uygulanmıştır. Yine literatür
incelendiğinde, çok amaçlı TLAT problemine rastlanmamıştır ve bu anlamda Melez AAS-
TOPSIS ve meta-sezgisellerin kullanımı bir ilktir. Ayrıca, Türkiye açısından düşünüldüğünde, TLAT uygulaması sayısı çok azdır ve veriler tam olarak bulunmasa da bu çalışma ile çamaşır
makinesi geri dönüşü açısından Marmara ve Ege Bölgeleri’ni kapsayan bir ağ tasarlanmıştır.
Geliştirilen modelin ve önerilen algoritmaların işleyişine katkıda bulunması açısından
geleceğe dönük aşağıdaki geliştirme çalışmaları yapılabilir:
• Bu çalışmada geliştirilmiş olan model GA, TB ve MGATB ile çözdürülmüştür. Model
Karınca Algoritması, Tabu Araması gibi diğer bazı meta-sezgisel algoritmalarla
çözdürülüp sonuçların karşılaştırılması yapılabilir. Bu anlamda özellikle hatırlama özelliği
olan teknikler olan Tabu Araması ve Yayılma Araması teknikleri ile çözüm aranması sonuçların iyileştirilmesi açısından katkı sağlayabilir,
• Önerilen melez algoritma (MGATB)’da GA ile çözdürülen her sonuç, TB ile çözdürülmüştür. Bu yöntemle GA ile yakın sonuçlar elde edilmiştir. Ancak melez
algoritma oluşturmanın başka yolları da araştırılıp, sonuçlarda iyileşme sağlanabilir. Aynı zamanda diğer meta-sezgisellerle yapılan melezleştirme çalışmaları da faydalı olabilir.
Örneğin Tabu Araması’nın hatırlama özelliği ile GA’nın birleştirilmesinin iyi sonuçlar veren bir melez algoritma olması potansiyeli vardır.
• Uygulama kapsamında elde edilen bazı veriler belirsizlikler içermektedir. Bu belirsizlikleri analiz etmek için çeşitli duyarlılık analizleri yapılmıştır. Ancak, bu verilerin belirsiz yapısı bulanık sayılar kullanılarak modele yansıtılabilir.
• MTM’lere gelen ürünler sınıflandırılmaktadır ve bu sınıflandırma sonucunda hurda, bertaraf ya da üretim tesisine gönderilmektedir. Burada gelen ürünlerin oransal olarak ne kadarının hurdaya, ne kadarının bertarafa, ne kadarının da üretim tesisine gideceğine KV’lerle görüşülerek karar verilmiştir. Bu yola gidilmesinin nedeni, elde yeterince geçmiş
verinin bulunmamasıdır. Yeterince veri elde edildiğinde, bu oranların ne kadar olduğunun belirlenmesi için çeşitli istatistiksel teknikler ya da yapay sinir ağlarından faydalanılabilir. • Uygulama tek ürün için geliştirilmiştir. Gerçek hayatta bir MTM’ye birden fazla çeşit ürün
gelebilmelidir. Daha kapsamlı bir çalışmayla birden çok ürünlü bir sistemin analizi
yapılabilir.
analizlerin yapılması için açık mevcuttur. Bu anlamda beyaz eşya sektöründen yetkililerle
EKLER
Ek 1 Müşterilerden geri dönen ürün adetlerinin hesaplanması ve müşterilerden geri dönen günlük ürün adetleri
Ek 2 Müşteri-İTM arası mesafeler