Tedarik Zinciri ve Yapay Sinir Ağı Uygulamaları

Günümüzde birçok sanayi kuruluşunda talep değişkeni gittikçe daha karmaşık bir yapı sergilemektedir. Özellikle müşteri ihtiyaçları doğrultusunda şekillenen talepler, TZ yapısında belirsizliğe yol açan en önemli değişkenlerdir. TZ’nin belirsiz talep altındaki performansını geliştirmek için Lee vd., (2000), işletmelerin bilgilerini paylaşarak siparişlerin koordine edilmesini önermiştir. Chen vd., (2000a) TZ’de tahmin sistemleri ve bilgi paylaşımının etkilerinin önemini analiz ederek, her aşamada eksiksiz bir şekilde bilinen müşteri taleplerinin kamçı etkisini azaltacağını ortaya koymuştur. Görüldüğü gibi TZ literatürü ve yönetim pratiği TZ performansının artışına çözüm olarak talep ve tahmin bilgisi paylaşımını önermektedir. Özellikle de TZ birimlerinin envanter sistemlerine ait bilgilerin statüsünü ve tipini diğer birimlerle paylaşmaması, TZ performansını ciddi şekilde etkilemektedir.

Giderek daha çok kısalan ürün yaşam çevrimleri talepteki değişkenliği arttırmıştır. Bu durum istatistiksel analizlerin güvenilirliğini azaltmaktadır. Bu nedenle olasılık teorisi pazar talebini ve stok parametrelerini değerlendirmek için uygun bir yaklaşım olmaktan çıkmıştır (Zimmermann, 2000). Daha önce de belirtildiği üzere tahmin problemlerinde genellikle nedensel metotların (tek/çok değişkenli, doğrusal/doğrusal olmayan regresyon) ve zaman serileri analizinin içinde yer aldığı istatistiksel teknikler yaygın olarak kullanılmaktadır. Çoğunlukla parametrik olan istatistiksel verileri, eksik veya fazla hatalı verilerin olması veya veriler arasında karmaşık ilişkilerin olması gibi durumlarda kullanmak oldukça zordur. Aslında gerçek yaşamdaki veriler genellikle basit istatistiksel parametrelerle açıklanamaz ve bu verilere ait istatistikler genellikle zamana bağlı değişkenlik gösterirler. Böylesi durumlarda adaptif sinir ağı teknikleri hem daha etkilidir (yarı-parametrik veya parametrik olmayan), hem de geleneksel yöntemlere göre daha ekonomiktirler. Sinir ağları ile istatistiksel yöntemler arasındaki temel farklılık; sinir ağlarının istatistiksel dağılımla veya verilerin özellikleri ile ilgili herhangi bir varsayım yapmamasıdır. Bir diğer önemli özelliği de, doğrusal olmayan bir tahmin yöntemi olduğundan karmaşık verilerin modellenmesinde güvenilir olmasıdır. Veriler arasındaki ilişkilerin dinamik olarak değiştiği sistemlerde analiz yaparken adaptif bir yöntem kullanmak gerekir ki, sinir ağları bu özelliği doğal olarak içerinde barındırır (Ermiş, 2005). Klasik istatistiksel teknikler ile birlikte yapay zeka tekniklerinin kullanıldığı çalışmalar oldukça ilgi çekicidir. Özellikle sinir ağları kullanılarak çeşitli alanlarda kısa veya uzun

dönemli talep tahmini için çalışmalar yapılmıştır. Elektrik yükü tahmini (Al-Saba ve El- Amin, 1999; Beccali vd., 2004), enerji kullanımı tahmini (Hobbs vd., 1998; Sözen vd., 2005; Gonzales-Romera vd., 2007) ve turizm talebi tahmini (Law and Au, 1999; Law, 2000) bu çalışmalardan bazılarıdır. Bunlar dışında bir çok alanda sinir ağı uygulamaları mevcuttur (Du ve Wolfe, 1997; Maki ve Loparo, 1997; Wong vd. 1997; Wong ve Selvi, 1998; Kuo ve Xue, 1998b; Sabuncuoglu, 1998; Vellido vd., 1999; Palacharla ve Nelson, 1999; Wong vd, 2000; Du ve Wolfe, 2000; Alabas vd., 2002; Meireles vd., 2003; Metaxiotis ve Psarras, 2003; Cavalieri vd., 2004; Liao, 2005; Ayata vd., 2007; Efendigil vd., 2008).

Bununla birlikte malzeme işleme, üretim, dağıtım ve müşteri gibi çeşitli alanlardan oluşan bir tedarik zinciri, sinir ağları tarafından modellenebilmektedir. Tedarik zincirinde sinir ağlarının kullanıldığı alanlar; optimizasyon (transportasyon yönetimi, kaynak atama ve çizelgeleme), tahmin (bir aşamadaki belirsizlik için); modelleme ve simülasyon (kesikli durum simülasyonu ve dinamik sistemler teorisi gibi tedarik zinciri dinamikleri için), globalizasyon (farklı merkezler arasındaki koordinasyonu arttırmak için), ve karar destek (veri yönetimi ve analizi için) sistemleri şeklinde sayılabilmektedir (Leung, 1995).

Luxhøj vd. (1996) bir Danimarka firmasının aylık satışlarının tahmini için hibrit bir ekonometrik sinir ağı modeli geliştirmiştir. Bu model sinir ağlarının doğrusal olmayan örüntü tanımlama özelliği ile ekonometrik modellerin yapısal karakteristiğini entegre etmek üzere tasarlanmıştır. Gaafar ve Choueiki (2000) bir malzeme kaynakları planlamasında sipariş büyüklüğü için deterministik bir zamana bağlı değişen talep örüntüsünün belirlenmesinde sinir ağları kullanmıştır. Shervais vd. (2003) değişken bir ortamda çok-ürünlü, çok-aşamalı, çok-modelli bir fiziksel dağıtım sisteminde uygulanacak taşıma ve envanter politikalarının seçimi için sinir ağları uygulaması yapmıştır. Chiu ve Lin (2004) işbirlikçi bir TZ planı için işbirlikçi ajanlar ile sinir ağlarının birlikte çalışabileceği bir yapı tasarlamıştır. Aburto ve Weber (2007) talep tahmini için, otoregresive entegreli hareketli ortalama (ARIMA) ile sinir

ağlarını birleştirerek hibrit bir akıllı sistem kurmuştur. Bu sistemin daha kesin tahminler ve

daha sağlam bir ikmal sistemi için uygun olduğu sonucuna varmışlardır. Haq ve Kanan (2006) sinir ağlarını kullanarak, TZ’nin farklı alanlarında kullanılabilecek bir tahmin modeli oluşturmuştur. TZ’ni ve envanter kontrol birimlerini formüle etmek için parçacık sürü

optimizasyonu ile GA’nın uygulandığı bu çalışmada her TZ katmanı için optimal talep sipariş

miktarı hesaplanmıştır. Petrovic vd., (2006) talep tahminine yönelik bir karar destek sistemi önermiştir. Bu sisteme göre ikisi, bir müşteriden ve bir pazar uzmanından, diğer ikisi ise ARMA ve dekompozisyon istatistiksel yöntemlerden elde edilen dört tahmin değeri, BÇS ile

birleştirilmek suretiyle bir talep tahmini yapılmaktadır.

İş dünyasında artan belirsizlik ve karmaşıklık ortamı birçok tekniğin bir arada kullanılması eğilimini birlikte getirmiştir. Bununla birlikte sinir ağları ve bulanık sistemlerin beraber kullanıldığı çalışmalara bakıldığında mevcut çalışmaların yeterli derecede olmadığı sonucuna varılmıştır. Du ve Wolfe (1997), çalışmasında, sinir ağları ve bulanık mantık sistemlerinin uygulanabileceği özellikle çizelgeleme ve planlama, envanter kontrolü, kalite kontrolü, grup teknolojisi ve tahmin gibi alanların uygulama detaylarını sunmuştur. Escoda vd. (1997), sinir ağları ve bulanık sinir ağları ile ürün talebini belirleyebilmek için sözel değişkenlerin sunumu ve geliştirilmesi konusuna odaklanmıştır. Kuo (1998), bulanık Delfi ve bulanık sinir ağlarını kullanarak stok pazarı için bir karar destek sistemi önermiştir. Bir başka çalışmada Kuo ve Xue (1998a; 1998b; 1999) ve Kuo vd. (2002) sinir ağları ve bulanık sinir ağlarını birleştirerek

kalitatif ve kantitatif faktörleri dikkate alan akıllı bir satış tahmin sistemi geliştirmiştir.

Tüm bu bahsedilen çalışmalara rağmen görüldüğü üzere TZ’de talep tahmini alanında, sinirsel ve bulanık tekniklerin uygulanması konusu, hala eksik kalan bir konudur. Bu tez çalışması sinir ağları ile sinirsel-bulanık sistemleri kullanarak entegre bir tedarik zinciri geliştirmek üzere hazırlanmıştır. Literatürde birçok çalışma çoğunlukla tek aşamalı TZ ile ilgili araştırmalara yer vermiş, çok aşamalı envanter sistemleri ise aynı tip envanter sistemi kullanıldığı farzedilerek değerlendirilmeye alınmıştır. Tüm bu eksiklikler göz önüne alınarak yapılan bu tez çalışması, TZ boyunca bilginin değişken olması ve birimlerin dağıtık olması durumuna odaklanmıştır.