ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
YÜKSEK LĠSANS TEZĠ Erdal ALTIPARMAK
Anabilim Dalı : Tekstil Mühendisliği Programı : Tekstil Mühendisliği
ÇORAP ĠMALATINDA PARALEL MAKĠNE ÇĠZELGELEME METODU VE Ġġ AKIġINDA DARBOĞAZ YÖNETĠMĠ
ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
YÜKSEK LĠSANS TEZĠ Erdal ALTIPARMAK
(503931145)
Tezin Enstitüye Verildiği tarih : 25 Aralık 2009 Tezin Savunulduğu Tarih : 18 Ocak 2010
Tez DanıĢmanı : Prof. Dr. Ali DEMĠR (ĠTÜ) Diğer Jüri Üyeleri : Prof. Dr. Nuray UÇAR (ĠTÜ)
Dr. Halil HalefĢan SÜMEN (ĠTÜ)
ÇORAP ĠMALATINDA PARALEL MAKĠNE ÇĠZELGELEME METODU VE Ġġ AKIġINDA DARBOĞAZ YÖNETĠMĠ
ÖNSÖZ
Bu çalıĢma da, çorap iĢletmelerinde planlama fonksiyonunu iyileĢtiren ve etkinleĢtiren paralel makina çizelgeleme yöntemi incelenmiĢ ve uygulama örneğine yer verilmiĢtir. ÇalıĢmada, konunun bütünlüğünü sağlamak için diğer çizelgeleme teknikleri de anlatılmıĢtır.
Bu çalıĢma esnasında değerli fikirleri ve tavsiyeleri ile bana yön veren kiymetli hocalarım Sayın Prof.Dr.Ali DEMĠR ve Öğr.Gör.Dr.HalefĢan SÜMEN’e teĢekkürlerimi bir borç bilirim. Ayrıca bu çalıĢma sırasında benden maddi ve manevi desteklerini esirgemeyen Çelik Çorap A.ġ. firma sahibi Sayın Haydar ALĠ ÖZTAġ’a ve aileme teĢekkür ederim.
Aralık 2009 Erdal ALTIPARMAK
ĠÇĠNDEKĠLER Sayfa ÖNSÖZ ... v ĠÇĠNDEKĠLER ... vii KISALTMALAR ... ix ÇĠZELGE LĠSTESĠ ... xi
ġEKĠL LĠSTESĠ ... xiii
ÖZET ... xv
SUMMARY ... xvii
1. GĠRĠġ ... 1
1.1 Tezin Amacı ... 2
2. KURUMSAL KAYNAK PLANLAMASI ... 5
2.1 Tanım ... 5
2.2 Kurumsal Kaynak Planlamasının Temel BileĢenleri ... 6
2.3 Kurumsal Kaynak Planlama Sisteminin Tarihsel GeliĢimi ... 7
2.4 Kurumsal Kaynak Planlama Sisteminin Faydaları ... 10
3. SONLU KAPASĠTE PLANLAMASI ... 11
3.1 Tanımı ve Amaçı ... 11
3.2 Çizelgeleme ... 13
3.3 Sonlu Kapasite Çizelgelemenin Tanımı ... 13
3.4 Sonlu Kapasite Planlaması Ġçin Yazılım Çözümleri ... 14
3.4.1 Manuel çizelgelemenin sakıncaları ... 14
3.4.2 Bilgisayar Destekli Sonlu Kapasite Çizelgelemenin AĢamaları ... 15
3.4.3 Sonlu Kapasite Yazılım Seçimi Ve Uyarlaması ... 17
4. ÇĠZELGELEME TEKNĠKLERĠ ... 19
4.1 Ġki Makine ĠĢ Sıralaması ... 19
4.2 Üç Makine Çizelgeleme Algoritması ... 21
4.3 M Makine ĠĢ Çizelgeleme ... 23
4.4 Sıra Önemli 2 makine ĠĢlerin Çizelgelenmesi ... 24
4.5 Sıra Önemli M Makine ĠĢ Çizelgelemesi ... 26
4.6 Tek Makine Çizelgeleme ... 28
4.7 Maksimum Gecikmelerin Minimize Edilmesi ... 29
4.8 En DüĢük Gecikmelerin Maksimum Edilmesi ... 29
4.9 Geciken ĠĢ Sayısının Minimize Edilmesi ... 31
4.10 Van Drew ġeması ... 32
4.11 Öncelikli Tek Makine ĠĢ Çizelgeleme ... 36
viii
4.14.3 Paralel Makinelerde Üretim Ve Ortalama ĠĢ AkıĢ Zamanının Azaltılması
... 42
4.14.4 Paralel makinelerde maksimum gecikmenin azaltılması ... 44
4.14.5 BoĢ Zaman Kuralına Göre Paralel Makinelerde Gecikmenin Azaltılması ... 45
4.14.6 Paralel Makinelerde Geç Kalan ĠĢ Adedinin Azaltılması ... 46
5. ÇORAP ĠġLETMESĠNDE PARALEL MAKĠNE PLANLAMA UYGULAMASI VE Ġġ AKIġINDA DAR BOĞAZ OLUġUMUNUN ENGELLENMESĠ ĠÇĠN ÇÖZÜM ÖNERĠSĠ ... 47
5.1 ĠĢletmenin Tanımı ... 47
5.2 Organizasyon Yapısı ... 48
5.3 Ġmalatın ĠĢ AkıĢı ... 48
5.4 SipariĢ Alımı Ve Planlama Süreci ... 50
5.5 Çorap ĠĢletmesi Ġçin Önerilen Paralel Tezgah Planlama Tekniği ... 51
5.6 Örgü ĠĢletmesinde Dar Boğaz OluĢum Noktası ... 51
5.7 Dar Boğaz OluĢumunun Engellenmesi Ġçin Çözüm Önerisi ... 52
5.8 Küçük Ve Orta Ölçekli ĠĢletmeler Ġçin Planlamada Excel Uygulaması... 63
6. SONUÇ ... 65
6.1 ÇalıĢmanın Uygulama Alanı ... 66
KISALTMALAR
CIM : Computer Integrated Manufacturing DDR : Due Date Rule
DRP : Distribution Resource Planning ERP : Enterprise Resource Planning FCS : Finite Capacity Scheduling FIFO : Firs In First Out
MRP : Manufacturing Resource Planning SPT : Shortest Processing Time
ÇĠZELGE LĠSTESĠ
Sayfa
Çizelge 4.1 : Ġki Makine ĠĢ Sıralaması Ġçin Örnek ĠĢlem ... 19
Çizelge 4.2 : 3 Makine Çizelgeleme Ġçin Örnek ĠĢlem ... 21
Çizelge 4.3 : 3 makine Problemini 2 Makine Problemine Ġndirgeme ... 22
Çizelge 4.4 : BeĢ Makine ĠĢlem Süreleri ... 23
Çizelge 4.5 : Gupta Metodu Ġçin Örnek Çizelge ... 23
Çizelge 4.6 : Sıra Önemli Ġki Makine Problemi Ġçin Örnek ... 25
Çizelge 4.7 : M Makine N Adet ĠĢ Ġçin Örnek ĠĢler Ve Zamanlar ... 26
Çizelge 4.8 : Tek Makine ĠĢ Çizelgeleme Örneği... 28
Çizelge 4.9 : En Kısa ĠĢlem Zamanı Metoduna Göre Elde Edilen ĠĢ Çizelgesi ... 28
Çizelge 4.10 : Hedef Zaman Kuralına Ġçin Örnek ĠĢ Çizelgesi ... 29
Çizelge 4.11 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi ... 29
Çizelge 4.12 : BoĢ Zaman Kuralı Ġçin Örnek - 1 ... 30
Çizelge 4.13 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi ... 30
Çizelge 4.14 : BoĢ Zaman Kuralı Ġçin Örnek - 2 ... 30
Çizelge 4.15 : BoĢ Zaman Kuralı Ġçin Örnek - 3 ... 31
Çizelge 4.16 : Geciken ĠĢ Sayısının Minimize Edilmesi Ġçin Örnek ... 31
Çizelge 4.17 : Hodgson’s Kuralına Göre Elde Edilen ĠĢ Sıralaması ... 32
Çizelge 4.18 : Orijinal Problem ... 33
Çizelge 4.19 : Algoritmaya Göre OluĢturulan Sıralama ... 33
Çizelge 4.20 : Algoritmaya Göre OluĢturulan Sıralama ... 34
Çizelge 4.21 : Hedef Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur... 34
Çizelge 4.22 : BoĢ Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur ... 35
Çizelge 4.23 : Geciken ĠĢleri Minimize Etmek Ġçin Van Drew ġeması ... 36
Çizelge 4.24 : ÖnceliklerdirilmiĢ ĠĢlerin Oran Değerleri ... 37
Çizelge 4.25 : Oran Kuralına Göre Elde Edilen Çizelge Değerleri ... 38
Çizelge 4.26 : Oran Değerleri Çizelgesi ... 38
Çizelge 4.27 : Öne Geçmeli Hal Ġçin Örnek ... 40
Çizelge 4.28 : ĠĢ AkıĢ Zamanının Minimize Edilmesi Ġçin Örnek Uygulama... 41
Çizelge 4.29 : ÜretimVe Ortalama ĠĢ AkıĢ Zamanının Azaltılması Ġçin Örnek ... 42
Çizelge 4.30 : Paralel Makinelerde Hedef Zaman Kuralı Ġçin Örnek ... 44
Çizelge 4.31 : BoĢ Zaman Kuralı Uygulaması Ġçin Örnek Çizelge ... 45
Çizelge 4.32 : DüzenlenmiĢ Hedef Zaman Kuralı Uygulaması Ġçin Örnek Çizelge . 46 Çizelge 5.1 : Çorap Ġmalatında ĠĢlem Adımları ... 49
Çizelge 5.2 : Optimum Makine Adedi Hesaplama Adımları ... 52
Çizelge 5.3 : Sürekli ĠĢ AkıĢı Ġçin Ġçin Uygulama Örneği ... 54
xii
Çizelge 5.8 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma-1’e Göre ĠĢ Yükü
Dağılımı ... 59 Çizelge 5.9 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma -2 ‘e Göre ĠĢ Çizelgesi . 61 Çizelge 5.10 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma – 2 ye Göre ĠĢ Yükü
Dağılımı ... 62 Çizelge 5.11 : Planlama Ġçin Excel Uygulaması ... 64
ġEKĠL LĠSTESĠ
Sayfa
ġekil 2.1 : Temel Kurumsal Kaynak Planlama BileĢenleri (Özgül,2006;26) ... 6
ġekil 2.2 : Kurumsal Kaynak Planlamasının Kronolojik GeliĢimi (Altınkeser,1994) 9 ġekil 2.3 : Kurumsal Kaynak Planlamanın GeliĢimi (Altınkeser, 1999) ... 9
ġekil 3.1 : Sonlu Kapasite Üretim Planlama Sistemi (Broewne, 1988) ... 11
ġekil 3.2 : Kapasite Kullanım Histogramı ... 12
ġekil 3.3 : Gantt ġeması Örneği ... 14
ġekil 4.1 : Ġki Makine ĠĢ Sıralaması Ġçin Örnek ĠĢleme Ait Gantt ġeması….……....19
ġekil 4.2 : Örnek ÇalıĢma Ġçin Johson Algoritmasına Ait Gantt ġeması ... 20
ġekil 4.3 : Ön Geçmeli Hal Ġçin Verilen Örneğin Gantt ġeması ... 40
ġekil 4.4 : En Kısa ĠĢlem Zamanı Metoduna Göre OluĢan Gantt ġeması ... 41
ġekil 4.5 : En Uzun ĠĢlem Zamanının Ġlk Ġki Adımı Sonrası Gantt ġeması ... 43
ġekil 4.6 : En Uzun ĠĢlem Zamanı Metodunu Ters Sıralanması ... 43
ġekil 4.7 : Hedef Zaman Kuralına Göre Gantt ġeması ... 44
ġekil 4.8 : BoĢ Zaman Kuralına Göre Gantt ġeması ... 45
ÇORAP ĠMALATINDA PARALEL MAKĠNE ÇĠZELGELEME METODU VE Ġġ AKIġINDA DAR BOĞAZ YÖNETĠMĠ
ÖZET
ĠĢletmeler için pazardaki mücadele koĢulları her geçen gün daha da zorlaĢmaktadır. ĠĢletmeler rekabet edebilmek ve pazar paylarını koruyabilmek için doğru yöneltilmek zorundadırlar. Doğru yöneltilmek demek iĢletmelerin rakiplerinden daha üstün olmaları demektir. Üstün olmaları gereken özellikler; kalite, servis, maliyet, zamanında ve doğru bilgi sunma gibi temel özelliklerdir. Bu nedenle; iĢletmelerin planlama bölümlerinin esnek, etkin ve hızlı bir yapıya sahip olmaları gerekir. Sonuç olarak üretim planlama en önemli rolü üstlenmektedir.
ĠĢletmeler mutlaka hızlı karar verebilmeli, bilgiye hızlı ulaĢabilmeli, iĢletmenin hedeflerine uygun en doğru iĢlem metodunu seçmelidir. Bunları yapabilmek için eğitimli personele ve kurumsal kaynak planlama yazılımına ihtiyacı vardır. Kurumsal kaynak planlama yazılımların sağladığı bir çok avantajlar olacaktır. Bu yazılımlardaki en önemli bölümlerden biri üretim planlamadır. Üretim planlamada kapasite planlaması yaparken genellikle sonlu kapasite planlaması yapılır. Sonlu kapasite planlamasına dayanarak elde edilen çizelgeler iĢletmede direkt kullanılır. ĠĢletmelerde kapasite planlamalarının doğru yapılabilmesi için bölümler arasında kapasite dengeleri uyumlu olmalıdır. Aksi takdirde; bazı bölümlerde stoklar oluĢacak tır. Çorap iĢletmelerinde dikkat edilecek en önemli bölüm yıkama bölümüdür. Çünkü bu bölümün kapasitesi üretilecek ürünün günlük toplam ağırlığı ile alakalıdır. Bu nedenle örgü bölümünde günlük üretilecek miktar doğru belirlenmelidir. Bu çalıĢmamda bu problemin çözümü için nasıl bir planlama yapılması gerektiği çözüm olarak anlatılmıĢtır.
Bu tez çalıĢmamda; birinci bölümde genel olarak projenin amacı ve içeriği anlatılmıĢtır, ikinci bölümde kurumsal kaynak planlaması anlatılmıĢtır. Üçüncü bölümde; sonlu kapasite planlaması, dördüncü bölümde çizegeleme teknikleri genel olarak anlatılmıĢtır. Ayrıca dördüncü bölümde, esas konumuz olan paralel makine çizelgeleme tekniği incelenmiĢtir. BeĢinci bölümde; dar boğaz oluĢumunun engellenmesi için önerilen çözüm yöntemi anlatılmıĢtır.
Sonuç bölümünde ise çizelgeleme tekniğiyle elde edilen avantajlar ve çorap iĢletmelerinde dar boğaz oluĢumu için önerilen çözümün değerlendirmesi yer almaktadır.
PARALLEL MACHINE SCHEDULING METHOD IN SOCK PRODUCTION AND BOTTLENECK MANAGEMENT IN WORK FLOW
SUMMARY
Market conditions for businesses are becoming more diffucult with each passing day. Businesses have to be administered correctly to be able to compete and manintain market share. It means that businesses have to be superior to its competitors. Quality, service, cost, providing timely and accurate information are the basic superior features of businesses. Therefore, the structure of planning departments of enterprises must be flexible, efficient and quick. As a result of this; production planning is the most important role.
Businesses must be able to give quick decisions, to access information quickly, to choose the most accurate method of operation according to the objective of business. To achieve all this, they need trained personnel and resource planning capabilities. Enterprise resource planning provides many benefits. The most important part of it is the production planning. Capacity of production planning is done generally as finite capacity planning. Charts which have been obtained from finite capacity planning are used directly in the businesses.
In order to make capacity planning correctly, there must be balance between capacity of business sections. Otherwise, some departments will accumulate stocks. The washing department is the most important section of sock production to be careful about stock accumulation, as the capacity of this section is relevant to the total weight of daily production. Therefore, daily production quantity of knitting section must be determined correctly.
In this thesis, the project's overall goal and contents are explained in the first chapter, enterprise resource planning is described in the second part, finite capacity planning
xviii
the proposed solution method was described to prevent the problem of bottleneck formation.
In the conclusion section, the results obtained using the scheduling technics and the proposed solution for the sock production have been evaluated.
1. GĠRĠġ
ĠĢletmeler, hızla değiĢen ve geliĢmekte olan iĢ kolundaki geliĢmeleri takip ederek kendini bu geliĢmeye uyumlu olarak yenilemek ve rekabet ortamında varlıklarını sürdürebilmeleri için kalite, verimlilik, maliyet ve hizmet hızı (hızlı tepki verme) özelliklerinin diğer iĢletmelerden daha iyi olmasını sağlamak zorundadırlar. Bunun sağlanabilmesi kaynakların etkin kullanılmasına bağlıdır. ĠĢletmelerde etkin kullanılacak kaynaklar; hammadde, iĢ gücü, makine, teçhizat ve finansmandır. Etkin kullanım üretim planlama ve kontrol faaliyetleri ile mümkündür.
Artık standart ürünlerin pazarda yer bulması ve iĢletmelerin aynı ürünlerde büyük sipariĢler üretmesi her geçen gün daha da zor olmaktadır. MüĢteriler sürekli değiĢim, yenilik ve küçük adetlerde talepler ile iĢletmelere gelmektedir. ĠĢletmelerin bunu sağlayabilmesi için kesinlikle güçlü ve hızlı bilgi eriĢim alt yapısına ve esnek bir üretim sistemine sahip olması gerekmektedir.
Artan ürün çeĢitliliği, sipariĢlerin küçük adetlerde ve kısa zaman periyotlarında farklı ürünler ile birlikte üretilmesine neden olmaktadır. Küçük adetlerde sipariĢ talepleri hem atölye planlamayı hemde atölye içi kontrolü zorlaĢtırmaktadır. Bu değiĢiklikler sadece belli sektörlerde değil insanlar tarafından günlük hayatta kullanılan tüm tüketim ürünlerine ait sektörlerde görülmektedir. ĠĢletmeler; geliĢmelere ayak uydurabilmek için klasik üretim yöntemlerini hızla değiĢtirerek yeni yönetim stratejileri oluĢturma gereksinimi duymaya baĢlamıĢlardır.
Bu amaç doğrultusunda baĢlayan yazılım çalıĢmaları her geçen gün daha da geniĢlemekte ve iĢletmelerin imalat ile alakalı tüm ana fonksiyonlarının yanında, imalat ile direkt alakalı olmayan fakat iĢletmedeki diğer bölümleride içine alacak Ģekilde geliĢmektedir. En mükemmel bir yazılımın tüm iĢletmeler için uygun olduğunu düĢünmek yanlıĢ olmakla birlikte iĢletmelere uygun değiĢiklikler ile aynı
2 1.1 Tezin Amacı
Son yıllarda uygulamaya baĢlanan ileri bilgi teknolojisi sistemlerinden biri kurumsal kaynak planlamasıdır. Bu yazılımlar, iĢletmenin yönetilmesini güçlü ve esnek biçimde destekleyen sağlam bilgi sistemleridir. Bu çalıĢmanın amacı; kurumsal kaynak planlama sistemini genel olarak tanıtmak, bu programlarının uygulama açısından en zor bölümü olan kapasite planlama bölümünü, sonlu kapasite çizelgeleme çerçevesinde, kuralları ile birlikte incelemek ve çorap imalatı yapan iĢletmelerde makina planlamasında uygulanması gereken en uygun parallel makina planlama metodunu tespit etmek ve iĢ akıĢında dar boğaz oluĢumlarını azaltmak için çözüm önerisi sunmaktır. Bu çalıĢmamım yukarıda belirttiğim konularda çalıĢma yapacak öğrenciler ve mühendisler için temel bilgilerin bir arada olduğu bir tez olması, ayrıca bir amaç olmamakla beraber bir neticesidir.
Konunun tezi inceleyenler açısından daha iyi anlaĢılması için literatür çalıĢmasında bir bütünlük oluĢturan konular birbirinden ayrılmadan teze eklenmiĢtir. Örneğin paralel tezgah planlaması asıl üzerinde çalıĢacağımız çizelgeleme modeli olmasına rağmen tek makine çok iĢ çizelgeleme modelleri incelenmiĢ ve anlatılmıĢtır. Ayrıca sonlu kapasite planlamasının ve bunun bir parçası olduğu kurumsal kaynak planlaması ile ilgili gerekli bilgiler incelenerek en çok net bilginin sunulabileceği Ģekilde teze dahil edilmiĢtir.
Bu literatür çalıĢmaların sunumdan sonra ele alınan örnek uygulama olan çorap iĢletmesinde sonlu kapasite planlamasının alt konularından biri olan paralel tezgah çizelgeleme tekniğinin nasıl olacağı ve metodun uygulamasında hangi hesapların yapılması gerektiği ve bu hesaplamaların neticesinde iĢletmenin nasıl dengeli bir iĢ yoğunluğuna sahip olacağı bu tez çalıĢmasında incelenmiĢ ve çözüm önerisi olarak çorap iĢletmelerinde tecrübeye dayalı bilimsel bir çözüm olarak sunulmuĢtur.
Önerdiğim çözüm yönteminin bu tez çalıĢması ile bilimsel bir çalıĢma olarak sunulması ve aynı konuda görev yapan mühendislere çalıĢmalarında farklı bir bakıĢ açısı oluĢturacak olmasının sektöre büyük bir katkı olacağına inanıyorum.
Ayrıca küçük ve orta ölçekli iĢletmelerin çoğunda, alt yapı olarak henüz hazır olmadıkları ve ERP yazılımlarının yatırım maliyetlerinin yüksel olması nedeniyle ERP yazılımlarına sahip olmadıklarını görürüz.
ĠĢletmelerin büyüklükleri fark etmeksizin bir planlama bölümleriolmak zorundadır ve sahip oldukları Ģartlara uygun çözümlerini üretmek zorundadırlar. Bu nedenle ERP yazılımna sahip olmayan iĢletmelerde, yazılımlardaki tezgah planının sunulduğu Gantt Ģemasının manuel olarak uygulamaları yapılmıĢtır. Bu zaman alan ve kullanımı çok zor olacak bir çalıĢma yöntemidir. Bu firmalar içinde çözüm önerimizi uygulayabilecekleri, Ģahsım tarafından oluĢturulmuĢ bir Excel çalıĢması tezimizde sunulmuĢtur.
2. KURUMSAL KAYNAK PLANLAMASI
2.1 Tanım
Kurumsal kaynak planlaması (Enterprise Resource Planning, ERP) için çok farklı tanımlar yapmak mümkün ise de; iĢletmelerdeki tüm birimlerin fonksiyonlarını bir bilgi ve veri sistemi ile bir bütün olarak yönetilmesini sağlayan bilgisayar yazılımlarıdır. Kurumsal kaynak planlama ile organizasyon boyutunda bir üstünlük elde edebilmek için, bir firmanın farklı fonksiyonlarını kullanabileceği en iyi uygulamalar, yöntemler ve araçlar grubu tanımlanır. (Mabert, Soni, Venkataramana, 2000). Bir krumsal kaynak planlama sistemi ile bütün kaynaklar planlanabilir, gerekli tüm bilgi gereksinimleri karĢılanır ve iĢletmelerin stratejik amaç ve hedefleri doğrultusunda üretim planları oluĢturulur. Aynı iĢletmeye ait, farklı bölgelerdeki fabrikaların, bunlara ait tedarikçi firmaların ve dağıtım amaçlı depoların tek bilgi tabanında paylaĢılması ile bir müĢteriye ait bir sipariĢin hangi dağıtım deposundan karĢılanacağının bunun için hangi fabrikalarda imalat yapılacağının ve hangi taĢıma yolu ile sevk edileceği belirlenir.
Kurumsal kaynak planlama sistemi ile iĢletmelerdeki birimler bir bütün olarak değerlendirilir ve çok geniĢ bir planlama, iĢleyiĢ ve muhasebe mantığı ile konular ele alınır.(Levine, 1999) Kurumsal kaynak planlama içinde değerlendirilen, iĢletmelere ait birimleri Ģu Ģekilde sıralayabiliriz; lojistik, üretim planlama, stok yönetimi, satın alma, üretim, pazarlama, kalite yönetimi, bakım-onarım, insan kaynakları, müĢteri iliĢkileri, muhasebe, finansman. Aynı zamanda ürün planlaması, satıĢ tahminleri ve diğer organizasyon fonksiyonlarının analizini yapmayı hedefleyen yazılımlardır. Bu birimlerin tamamına ait bilgilerin değerlendirilmesi ve yönetimi için birimlere ait bilgilere en hızlı ve doğru Ģekilde ulaĢmak gerekmektedir. Bunun için en uygun çözüm ERP yazılımıdır.
6
2.2 Kurumsal Kaynak Planlamasının Temel BileĢenleri
Kurumsal kaynak planlama yazılımlarında çok çeĢitli bileĢenler bulunmakla beraber temel bileĢenleri ġekil 2.1 de görülmektedir.
ġekil 2.1 : Temel Kurumsal Kaynak Planlama BileĢenleri (Özgül, 2006; 26) Envanter yönetimi; kurum bünyesinde bulunan tüm stoklara ait bilgileri toplayan, iĢleyen ve raporlayan bir sistemdir.
SatıĢ ve dağıtım; müĢteriden sipariĢlerinin alınıp üretimden teslimine kadar olan süreci kapsar.
Kalite yönetimi; kalite sertifikasyonlarının gereksinim duyduğu üretim, arge, depo yönetimi, stok kontrolleri ve sevkiyat iĢlemlerinde kalite sisteminin devreye girmesi ile gerekli kontrollerin yapılması ve gerekirse düzeltici faaaliyetlerin yapılmasını içerir. KURUMSAL KAYNAK PLANLAMASI ENVANTER YÖNETĠMĠ ĠNSAN KAYNAKLARI FĠNANS YÖNETĠMĠ ÜRETĠM PL. VE KONTROL TEDARĠK ZĠNCĠRĠ YÖNETĠMĠ SATINALMA KALĠTE YÖNETĠMĠ MÜġTERĠ ĠLĠġKĠLERĠ YÖNETĠMĠ PROJE YÖNETĠMĠ SATIġ VE DAĞITIM
Ġnsan kaynakları; iĢe alım, kariyer planlama ve eğitim çizelgeleme süreçlerini kapsar. Finans yönetimi; genel muhasebe, bütçelendirme, maliyet muhasebesi gibi tüm finansal operasyonları kapsar.
Üretim planlama ve kontrol; pazarın taleplerine göre üretimi planlamayı, izlemeyi, maliyetlendirmeyi ve kontrol etmeyi sağlar.
Tedarik zincir yönetimi; Ģirket içi ve Ģirket dıĢı bütün katılımcılar ile bilgi paylaĢımı sağlayarak minimum stokla ihtiyaçların karĢılanması ve hızlı reaksiyonların verilmesini sağlar.
Satın alma; iĢletme bölümlerinden gelen malzeme gereksinim taleplerini zamanında temin edilmesini sağlar.
MüĢteri iliĢkileri yönetimi; müĢterilere yönelik teklif ve kararların tek elden yöneltilmesi ve esnek ve etkileĢimli iletiĢimle müĢteri memnuniyetinin en üst düzeyde tutulmasını sağlar.
Proje yönetimi; proje bazında iĢ yapan firmalar için geliĢtirilen bir bileĢendir, genellikle finans bileĢeni ile entegre çalıĢır.
2.3 Kurumsal Kaynak Planlama Sisteminin Tarihsel GeliĢimi
ĠletiĢim teknolojisinin geliĢmesiyle her geçen gün daha da birbirine yaklaĢan dünyada, iĢletmelerin rakipleri artmakta, talep çeĢitliliği çoğalmakta ve yeni piyasalar oluĢmaktadır. Bu geliĢmenin neticesi olarak, iĢletmeler daha baĢarılı olmak için aĢağıda belirtilen talepleri gerçekleĢtirmesi gerekmektedir. (Shankarnarayanan; 2000).
Toplam maliyetin düĢürülmesi ĠĢlem zamanlarının kısaltılması
8
Talep, tedarik ve üretim faaliyetlerinin koordine edilmesi (Düzakın, Sevinç. 2002)
ĠĢletmeler, müĢterilerine iyi hizmet verebilmek ve rekabet gücünü kaybetmemek için iĢ yapma biçimlerini ve organizasyonlarını sürekli yeniden inĢa etmek zorundadırlar. 1960 yıllarında yazılımlar geleneksel envarter kavramlarına dayanarak, envanter için geliĢtirilmiĢtir. 1970 yıllarında bu yazılımlar malzeme ihtiyaç planlamasını sağlar özellik kazanmıĢtır. (Shankarnarayanan, 2000) Bir sonraki geliĢme ana üretim planı ve mevcut kapasiteyide göz önüne alarak malzeme gereksinimi belirlemek olmuĢtur ve MRP-I (Manufacturing Resource Planning) olarak adlandırılmıĢtır. 1980’li yıllarda ise üretim planlama, finans ve satın alam eklenmiĢ ve MRP-II tekniği geliĢtirilmiĢtir. (Balaban, 1999)
Ürün geliĢtirme safhasının teknik iĢlevleri ile üretim sürecini bütünleĢtiren bilgisayar bütünleĢik imalat (CIM-Computer Integrated Manufacturing) sistemleri ile firmaların ürün dağıtım kanallarını ve ürün dağıtımlarını, planlamlarını ve yönetimlerini sağlayan dağıtım kaynaklarını planlama (DRP–Distribution Resource Planning) sistemleri ortaya çıkmıĢtır.(Yedigül, 2002)
MRP-II tekniği mühendislik, insan kaynakları, proje yönetimi gibi iĢletmedeki tüm faaliyetleri içine alacak Ģekilde geliĢtirilmiĢtir. Bunun sonucu olarak kurumsal kaynak planlaması (ERP-Enterprise Resource Planning) terimi doğmuĢtur. ERP sistemi ürünün tasarım aĢamasından müĢteriye sevkine kadar tüm aĢamaların irdelenmesini içerir.(Balaban, 1999) ERP uygulamalarında iĢletmenin tüm fonksiyonlarına ulaĢan organizasyon çapında bilgi sağlanır, bütün fonksiyonel birimlerdeki verileri birleĢtirme yeteneğine sahiptir.(Palaniswamy ve Frank, 2000) ERP sistemleri planlamanın yanında yürütme ve kontrol fonksiyonlarına da sahiptir. (Balaban, 2000). ERP yazılımlarının kronolojik geliĢimi Ģekil 2.1’de gösterilmiĢtir. ERP yazılımlarının üzerinde geliĢmelerini devam ettirdikleri en son modülleri planlamanın daha detaylı yapılabileceği çizelgeleme çalıĢmalarıdır. Bir çok ERP uygulamasında çizelgeleme çalıĢmaları için mevcut ERP yazılımı içinde olan çizelgeleme modülü olmadığı, firmada mevcut olan ERP uygulaması ile uyumlu çalıĢan kapasite planlama yazılımları olduğu görülmektedir. Bu çalıĢmalar henüz firmaları memnun edecek seviyeye ulaĢmamıĢtır.
ġekil 2.2 : Kurumsal Kaynak Planlamasının Kronolojik GeliĢimi (Altınkeser, 1994) Kapsam bakımından kurumsal kaynak planlamanın geliĢimi Ģekil 2.3’de gösterilmiĢtir.
ġekil 2.3 : Kurumsal Kaynak Planlamanın GeliĢimi (Altınkeser, 1999) MRP II CIM MRP II DRP ERP 1960 1970 1980 1990 2000 MRP
*Kalite Yönetimi*Proses / Operasyon Planlama *Depo Yönetimi*Laboratuar Bilgi Planlama *Kontrol Sistemleri*Düzenleyici Raporlama *Bilgi Yönetimi*Ġnsan Kaynakları
*Lojistik Sistemleri*Kaynak Planlama *Üretim Kontrol*Finansal Planlama *SatıĢ Planlama*Lot Kontrol
*Satın alma Planlama*Muhasebe *Ürün Ağaçları
*Ana Üretim Planları *Malzeme Ġhtiyaç Planlama *Envanter Yönetimi
*Rotalar / ĠĢ Ġstasyonları
ERP
MRP II
10
2.4 Kurumsal Kaynak Planlama Sisteminin Faydaları
ĠĢletmeler kuvvetli yönlerini korumak, zayıf yönlerini güçlendirmek ve olası tehlikelere karĢı tedbirler almak zorundadır. ĠĢletmler büyüdükçe farklı adreslerde olan tesislere sahip hale gelmiĢtir. Tesisler arasında bilgi akıĢını sağlamak ve kaynakları en etkin Ģekilde kullanarak minimum maliyeti hesaplamak için kurumsal kaynak planlama yazılımlarına ihtiyaçları vardır.
Bu yazılımlar amacına uygun halde kullanılınca aĢağıda belirtilen neticeler elde edilir.(Talu, 2004; 15)
ĠĢletme yönetiminde ortak bir stratejiye sahip olunur Elde edilen sonuçlar değerlendirilir
ĠĢletme kaynakları etkin ve verimli kullanılır ĠĢletme faaliyetlerinde küresel denetim sağlanır Hızlı ve doğru bilgi iletiĢimi sağlanır
ĠĢletme içi koordinasyon artar Üretim performansı artar MüĢteri memnuniyeti arttırılır Zamanında teslimatlar yapılır
Termin zamanının azaltılmasını sağlar MüĢteri taleplerine hızlı tepki verilir
Minimum maliyetle imalat yapılması için üretim planı belirlenir Stok seviyeleri minimuma indirilir
Orta büyüklükteki iĢletmelerde kurumsal kaynak uygulamalarında, gerekli kaynak tahsisi ve eğitimli personel ihtiyacı iki ana sorundur. Uygulamada karĢılaĢılacak diğer tüm sorunlar bir plan ve program çerçevesinde aĢılmalı ve uygulamanın baĢarısı sağlanmalıdır. Çünkü iĢletmelerin gelecek için strateji belirleyip doğru karar alabilmeleri ve rekabet avantajı elde edebilmeleri, kurumsal kaynak planlama sistemleri ile sağlanabilmektedir.
3. SONLU KAPASĠTE PLANLAMASI
3.1 Tanımı ve Amaçı
Kurumsal kaynak planlama yazılımlarında kapasite planlama bir modül olarak yer almakla birlikte yazılımın diğer modüllerine göre daha fazla geliĢtirilmeye ihtiyaç duymaktadır. Browne’un tanımladığı sonlu kapasite planlama sistemi aĢağıdaki Ģekilde görülmektedir.
ġekil 3.1 : Sonlu Kapasite Üretim Planlama Sistemi (Broewne, 1988) Üretim Gereksinim Planlama Kapasite Planlama Sonlu Kapasite Planlama Proses Yönetimi Malzeme ve Stok Yönetimi Atölye Düzeni Kontrol Talep Tahminleri Üretim Emirleri Ürün Rotaları GerçekleĢen Üretim Bilgileri Üretim Çizelgeleme Stok Malzeme Tedarik Planı Stok Düzeyi SipariĢler Malzeme Ġhtiyacı
12
Sistemin çalıĢmasında karar noktaları arasında hiyerarĢi vardır. Ġlk karar noktası üretim kaynaklarının, müĢteri sipariĢlerine, envanter ve Ģirket politikalarına dayanarak planlanmasıdır. Ġkinci aĢamada üretim sipariĢleri için sonlu kapasite çizelgeleme ve kapasite planlamayı içeren çizelgeler oluĢturulur. Üçüncü aĢamada atölye düzeyinde kontrol modülü üretim çizelgelerine göre çalıĢtırılır. Bu esnada malzeme yönetim modülü minimum maliyet ile gerekli malzemenin sağlanması için çalıĢtırılır. Üretim ve kaynak yönetim modülü diğer modüllere proses planları ve üretim kaynakları gibi gerekli bilgileri sağlar
Sonlu kapasite planlama, iĢlerin çizelgelenmesi ile elde edilen sonuçlara göre iĢlerin baĢlangıç ve bitiĢ zamanlarının belirlenmesi ve kaynakların kapasite yüklerinin belirlenmesidir. Elde edilen sonuçlar kapasite kullanım histogramı ile gösterilir.
0 10 20 30 40 50 60 1 2 3 4 5 6 Kapasite Kullanılan
ġekil 3.2 : Kapasite Kullanım Histogramı
Sonlu kapasite çizelgeleme detaylı çizelgeler oluĢturarark atölyelerde üretimi yönlendirir. Kısa dönem ihtiyaçları bu alt modülün çıktıları kullanarak belirlenir. Sonlu kapasite planlama ise yaklaĢık bilgiler ile orta ve uzun dönem için diğer çizelgeler hazırlar. Orta ve uzun vade kapasite planları için karar desteği sağlar ve uzun tedarik süreli malzeme ihtiyaçlarını belirler.
Tüm kaynakların gerçek kapasitelerini, ne zaman sonlandıklarını ve kaynakların her bir iĢlemde ne Ģekilde kullanılacağına dair tüm detayları göz önüne aldığı için bu sürece sonlu kapasite planlama denir.
3.2 Çizelgeleme
Çizelgeleme; kaynakların belirlenen iĢlerde belli zaman periotlarında hangi oranlarda kullanılacağının belirlenmesidir. Esas olan görev zamanlarının belirlenmesidir. Çizelgeleme, üretimden dağıtıma ve lojistiğe kadar geniĢ bir alanda uygulanmaktadır. Kaynaklar iĢlemin gerçekleĢmesini sağlayan tüm etkenlerdir, sadsece makinalar değil, kullanılan diğer araç gereçler, insanlar, hatta bilgiyi iĢleyen bilgisayarlar bile kaynaklar arasında yer almaktadır.
Üretim çizelgeleme, planlama periodunda iĢletme kaynaklarının nasıl kullanılacağının belirlenmesidir.
Üretim planlama iĢlemi üretim hattı ve veya makina parkındaki değiĢikler dikkate alınarak aylık veya üç aylık periodlar halinde yapılır. Bir iĢletmede ürünlerin üretilmesi veya iĢlemlerin yerine getirilmesi için zaman ve sıralama açısından plan yapılır. Bu plan üretim çizelgesidir. Üretim çizelgeleme her ürün için ayrıntılı iĢlem alternatiflerini dikkate alır ve optimum rota, kapasite gereksinimi, malzeme, araç gereç ve değiĢiklik ve hazırlık duruĢlarını yönetir. Üretim çizelgeleme gün içerisinde değiĢimlerine, makina arızalarına, malzeme stoklarına ve diğer etkenlere göre değiĢtirilir
3.3 Sonlu Kapasite Çizelgelemenin Tanımı
Sonlu kapasite çizelgeleme; ürünleri üretmek için gerekli olan iĢlemlerin baĢlangıç ve bitiĢ zamanlarının belirlenmesidir. Bilgisayar destekli çizelgeleme ugulamalarında aĢağıdaki konuların iyileĢtirildiği tespit edilmiĢtir.
Termin sapmalarında azalma EriĢim zamanlarında hızlılık
Toplam hazırlık zamanlarının kısalması ve maliyetlerin azaltılması Ara stok miktarlarının azalması
14
ġekil 3.3 : Gantt ġeması Örneği
Kapasite planlama modülünde, sonlu kapasite çizelgeleme doğru ve kesin verilerin mevcut olduğu kısa dönem üretim çizelgeleri için kullanılmaktadır. Çizelge tüm üretim kaynaklarını kapsamlı ve zaman bazlı olarak iĢ yüklerini göstermelidir.
Teorik olarak çizelgeleme problemleri; bir makina, paralel makinalar, akıĢ tipi ve atölye tipi gibi kategorilerde modellendirilir. Her kategorinin kendi varsayımları, kuralları ve kısıtlamaları vardır. DeğiĢik endüstrilerde endüstrinin sahip olduğu belirli önceliklere gore çeĢitli hedefler tespit edilir. Bu nedenle her üretim hattı için aynı modelleme yapılması söz konusu değildir.
3.4 Sonlu Kapasite Planlaması Ġçin Yazılım Çözümleri
ĠĢletmeler müĢteri taleplerini yerine getirebilmek için daima yarıĢ içindedirler. Planlama bölümleri haftalık, aylık dönemleri kapsayan planlar yapmaktadır. Planlar, eğer manuel çizelgeleme aktivitesi olarak yapılır ise insan görüĢünü taĢıyan engeller içerir. Bu engellerin olmaması için, iĢletmeler bilgisayar destekli çizelgeler kullanmaktadırlar. Bu yazılımların amacı planlamacıların iĢlerini kolaylaĢtırmak ve bir karar destek aracı olarak hizmet vermektir.
3.4.1 Manuel çizelgelemenin sakıncaları
Manuel çizelgelemede aĢağıda belirtilen engellere dikkat etmek gerekir. Makine 1 Makine 2 Makine 3 Parça 1 Parça 3 Parça 2 Parça 2 Parça 1 Parça 3
Parça 3 Parça 2 Parça 1
Manuel çizelgeleme insana bağlı bir prosestir. Çizelgeleme yapan personelin tercübesine bağlı olarak netice elde edilir. Tercübesi az olan bir personel tarafından yapılan bir çizelge daha tecrübeli baĢka bir personel tarafından kabul görmeyebilir.
Manuel çizelgeleme performans değerlendirmeden yoksundur. Çizelgeleme karmaĢık bir görev olduğu için yapılması çok fazla zaman ve efor gerektirir. Elde edilen neticenin alternatifi ile karĢılaĢtırılması söz konusu değildir. Daha iyi çizelgelerin olması mümkündür.
Manuel çizelgelerin güncellenmesi geniĢ bir çalıĢmayı gerektirir. Yapılan çizelge beklenmedik geliĢmeler, satıĢ planlarının güncellenmesi, ana üretim planının revize edilmesi gibi değiĢiklikler nedeniyle değiĢtirilmesi gerekir. Manuel çizelgeler otomatik güncellenemediği için bu tip küçük veya büyük değiĢiklikler çok fazla zaman ve efor gerektirir.
Manuel çizelgeler görsellikten uzaktır. Genellikle bir cetvel veya liste halinde hazırlanır.
Manuel çizelgeler ile iĢletmelerin diğer sistemleri entegre çalıĢmazlar. 3.4.2 Bilgisayar Destekli Sonlu Kapasite Çizelgelemenin AĢamaları
Bilgisayar destekli yazılımlara ihtiyaçların artması nedeniyle ticari yazılımların sayıları artmıĢtır. Fakat çoğu yazılım değiĢik dizayn ihtiyaçlarına cevap veremediği için, müĢteri ihtiyaçlarını karĢılayamaz hale geldikleriden sınırlı bir zaman kullanıldıktan sonra kullanımından vazgeçilmektedir.
Modern firmalarda merkezi bir bilgisayar ve veri tabanı sistemi bulunmaktadır. Lokal network bağlantıları, kiĢisel bilgisayarlar, iĢ istasyonları ve veri giriĢ terminalleri bu merkezi veri tabanına bilgileri taĢır. Çizelgeleme iĢlemi geliĢmiĢ bir kiĢisel bilgisayarda merkez veri tabanına bağlı olarak çalıĢır. Bu veri tabanından bilgileri okur ve oluĢan çizelgeler yeniden veri tabanına yazılır. (Pinedo, 1995) BaĢarılı bir uygulama amaçlayan çizelgeleme dört ana seviyede fonksiyonellik sağlamalıdır.(IMS, 2000b)
16
Modelleme seviyesi; her özel çizelgeleme durumu özel amaçlar ve endüstri iliĢkili kesin özelliklere sahip ki bu değiĢiklik Ģirket modelleme detayları gerektirir. Çizelgeleme sisteminin modelleme seviyesi değiĢik endüstrilerin özellik ve ihtiyaçlarını karĢılayacakĢekilde esnek olmalıdır.
Veri kaynağının yönetim seviyesi; üretimin alt yapısını gösteren verileri yönetebilecek yeteneklere sahip olmalıdır. SatıĢ, atölye ve malzeme planları gibi verilerin oluĢturulması ve güncellenmesi bu seviye ile oldukça alakalıdır. Her sistem değiĢik veri yapısına sahiptir ve veri okumak, meknizmayı veri ile beslemek için farklı ara yüzlere sahip olabilir. Örneğin bir Ģirket; satıĢ verilerini Excel dosyalarında fakat stok bilgileri AS/400 temelli uygulamalarda tutuyor olabilir. Planlama manuel yapılıyor ise gerçekleĢen üretim verilerinin ayrı bir iliĢkili veri tabanına girilmesi gerekebilir. BaĢka bir Ģirket bütün entegre iĢlemleri (satıĢ, dağıtım, malzeme yönetimi ve üretim planlama gibi) içeren ortak depolamaya uygun tam bir ERP kullanıyor olabilir. Genellikle bu tip sistemler tek ERP ve tek bir veri tabanında çalıĢmaktadırlar.
Çizelge oluĢturma seviyesinin ana amacı karar destek sistemi olarak hizmet vermesidir. Çizelge oluĢturma seviyesi alternatif çözüm teknikleri oluĢturmayı kolaylaĢtırır. ÇeĢitli çizelgeleme metotlarından probleme uygun olanını seçme ve test edebilme yeteneğine sahip olmalıdır. Bazı iĢletmelerde firmaya ait tecrübelere dayanarak firmanın hedeflerine ulaĢmasını sağlayan özel algoritmalar geliĢtirilmektedir. Çizelge oluĢturma seviyesi tekrar çizelgeleme için gerekli alt araçlarla donatılmıĢ olmalıdır.
Kullanıcı arayüzü seviyesi; pencere mekanizmalarının geniĢ bir kullanımını içerir. Kullanıcı ara yüzleri elektronik Gantt Ģemaları olarak düzenlenir. Elde edilen çizelgeler ile iĢlemlerin sonuçlarını analiz etmek ve değerlendirmek mümkündür. Planlamacılar çizelge sonuçlarına dayanarak ortalama iĢ kuyruk zamanı, çalıĢma zaman yüzdesi, toplam hazırlık süresi gibi performansları değerlendirme istatistiklerini formulize ederek izleyebilirler.
3.4.3 Sonlu Kapasite Yazılım Seçimi Ve Uyarlaması
Sonlu kapasite planlama sistemlerinin sürekli büyümeleri, baĢarıları ve sürekli artan sayıdaki uygulamaları giderek artan sayıdaki Ģirketin bu sistemleri kullanmasına yol açmıĢtır. Sonlu kapasite planlama sistemleri MRP ve ERP ile birlikte kullanılmaktadır.
Ġlk olarak sonlu kapasite modülü olan bir ERP sistemi düĢünülmelidir. Fakat bazı uygulamalarda sonlu planlama paketi (FCS-Finite Capacity Scheduling) baĢka bir program firmasından satın alınır ve ERP ile FCS arasında arayüz oluĢturulması gerekmektedir. ERP ile FCS etkileĢimin düzenli olmasını sağlayacak en önemli gereksinim doğru programın seçilmesidir.
FCS programını seçerken girdilere karĢı kapasitenin ölçülmesi gereklidir. Doğru tercih, detay seviyede çizelgeleme yapılması gereken bütün parçalar çizelgeleme yapmayı ve bu çizelge ile üst seviye planlama sistemi ile bütünleĢmeyi, müĢteri taleplerine cevap vermeyi, üretim sahası organizasyonunun kurulmasını desteklemeyi ve uygulanan iĢ tarzına uygun raporlama ihtiyaçlarının cevaplanmasını sağlayacaktır. (Kuiper, 1997)
Sonlu kapasite planlama sistemlerini değerlendirmedeki en iyi kriter kapasite kullanım oranı ölçüsüdür. Verili bir isteğe göre kapasite kullanım oranını maksimize eden sistemler genel performans, artan akıĢ, daha tutarlı planlama, daha kısa akıĢ zamanı bakımından daha iyi sonuç verirler.
4. ÇĠZELGELEME TEKNĠKLERĠ
4.1 Ġki Makine ĠĢ Sıralaması
En temel çizelgeleme konusu olan iki makinadaki iĢ sıralama çizelgeleme modelini çizelge 4.1’deki örnekle izah edeceğiz. Biri torna biri freze olmak üzere iki makinemiz olduğunu ve önce freze sonrada torna iĢleminden geçmek zorunda olan altı ayrı iĢimiz olduğunu düĢünelim.
Çizelge 4.1 : Ġki Makine ĠĢ Sıralaması Ġçin Örnek ĠĢlem
ĠĢ 1 2 3 4 5 6
Freze 120 90 20 30 50 10
Torna 10 20 30 40 70 120
En hatalı yapılacak sıralama yolu, iĢleri oldukları pozisyonda bırakmaktır, yani iĢ sıralamasının 1 – 2 – 3 – 4 – 5 - 6 olarak belirlenmesidir. (Woolsey ve Maurer, 1992) Bu sıralama Gantt Ģeması olarak ġekil 4.1. de gösterilmiĢtir.
ĠĢ 1 2 3 4 5 6 Freze Zaman 120 210 230 260 310 320 ĠĢ 1 2 3 4 5 6 Torna Zaman 130 230 260 310 380 500
20
Birinci iĢin freze makinasında ilk iĢlem zamanı 120 saat. Yani 120 saat süresince torna makinası çalıĢmayacak, buna baĢlangıç boĢ zamanı denir. Ayrıca ikinci iĢin yapımı için ilave 80 saat daha beklemeye ihtiyaç vardır. En sonunda ise freze makinası torna makinasındaki iĢlerin bitmesi için 180 saat daha bekleyecektir. Bu zamanada bitiĢ boĢ zamanı denir. ĠĢlerin en doğru Ģekilde uygulanması için Johson algoraitması en iyi çözümdür. Johson algoraitması dört adımdan oluĢur.(Woolsey ve Maurer, 1992)
1. Bir makinadaki en kısa iĢlem zamanı tepit edilir.
2. Bu süre iĢ önceliğine göre ilk makinede mevcut ise o iĢ sola yerleĢtirilir. 3. Eğer bu süre ikinci makinede ise o iĢ sağa yerleĢtirirlir.
4. YerleĢtirilen iĢ listeden çıkartırlır ve döngü tekrar baĢlatılır
Tüm iĢler bu Ģekilde sıralanır. AĢağıda bu kuralın uygulaması adım adım izah edilmiĢtir. Her iki makinedeki en kısa süreli iĢ tepit edilirse 1 ve 6 numaralı iĢler olduğu görülür. 1 nolu iĢ ikinci makineye 6 nolu iĢ birinci makineye ait olduğu için 6 nolu iĢ sıralamada en sola 1 nolu iĢ en sağa yazılır. Yani 6 _ _ _ _ 1sırası oluĢur. Geri kalan iĢlere bakıldığında en kısa süreli iĢlerin 2 ve 3 nolu iĢler olduğu tespit edilir. ĠĢ 3 birinci öncelikli tezgaha ait olduğu için sol tarafa, 2 nolu iĢ ikinci öncelikli tezgaha ait olduğu için sağa tarafa yazılır. Sıralama 6 3 _ _ 2 1 olur. Bir sonraki adımda en kısa süreli zaman 4. iĢe aittir. 4. iĢ birinci öncelikli iĢe ait olduğu için sol tarafa yazılır. Sıralama 6 3 4 _ 2 1 olur. Geri kalan 5 nolu iĢ, sıralamada kalan son aralığa yerleĢtirirlir. Sıralamanın son hali 6 3 4 5 2 1 olacaktır. Bu sıralamanın Gantt Ģeması aĢağıdaki grafikte Ģu Ģekilde gösterilir.
ġekil 4.2 : Örnek ÇalıĢma Ġçin Johson Algoritmasına Ait Gantt ġeması ĠĢ 6 3 4 5 2 1 Freze Zaman 10 30 60 110 200 320 ĠĢ 6 3 4 5 2 1 Torna Zaman 10 130 160 200 270 290 320 330
Elde edilen sıralamanın incelendiğinde, torna tezgahının ilk iĢ baĢlangıç için bekleme zamanı 10 saattir. Tüm iĢlem süresine bakıldığında 1 nolu iĢin baĢlanılması için 30 saatlik bir bekleme zamanı olduğu tespit edilir yani toplam bekleme süresi 40 saattir. Toplam iĢlem süresi 330 saattir. ĠĢler ilk geldikleri iĢ sırasında bırakılsalar idi yani iĢ sıralaması 1,2,3,4,5,6 olacaktı. Toplam iĢ süresi 500 saat ve boĢ bekleme süresi 210 saat olacaktı. Johson algoritması bize toplam 170 saatlik boĢ zaman kazancı sağlamıĢtır.
Bu yöntem için sıralanacak iĢ adedi önemli değildir. Önemli olan parametreler; iki makinedeki iĢ sıralamasını yapmak ve bir makinede yapılacak iĢin diğer makinede yapılacak iĢi takip etmesidir.
4.2 Üç Makine Çizelgeleme Algoritması
Üç ayrı iĢlem veya makinemiz var ise Johson algoritması bu iĢlemi yapamaz. ĠĢlemler arasındaki baskınlık durumu tespit edilerek, üç makineli problemler iki makineli probleme dönüĢtürülür.
Çizelge 4.2 : 3 Makine Çizelgeleme Ġçin Örnek ĠĢlem
ĠĢ Freze Torna Matkap
1 7 5 10
2 8 2 10
3 7 6 9
4 13 1 8
5 7 2 11
Makinelerdeki iĢlerin sürelerine bakıldığında tornadaki en uzun iĢlem zamanı frezeden kısadır. Ayrıca yine tornadaki en uzun iĢlem zamanı matkapdaki en kısa
22
Üç makineli iĢ sıralaması verildiğinde aĢağıdaki değerler kontrol edilir;
1. Birinci makinedeki en kısa iĢlem zamanı ≥ ikinci makinedeki en uzun iĢlem zamanı yada
2. Üçünçü makinedeki iĢlem zamanı ≥ ikinci makinedeki en uzun iĢlem zamanı Ġkinci makinedeki en uzun iĢlem zamanı birinci ve üçünçü makinedeki en kısa iĢlem zamanlarından küçük veya eĢit ise bu yöntem uygulanabilir.
Üç makine probleminden iki makine problemi oluĢturulur. Ġlk iki iĢlem zamanının toplamı birinci makine grubunun iĢlem zamanını, ikinci iki iĢin zamanları toplamı ikinci makine grubunun iĢlem zamanını oluĢturur.
OluĢturulan bu iki yeni gruba Johson algoritması uygulanır.
Çizelge 4.3 : 3 makine Problemini 2 Makine Problemine Ġndirgeme Freze+Torna Torna+Matkap 12 15 10 12 13 15 14 9 9 13
Johson algoritmasını uygularsak; 5.iĢin 9 olan en kısa iĢlem zamanı birinci makine grubunun en kısa zamanı olduğu için sıralamada sağa yerleĢtirilir. 4. iĢteki en kısa zaman ikinci makine grubuna ait olduğu için sıralmada en sola yerleĢtirilir. Sıralama 5 _ _ _ 4 olur. Daha sonra en kısa iĢlem zamanı olan 10 saatlik 2 nolu iĢ birinci gruba ait olduğu için sıralamada sola yerleĢtirilir. Birinci iĢ 12 saatlik iĢlem zamanı ile 2. iĢten sonra çizelgede yerini alır. Sıralamada kalan son boĢ yere 3.iĢ yerleĢtirilir. Sıralama 5 2 1 3 4 olur.
Bu yöntemin uygulanması için üç iĢlemin olması, iĢlemler arasında baskınlığın tespit belirlenmesi gerekir.
4.3 M Makine ĠĢ Çizelgeleme
Eğer üç veya daha fazla iĢ mevcut ve baskınlık yok ise J.N.D. Guptanın çalıĢması incelenebilir. (Woolsey ve Maurer, 1992) Bu için 5 adet aynı iĢlem sırasına sahip 4 tane iĢin mevcut olduğu bir örneği inceleyeceğiz.
Çizelge 4.4 : BeĢ Makine ĠĢlem Süreleri
ĠĢ A B C D E
1 4 3 7 2 8
2 3 7 2 8 5
3 1 2 4 3 7
4 3 4 3 7 2
Gupta bu iĢleri sıralayabilmek için aĢağıdaki yöntemi oluĢturmuĢtur.
Eğer ilk makinedeki iĢlem zamanı son makinedeki iĢlem zamnanından büyük veya eĢit ise pay değeri +1, ilk makinedeki iĢlem zamanı son makinedeki iĢlem zamanından küçük ise pay değeri -1 dir.
Payda değeri soldan sağa toplanan iĢlem zamanlarının en küçüğüdür.
En iyi sıralama en küçük iĢlem zamanı değerinden en büyük iĢlem zamanına doğru giden sıralamadır.
Çizelge 4.5 : Gupta Metodu Ġçin Örnek Çizelge
ĠĢ A B C D E Değer
1 4 3 7 2 8 -1/7
24
Çizelge 4.5’de her iĢ için değerin nasıl belirlendiğini 1.iĢ için izah edersek. 1.iĢin A makinesindeki iĢlem zamanı 4 saat, E makinesindeki iĢlem zamanı 8 saat olduğu için pay değeri -1 dir. Payda değerini bulmak için iĢlemlerin ikiĢer ikiĢer toplanır. Yani (A+B), (B+C), (C+D), (D+E) iĢlem zamanları toplanır, (4+3), (3+7), (7+2), (2+8) değerleri toplandığında en küçük değerin 7 olduğu görülür.Birinci iĢ için payda değeri 7 dir. ĠĢ değerlerini küçükten büyüğe doğru sıralar isek; (-1/3), (-1/7), (-1/9) ve (+1/4) olarak sıralanır. Değer sıralamasına göre iĢ sıralaması 3, 1, 2, 4 olarak gerçekleĢir.
Gupta yöntemi optimum değildir. Fakat problem büyüdükçe bu metot daha iyi sonuçlar vermektedir.
Gupta çizelgeleme algoritması uygulama dahilinde ne kadar iĢlem ve ne kadar iĢ olduğunu göz önüne almadan çalıĢır. Bu algoritmadaki tek kısıt tanımlanan iĢlerin aynı sırada iĢlemlere tabi olmasıdır.
4.4 Sıra Önemli 2 makine ĠĢlerin Çizelgelenmesi
ġu an kadar izah edilen metotlarda bütün iĢlerin aynı sırada soldan sağa doğru iĢlem göreceği varsayımına dayanılarak çizelgeleme yapılmıĢtır. ġimdi bu varsayımı kaldırıp 2 makineli çizelgeleme iĢlemi incelenecektir. Bu sayede M adet makine olan iĢlerin çizelgelenmesi daha kolay anlaĢılır. Bu bölümde incelenecek örnekte 2 makinede verilen iĢlerde en kısa toplam iĢlem zamanın elde edilecek Ģekilde sıralama iĢlemi yapılacaktır. Bunun için Jackson algoritması kullanılacaktır. (Woolsey ve Maurer, 1992)
Jackson algoritması aĢağıdaki adımlardan oluĢmaktadır. Sadece 1.makindeki iĢler herhangi bir sırada yazılır. 3. Sadece 2. makinedeki iĢler herhangi bir sırada yazılır.
4. Her iki makinedeki A-B sırasında yapılan iĢler, Johson 2 makine algoritmasına göre sıralanır.
5. Her iki makinedeki B-A sırasında yapılan iĢler, Johson 2 makine algoritmasına göre sıralanır.
6. A makinesi için en iyi çizelge üçüncü adımda elde edilen sıranın yanına birinci adımda elde edilen sıranın, onun yanınada dördüncü basamakta elde edilen sıra yazılır.
7. B makinesi için en iyi çizelge dördüncü adımda elde edilen sıranın yanına ikinci adımda elde edilen sıranın, onun yanınada üçüncü basamakta elde edilen sıranın yazılması ile elde edilir.
Çizelge 4.6 : Sıra Önemli Ġki Makine Problemi Ġçin Örnek
ĠĢler Freze Torna Sıra
1 20 0 F 2 70 40 F-T 3 30 60 F-T 4 0 70 T 5 10 30 F-T 6 30 10 T-F 7 20 70 T-F 8 0 40 T 9 40 0 F
Çizelge 4.6’daki örneğe Jackson kuralı uygular isek;
Birinci adım olarak, freze tezgahında iĢlem görecek iĢler (1,9) olarak sıralanır.
26
Dördüncü adımda torna - freze sırası ile iĢlem görecek iĢler en kısa iĢlem zamanına göre (6,7) olarak sıralanır.
Freze tezgahı için sıralama Ģu Ģekilde olacaktır. (5,3,2) (1,9) (6,7) Torna tezgahı için sıralama Ģu Ģekilde olacaktır. (6,7) (4,8) (5,3,2).
Her iki makineli iĢler sıralaması optimize edildiğinde ve iĢlemler devam ederken oluĢabilecek boĢ zamanlar da sadece o makinede iĢlem görecek iĢler ile yüklendiğinden dolayı bu yöntemin etkinliği yüksektir. Bu metot iĢ sıralarını ve iĢ sayısını göz önüne almadan çalıĢır. Bu yöntemde ana parametre iki makine veya iĢlem olmasıdır.
4.5 Sıra Önemli M Makine ĠĢ Çizelgelemesi
Bu bölümde M makine ve N adet iĢin sıralaması incelenecektir. Bir önceki örneğe ilave olarak matkap iĢlemi de eklenerek aĢağıda görülen operasyonlar ve süreleri çizelgelenecektir.
Çizelge 4.7 : M Makine N Adet ĠĢ Ġçin Örnek ĠĢler Ve Zamanlar
ĠĢler Freze Torna Matkap ĠĢ Sırası
1 20 10 30 F-T-M 2 50 20 10 F-M-T 3 40 60 50 T-F-M 4 60 70 20 T-M-F 5 50 10 20 M-T-F 6 80 20 10 M-F-T 7 40 60 0 F-T 8 40 0 70 F-M 9 0 40 40 T-M 10 20 30 0 T-F 11 20 0 40 M-F 12 0 60 50 M-T 13 100 0 0 F 14 0 120 0 T 15 0 0 90 M
Çizelge 4.7’deki örnek için aĢağıdaki algoritma takip edilir.
Freze tezgahı ile çizelgelemeye baĢlarsak, F-T-M ve F-M-T kombinasyonları olduğu görülür. Freze tezgahında birinci iĢ ikinci iĢe göre 30 saat kısa sürdüğü için sıralama (F-T-M) ve (F-M-T) Ģeklinde yapılır. Ġkinci adım olarak sadece freze-torna veya freze-matkap tezgahlarında iĢlem görecek ikili iĢlem kombinasyonları için sıralama yapılır. F-M iĢlem zamanı F-Tye göre 20 saat daha hızlı olduğu için önce F-M sonra F-T sıralanır. Son olarak sadece freze tezgahında iĢlem görecek iĢler sıralanır. Bu yöntemle freze, torna ve matkap tezgahlarında iĢ sıralaması Ģu Ģekilde oluĢur; Freze için; (F-T-M), (F-M-T), (F-M), (F-T), (F)
Torna için; (T-F-M), (T-M-F), (T-F), (T-M), (T) Matkap için; (M-T-F), (M-F-T), (M-F), (M-T), (M)
Bu adımdan sonra aynı tezgahda ikinci iĢlem görülen iĢler sıralanır. Freze için; (F-T-M), (F-M-T), (F-M), (F-T), (F), (T-F), (M-F)
Torna için; (T-F-M), (T-M-F), (T-F), (T-M), (T), (F-T), (M-T) Matkap için; (M-T-F), (M-F-T), (M-F), (M-T), (M), (F-M), (T-M) Son adım olarak üç iĢlem kombinasyonu olan iĢler sıralanır,
Freze için; (F-T-M), (F-M-T), (F-M), (F-T), (F), (T-F), (M-F), (T-M-F), (M-T-F) Torna için; (T-F-M), (T-M-F), (T-F), (T-M), (T), (F-T), (M-T), (F-M-T), (M-F-T) Matkap için;(M-T-F), (M-F-T), (M-F), (M-T), (M), (F-M), (T-M), (F-T-M), (T-F-M) Bu anlatılan yöntemler içinde 2 makineli olan iĢ kombinasyonları Johson metodu ile çözülür, sıralı üç veya daha fazla makineli iĢ kombinasyonları Gupta yöntemi ile çözülürken M makineli N iĢli problemlerde Woolsey’sin bu algoritması uygulanır. Johson and Jackson yöntemleri optimum sonuç verirken, Gupta ve Wooley’s metodları uygulanırken optimum sonuç elde edilmez iken kabullenmelere dikkat edilmelidir.
28 4.6 Tek Makine Çizelgeleme
Bu bölümde sıralamamız gereken 8 farklı iĢimiz olduğunu varsayalım. ĠĢlere ait proses zamanı ve iĢlerin bitirilmeyi beklendiği tarihe olan zamanlar (hedef zaman) aĢağıda belirtilmiĢtir.
Çizelge 4.8 : Tek Makine ĠĢ Çizelgeleme Örneği
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Bu örnekteki sekiz iĢ 40.320 farklı yol ile sıralanabilir. Çünkü 1x2x3x4x5x6x7x8=40.320 dir
Bu örneği ele aldığımız aĢağıdaki neticeleri nasıl elde edebilirizin cevabını inceleyelim. Ġstenen neticeler;
Ortalama bitiĢ zamanının minimum yapılması Ortalam akıĢ zamanının minimum yapılması Ortalama bekleme zamanının minimum yapılması
Tüm bunların tek bir metotla elde edilmesi ĢaĢırtıcı olabilir. Problemin çözümü için Ģu Ģekilde düĢünebiliriz, ikinci iĢin yapılması için en az beklemek istersek birinci iĢ ne olmalıdır. Bu sorunun cevabı en kısa iĢlem süresine sahip iĢtir. Üçüncü iĢi en kısa beklem zamanı ile yapmak istersek ikinci iĢ olarak en kısa imalat süresine sahip ikinci iĢ sıralamaya yerleĢtirilir. Bu metoda ‘en kısa iĢlem zamanı’ (SPT-Shortest Processing Time) denir. ĠĢler artan iĢlem zamanına göre sıralanır. Yukarıdaki örnek için sıralama; 2 – 4 – 1 – 5 – 6 – 7 – 3 - 8 olacaktır.
Çizelge 4.9 : En Kısa ĠĢlem Zamanı Metoduna Göre Elde Edilen ĠĢ Çizelgesi
ĠĢ 2 4 1 5 6 7 3 8
Hedef Zaman 20 42 40 68 74 93 80 108
Bu metot kısa vadede üretkenlik getirirken uzun vadede üretkenlik hesabının genel ortalaması ‘sıfır’ olur.
4.7 Maksimum Gecikmelerin Minimize Edilmesi
Teslimatlardaki gecikmelerin en aza indirilmesi sağlanır. Çünkü geç teslimatlar müĢteri memnuniyetsizliğini getirir. ĠĢler hedef zaman esas alınarak en küçükten en büyüğe doğru sıralanır. Bu metoda ‘hedef zaman kuralı’ (DDR-Due Date Rule) denir. Çizelge 4.10’de gösterilen orjnal örneğimizi inceleyelim.
Çizelge 4.10 : Hedef Zaman Kuralına Ġçin Örnek ĠĢ Çizelgesi
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Örneğimize hedef zaman kuralını uygular isek; iĢlerin sıralaması; 2 – 1 – 4 – 5 – 6 – 3 – 7 – 8 olacaktır.
Çizelge 4.11 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi
ĠĢ 2 1 4 5 6 3 7 8
Hedef Zaman 20 40 42 68 74 80 93 108
ĠĢlem Süresi 10 20 11 21 22 50 40 60
Bu metot bir önceki metot ile aynı neticeyi vermez. Bu metotda hiçbir Ģeyin çok geç olmadığından emin olabilirsiniz, fakat her Ģey geç olabilir mantığı kötü haberdir.
4.8 En DüĢük Gecikmelerin Maksimum Edilmesi
30
kuralı’ (Slack Rule) denir. Çizelge 4.12’de kuralı uygulayacağımız orijinal örneğimize ait değer mevcuttur.
Çizelge 4.12 : BoĢ Zaman Kuralı Ġçin Örnek - 1
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
BoĢ Zaman 20 10 30 31 47 52 53 48
Yukarıdaki örnekiçin iĢ sıralaması; 2 – 1- 3 – 4 – 5 – 8 – 7 – 6 olacaktır. Çizelge 4.13 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi
ĠĢ 2 1 3 4 5 8 7 6
Hedef Zaman 20 40 80 42 68 108 93 74 ĠĢlem Süresi 10 20 50 11 21 60 40 22
BoĢ Zaman 10 20 30 31 47 48 53 52
Bu metodun en iyi yönü Ģudur; bir iĢin gecikme ihtimalini en aza indirmesidir. Zayıf yönü ise, geç bir iĢ aldığınızda o iĢ gerçekten geç kalacaktır.
BaĢka bir örnek olarak aĢağıdaki iki iĢi inceleyelim.
Çizelge 4.14 : BoĢ Zaman Kuralı Ġçin Örnek - 2
ĠĢ No 1 2 2 1 Beklenen Zaman Zaman 90 10 10 90 ĠĢlem Zamanı 5 5 5 5 BitiĢ Zamanı 5 10 5 10 BoĢ Zaman 85 5 5 85
Bu durumda boĢ zaman kuralına göre 2. iĢi önce, 1. iĢi sonra yapmamız gerekmektedir. Soldaki düzende, en küçük bir gecikmede 2.iĢin zamanında teslimi de gecikecektir. Ayrıca birinci iĢin önce yapılması üretilen ürünün bekleme süresi daha fazla olacaktır.
BaĢka bir durum olarak çizelge 4.15’deki örneği incelersek. Gecikme süresinin nasıl sıfırlandığı veya düĢürüldüğü görülmektedir. Bu örnekte boĢ zamanın aynı olmasından dolayı, boĢ zaman düzeninin iki farklı dizi arasındaki farkı açıklayamadığına dikkat edilmelidir. Burada değerlendirme kriteri, ikinci düzenin gecikmesinin 0 gün, fakat birinci düzenin gecikmesinin 80 gün olmasıdır.
Çizelge 4.15 : BoĢ Zaman Kuralı Ġçin Örnek - 3
ĠĢ No 1 2 2 1 Beklenen Zaman Zaman 90 10 10 90 ĠĢlem Zamanı 85 5 5 85 BitiĢ Zamanı 85 90 5 90 BoĢ Zaman 5 5 5 5 Gecikme 0 80 0 0
4.9 Geciken ĠĢ Sayısının Minimize Edilmesi
Bu yaklaĢım genel olarak gerçekleĢtirilmeye çalıĢılan bir metotdur. Elbette geciken iĢlerin sayısını azaltmak gerekir. Sonuçta geciken iĢ sayısının sıfır olması istenir. Bu metot için Çizelge 4.16’daki orjinal örneği inceleyeceğiz.
Çizelge 4.16 : Geciken ĠĢ Sayısının Minimize Edilmesi Ġçin Örnek
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
32
Yapılacak ilk uygulama; hedef zaman süresine göre yapılacak iĢleri küçük değerden büyük değere göre sıralamaktır. Hedef zaman kuralı maksimum gecikmeyi minimize edecektir. Geciken iĢlerin minimize edilmesi için geliĢtirilen Hodgson’s kuralı için geliĢtirilen algoritmanın adımları Ģunlardır.(Woolsey ve Maurer, 1992)
ĠĢler hedef zamanın artan sırasında yerleĢtirlir.
ĠĢleri soldan sağa doğru geciken bir tane oluncaya kadar sıralayın.
Geciken iĢte dahil olmak üzere en büyük iĢlem süreli iĢ sıralamanın en sonuna konur.
Ġkinci adıma dönülür ve iĢler bitinceye kadar devam edilir.
Çizelge 4.17 : Hodgson’s Kuralına Göre Elde Edilen ĠĢ Sıralaması
ĠĢ 2 1 4 5 6 7 3 8
Hedef Zaman 20 40 42 68 74 93 80 108
ĠĢlem Süresi 10 20 11 21 22 40 50 60 BitiĢ Süresi 10 30 41 62 83 123 173 233
Yukarıdaki problemde 8 iĢten 4’ü zamanında çıkacaktır. Diğer 4 iĢ gecikecektir. %50 performans sağlanmıĢ olacaktır. Daha iyi bir yol olarak zamanında olan iĢler için en kısa proses zamanı uygulanabilir. Bu Ģekilde optimum sıra 2,4,1,5 olacaktır.Böylece bekleme süreleri azalacak yarı mamul stokları azalacaktır. Fakat 1 iĢ daha gecikecek ve performans %38’e düĢecektir
4.10 Van Drew ġeması
Kullanılan metotların sonuçlarının doğruluğu Van Drew Ģeması ile kontrol edilebilir. (Woolsey ve Maurer, 1992) Yardımcı tanımlar aĢağıda listelenmiĢtir.
Bir iĢin tamamlama süresi: o iĢin bekleme zamanı + o iĢin iĢlem süresi Gecikme: tamamlama süresi – hedef zaman
Ortalama gecikme: gecikmelerin toplamı / toplam iĢ sayısı
Ortalama bekleme süresi: bekleme zamanlarının toplamı / toplam iĢ sayısı Toplam tamamlanma süresi: bütün iĢleri tamamlamak için gereken süre Orjinal problemi tekrar yazarsak,
Çizelge 4.18 : Orijinal Problem
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
En kısa iĢlem zamanı çizelgemesi için Van Drew Ģeması Ģu Ģekilde oluĢacaktır. Çizelge 4.19 : Algoritmaya Göre OluĢturulan Sıralama
ĠĢ 2 4 1 5 6 7 3 8 Hedef Zaman 20 42 40 68 74 93 80 108 ĠĢlem Süresi 10 11 20 21 22 40 50 60 Tamamlama Süresi 10 21 41 62 84 124 174 234 Bekleme Süresi 0 10 21 41 62 84 124 174 Gecikme -10 -21 1 -6 10 31 94 126 Buna göre;
Geciken ĠĢ sayısı: 5 Maksimum Gecikme : 126 Ortalama Gecikme : 225/8=28,125 Minimum Gecikme : -21
Ortalama AkıĢ Süresi : 750/8=93,75 Ortalama Proses Süresi : 234 / 8 =29,25 Ortalama Bekleme Süresi: 516/8=64,5 Toplam Tamamlama Süresi: 234
34 Ġlk gelen ilk çıkar kuralına göre Van drew Ģeması :
Çizelge 4.20 : Algoritmaya Göre OluĢturulan Sıralama
ĠĢ 1 2 3 4 5 6 7 8 Hedef Zaman 40 20 80 42 68 74 93 108 ĠĢlem Süresi 20 10 50 11 21 22 40 60 Tamamlama Süresi 20 30 80 91 112 134 174 234 Bekleme Süresi 0 20 30 80 91 112 134 174 Gecikme -20 10 0 49 44 60 81 126 Buna göre;
Geciken ĠĢ sayısı: 6 Maksimum Gecikme : 126 Ortalama Gecikme : 350/8=43,75 Minimum Gecikme : -20
Ortalama AkıĢ Süresi : 875/8=109,375 Ortalama Proses Süresi :234/8=29,25 Ortalama Bekleme Süresi:641/8=80,125 Toplam Tamamlama Süresi: 234
Bu yöntem hiçbir Ģeyi optimize etmediği için diğer yöntemlere göre oldukça zayıftır.
Hedef zaman kuralı için Van Drew Ģeması:
Çizelge 4.21 : Hedef Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur
ĠĢ 2 1 4 5 6 3 7 8 Hedef Zaman 20 40 42 68 74 80 93 108 ĠĢlem Süresi 10 20 11 21 22 50 40 60 Tamamlama Süresi 10 30 41 62 84 134 174 234 Bekleme Süresi 0 10 30 41 62 84 134 174 Gecikme -10 -10 -1 -7 10 54 81 126
Buna Göre;
Geciken ĠĢ sayısı: 4 Maksimum Gecikme : 126 Ortalama Gecikme : 243/8=30.375 Minimum Gecikme : -10
Ortalama AkıĢ Süresi : 769/8=96.125 Ortalama Proses Süresi :234/8=29,25 Ortalama Bekleme Süresi:535/8=66,875 Toplam Tamamlama Süresi: 234
BoĢ zaman kuralına göre Van Drew Ģeması;
Çizelge 4.22 : BoĢ Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur
ĠĢ 2 1 3 4 5 8 6 7 Hedef Zaman 20 40 80 42 68 108 74 93 ĠĢlem Süresi 10 20 50 11 21 60 22 40 Tamamlama Süresi 10 30 80 91 112 172 194 194 Bekleme Süresi 0 10 30 80 91 112 172 194 Gecikme -10 -10 0 49 44 64 120 141 Buna göre;
Geciken ĠĢ sayısı: 5 Maksimum Gecikme : 141 Ortalama Gecikme : 398/8=49,75 Minimum Gecikme : -10
Ortalama AkıĢ Süresi : 923/8=115,375 Ortalama Proses Süresi :234/8=29,25 Ortalama Bekleme Süresi:698/8=86,125 Toplam Tamamlama Süresi: 234
36
Geciken iĢleri minimize etmek için Van Drew Ģeması;
Çizelge 4.23 : Geciken ĠĢleri Minimize Etmek Ġçin Van Drew ġeması
ĠĢ 2 1 4 5 6 3 7 8 Hedef Zaman 20 40 42 68 74 80 93 108 ĠĢlem Süresi 10 20 11 21 22 50 40 60 Tamamlama Süresi 10 30 41 62 84 134 174 234 Bekleme Süresi 0 10 30 41 62 84 134 174 Gecikme -10 -10 -1 -7 10 54 81 126 Buna göre;
Geciken ĠĢ sayısı: 4 Maksimum Gecikme : 126 Ortalama Gecikme : 243/8=30,375 Minimum Gecikme : -10
Ortalama AkıĢ Süresi : 769/8=96,125 Ortalama Proses Süresi :234/8=29,25 Ortalama Bekleme Süresi:535/8=66,875 Toplam Tamamlama Süresi: 234
Yukarıdaki metotlar incelendiğinde; en kısa zaman kuralının ortalama iĢ akıĢ zamanını, ortalama bekleme zamanını yani ortalama tamamlamazamanını azaltttığı görülmektedir. Hedef zaman kuralı, maksimum gecikmeyi azaltmaktadır. BoĢ zaman kuralı minimum gecikmeyi artırmaktadır. Hodgson’s kuralları geciken iĢlerin adedini minimize etmek için bir sıralama bulur.
4.11 Öncelikli Tek Makine ĠĢ Çizelgeleme
Öncelikli ortalama tamamlama zamanını minimize etme Öncelikli ortalama akıĢ zamanını minimize etme
Öncelikli ortalama bekleme zamanını minimize etme
Bu bölümün baĢında en kısa iĢlem zamanı kuralı ile yukarıdaki hedeflerin hepsinin gerçekleĢtiğini izah ettiğimizi hatırlamak gerekmektedir. ġu ana kadar yapılan
çizelgelemelerde bütün iĢlerin aynı önemde olduğu kabul edildi.Gerçekte böyle bir Ģeyin olması mümkün değildir. ġimdi problem, tekrar fakat bu defa ağırlık veya öncelik faktörü ekleyerek gösterilecektir.
Çizelge 4.24’de iĢlerin öncelikleri ve iĢlem zamanlarına göre oran değerleri görülmektedir.
Çizelge 4.24 : ÖnceliklerdirilmiĢ ĠĢlerin Oran Değerleri
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Önemi 5 2 4 3 7 8 1 6
Oran 4 5 12,5 3,66 3 2,75 40 10
Durum 1. Bütün iĢler aynı öneme, farklı iĢlem zamanı ile sahiptir.
Ortalama iĢ bekleme zamanını minimize etmek için en kısa iĢlem zamanı kuralı kullanılır. ĠĢler en kısa iĢlem zamanından en uzuna doğru sıralanır.
2 – 4 – 1 – 5 – 6 – 7 – 3 – 8
Durum 2. Bütün iĢler farklı öneme, aynı iĢlem zamanına sahiptir. En büyük önemden en küçük öneme doğru sıralanır.
6 – 5 – 8 – 1 – 3 – 4 – 2 – 7
Durum 3. Bütün iĢler farklı öneme ve farklı iĢlem zamanına sahiptir.
Genel yaklaĢım en büyük öncelik ve en kısa iĢlem zamanına sahip iĢi sıralamada en sola yerleĢtirmek. En sağa en küçük öneme sahip en uzun iĢlem zamanı olan iĢ yerleĢtirilir. Bu kurala göre sıralama yapılırsa;
38
4.12 Öncelik Bilgisine Göre Maksimum Gecikmeleri Minimize Etme
Ġzlenecek algoritmada temel kriter iĢlem zamanı esas alınarak belirlenen oran değeri değil hedef zaman esas alınarak belirlenen oran değeridir.
Çizelge 4.25 : Oran Kuralına Göre Elde Edilen Çizelge Değerleri
ĠĢ 1 2 3 4 5 6 7 8 Hedef Zaman 40 20 80 42 68 74 93 108 ĠĢlem Süresi 20 10 50 11 21 22 40 60 Önemi 5 2 4 3 7 8 1 6 Oran 8 10 20 14 3,71 9,75 93 18 En optimum sıralama : 5 – 1 – 6 – 2 – 4 – 8 – 3 – 7
Bu metot hedef zaman kuralına dayanmaktadır, hiç bir Ģey gecikmez fakat her Ģey gecikebilir.
4.13 Öncelik Bilgisine Göre Minimum Gecikmeleri Maksimize Etme
Bu metotta oran kuralını uygularken boĢ zamanı öneme bölerek elde edilen oran kullanılır. Elde edilen oranları artan değer sırasına göre sıralayınca optimum sıraya ulaĢırız.
Çizelge 4.26 : Oran Değerleri Çizelgesi
ĠĢ 1 2 3 4 5 6 7 8 Hedef Zaman 40 20 80 42 68 74 93 108 ĠĢlem Süresi 20 10 50 11 21 22 40 60 BoĢ Zaman 20 10 30 31 41 52 53 48 Önemi 5 2 4 3 7 8 1 6 Oran 4 5 7,5 10,3 5,85 6,5 53 8
