i ÖNSÖZ ve TEŞEKKÜR
Yumuşak hesaplama algoritmaları, şüphe ve belirsizlik ortamlarında insan beyninin sorgulama ve öğrenme yeteneğinin taklit etmeye çalışan algoritmalardır. Günlük hayatta sıklıkla karşılaştığımız problemler için genel geçerliliği olan basit matematiksel formül bulmak çoğu zaman mümkün değildir. Bir geminin belirlenen bir rotada ilerlemesi için dümenine kumanda edilmesi işinde olduğu gibi. Dümeni, sadece ilerlemek istenen açıda tutmak, hedefe ulaşmak için yeterli olmamaktadır. Geminin hızı, rüzgarın ve gemiye çarpan dalgaların yönü ve şiddeti gibi pek çok etken söz konusudur. Doğru rotada ilerlemek için her bir etkinin şiddeti ve yarattığı tepkiyi değerlendirip, dümen açısını belirlemek gerekmektedir. Yaşamda karşılaşılan pek çok problem için doğruya en yakın karar, probleme etkisi olan tüm parametrelerin sağlıklı değerlendirilmesi ile verilebilmektedir. Karmaşıklaşan sistemlerle birlikte yönetilmesi gereken, doğrudan ve dolaylı etki yaratan parametrelerin sayısı artmıştır. Standart süreçler elde etmek için parametrelerin nesnel, süratli, tutarlı değerlendirmesi ve modellenmesi gerekmektedir. Yumuşak hesaplama algoritmaları kontrol ve çözüm hızı anlamında bu işlevi başarıyla yerine getirmektedir.
İnsan beyninin inanılmaz özelliklerini sınırlı düzeyde taklit eden yumuşak hesaplama algoritmaları ile başarılı ve düşük maliyetli çözümler elde edilmektedir. Bu çalışmada yumuşak hesaplama algoritmaları, işletmelerin üretim hattında kullanılan kritik bakım parçalarının belirlenmesine yönelik ekonomik katkı sağlayacak bir model geliştirilmesinde kullanılmıştır.
İşletmelerde üretim hattının devamlılığını sağlamak maksadıyla, sağlıklı bir bakım yönetimi ve bunu destekleyen bir envanter yönetiminin olması çok önemlidir. Bakım yönetimi ile işletilen sistemlerin sürekliliğini sağlayacak önleyici ve doğrultucu bakımlar kast edilmektedir. Planlı bakımlar, bir diğer ifadeyle önleyici bakımlar, arıza çıkmadan önce yapılan bakımdır. Önleyici bakım ile sistemin çalışma performansı kontrol altında tutulmuş olur. Doğrultucu bakım ise, işletim esnasında kontrolsüz bir şekilde karşılaşılan ve çalışmayı durduran arızalar için yapılan bakımdır. Doğrultucu bakım ihtiyacının ortaya çıkması, üretimin hattının durması anlamına gelir. Doğrultucu bakımın süratli bir şekilde tamamlanmasında, ihtiyaç duyulan teknik yeterlilik, takım avadanlık ve bakım parçasının elde hazır bulunması gecikmeleri engellemek için kritik rol oynar. Burada teknik yeterlilik ve takım avadanlık genellikle sabitken, bakım parçaları karşılaşılan arıza türlerine göre değişkendir. Bakım ve envanter yönetimi açısından parçaların, gerek miktarı gerekse de çeşitliliği titizlikle takip edilmelidir. Bakım parçalarının miktar ve çeşitliliğinin optimum seviyede tutulması envanter yönetiminin konusudur. Yani envanter yönetimi, ihtiyaç duyulacak bakım parçasını ön görmek ve stoklarda hazır bulundurulmaktan sorumludur. Bu anlamda, bakım ve envanter yönetimi birbirini tamamlayan ve birlikte çalışması gereken disiplinlerdir.
Bakımlara yönelik detaylar, bakım kayıtlarında tutulmaktadır. Bakım kayıtları kullanılarak, kritik bakım parçalarının belirlenmesi mümkündür. Kritik bakım parçaları, üretimin durmasına sebep olan parçalardır. Belirlenen kritik bakım parçaları envanter yönetiminde öncelikli işlem görecektir. Böylelikle, ihtiyaç duyulan kritik bakım parçalarından kaynaklı bekleme süreleri azaltılmış ve işletmenin maliyet etkinliği arttırılmış olacaktır.
ii
Bu çalışmada, bir işletmeye ait bakım kayıtları kullanılarak kritik bakım parçalarının belirlenmesi amacıyla sırasıyla Bulanık C-Ortalamalar ve Sözel Çitli Uyarlanabilir Bulanık Sinir Ağları algoritmaları kullanılmıştır. Sıralanan algoritmalar ile bakımlarda kullanılan bakım parçalarının “kritik”, “gerekli” ve “arzu edilen” öbeklerine ayrılmasını sağlayan bir metot önerilmiştir.
Çalışmalarım süresince her türlü desteği bana sunan, tezim ile ilgili yaptığım çalışmaların tüm aşamalarında yanımda olan, danışmanım Prof.Dr. Melih İNAL’a ve tez izleme komitesi üyesi hocalarım Doç.Dr. Mehmet YILDIRIM ve Prof.Dr. Nevcihan DURU’ya teşekkür ederim. Bugünlere gelmemde büyük emekleri olan annem Nevin ÖZKAN ve babam Nail ÖZKAN’a saygılarımı sunarım.
iii İÇİNDEKİLER ÖNSÖZ VE TEŞEKKÜR……….………i İÇİNDEKİLER………...iii ŞEKİLLER DİZİNİ………v TABLOLAR DİZİNİ….………...vi
SİMGELER DİZİNİ VE KISALTMALAR……….vii
ÖZET………..……….ix
ABSTRACT………...…..………x
GİRİŞ………1
1. BAKIM KAYITLARINDAN ÖZELLİK ÇIKARIMI……
…
……….111.1. Problemin Tanımlanması ... 12
1.2. Problemin Çözüleceği Platformların Belirlenmesi ... 14
1.3. Bakım Kayıtlarının İncelenmesi ve Düzenlenmesi ... 14
1.3.1. Bakım kayıtlarında tespit edilen hatalar ... 14
1.3.2. Bakım kayıtlarıyla ilgili kısıtlar ... 15
1.3.3. Bakım kayıtlarının düzenlenmesi ... 15
1.4. Problem Çözümünde Kullanılacak Niteliklerin Seçilmesi ... 16
1.5. Düzenlenmiş Bakım Kayıt Niteliklerinin Sayısallaştırılması ... 17
1.6. İmalatın durma süresi Niteliklerinin Düzenlenmesi ... 21
1.7. Veri Standardizasyonunun Sağlanması ... 23
1.8. Tekrar Eden Verinin Ayıklanması ... 27
2. BULANIK C-ORTALAMALAR İLE VERİ ÖBEKLEME ve SÖZEL ÇİTLİ ….UYARLANABİLİR BULANIK SİNİR AĞLARI İLE SINIFLANDIRMA ….ALGORİTMASI………30
2.1. Öbekleme ve Veri Sınıflandırma Algoritmalarının Farkı ... 30
2.1.1. Sınıflandırma algoritması ... 30
2.1.2. Öbekleme algoritması ... 31
2.2. Probleme Uygun Algoritma Seçimi ... 33
2.3. Bulanık C-Ortalamalar Algoritması ... 35
2.3.1. Başlangıç bulanık bölütleme matrisinin oluşturulması ... 37
2.3.2. BCO fonksiyonunun oluşturulması ... 38
2.3.3. BCO algoritması ... 40
2.3.4. BCO algoritmasının işletme adımları ... 41
2.3.5. BCO algoritmasının işletilmesi sırasında dikkat edilecek hususlar ... 42
2.3.6. BCO algoritmasının öbekleme kalitesi ... 42
2.3.6.1. Öbek tutarlılığı değerlendirmesi... 43
2.3.6.2. Öbeklerin problemin amaçlanan çözümüne etkinliği açısından değerlendirilmesi ... 45
2.4. Sözel Çitli Uyarlanabilir Bulanık Sinir Ağları ile Sınıflandırma …….Algoritması ... 46
2.4.1. SÇUBSA’nın mimarisi ... 48
2.4.2. Bulanık çıkarım sistemi (FIS) ... 53
3. BULANIK C-ORTALAMALAR VE SÖZEL ÇİTLİ UYARLANABİLİR BULANIK … ….SİNİR AĞLARI İLE KRİTİK BAKIM PARÇALARINI BELİRLENMESİ………56
3.1. Verilerin Düzenlemesi, Sayısallaştırılması ve Analize Hazır Hale …….Getirilmesi ... 57
iv
3.2.1. Başlangıç değerlerinin belirlenmesi ... 59
3.2.2. Algoritmanın işletilmesi ... 61
3.2.3. Öbek tutarlılığının Öklid mesafesine göre Silhouette algoritmasıyla değerlendirmesi ... 63
3.2.4. Oluşturulan öbeklerin problemin çözümüne göre etkinliğinin analizi ... 66
3.3. Sözel Çitli Uyarlanabilir Bulanık Sinir Ağları ile Sınıflandırma …….Algoritmasının Probleme Uyarlanması ... 67
4. SONUÇLAR VE ÖNERİLER………..75
KAYNAKLAR……….78
KİŞİSEL YAYIN VE ESERLER…..………
…
………..83v ŞEKİLLER DİZİNİ
Şekil 1.1. Problemin girdi, süreç ve çıktıları ... 13
Şekil 1.2. İmalatı durdurma süresinin düzeltilmesi ... 21
Şekil 1.3. 2008 yılı nitelik arıza kritiklik indeks değerleri ve imalatı durdurma süresi verisi gösterimi ... 22
Şekil 1.4. 2009 yılı nitelik arıza kritiklik indeks değerleri ve imalatı durdurma süresi verisi gösterimi ... 22
Şekil 1.5. 2008 yılı nihai nitelik arıza kritiklik indeks değerleri ve imalatı durdurma süresi verisi gösterimi ... 28
Şekil 1.6. 2009 yılı nihai nitelik arıza kritiklik indeks değerleri ve imalatı durdurma süresi verisi gösterimi ... 28
Şekil 2.1. Farklı şekil ve düzlemdeki öbek örnekleri ... 31
Şekil 2.2. Öbek oluşturma süreç adımları... 33
Şekil 2.3. Problemde kullanılan algoritma sıralaması akış diyagramı ... 34
Şekil 2.4. BCO Algoritması akış diyagramı ... 36
Şekil 2.5. Silhouette hesaplamasındaki parametrelerin canlandırması ... 44
Şekil 2.6. Yaş sözel kümesi için aidiyet/üyelik değerleri ... 47
Şekil 2.7. Sözel çitli uyarlanabilir bulanık sinir ağı mimarisi ... 48
Şekil 2.8. Gaussian üyelik fonksiyonu örneği ... 49
Şekil 2.9. Bulanık çıkarım sistemi süreç adımları ... 53
Şekil 2.10. Bulanık çıkarım sistemi ... 54
Şekil 3.1. Algoritma girdi / çıktı akış diyagramı ... 56
Şekil 3.2. Problemin çözümünde takip edilecek veri akış süreçleri ... 57
Şekil 3.3. Verinin düzenlenmesi ve sayısallaştırılması işlem adımları ... 58
Şekil 3.4. BCO kullanılarak öbek oluşturma algoritması ... 61
Şekil 3.5. Kritik parça öbek hiyerarşisi ... 62
Şekil 3.6. Öbek tutarlılığının Silhouette Öklid mesafelerine göre test algoritması ... 64
Şekil 3.7. Oluşturulan öbeklerin Silhouette grafiği ... 65
Şekil 3.8. İstatistiksel düzenleme yapılmamış verinin Silhouette grafiği ... 65
Şekil 3.9. Öbeklerin problemin çözümüne göre etkinliğin değerlendirilmesi algoritması ... 66
Şekil 3.10. Öbeklerin problemin çözümüne etkinliği grafiği ... 67
Şekil 3.11. Sözel çitli uyarlanabilir bulanık sinir ağları ile sınıflandırma algoritması ... 69
Şekil 3.12. SÇUBSA’nın Sugeno tipi FIS yapısı ... 70
Şekil 3.13. İmalatı durdurma süresi Gaussian üyelik fonksiyonu gösterimi ... 70
Şekil 3.14. Nitelik seçimi ve sözel çit değer grafiği ... 71
Şekil 3.15. SÇUBSA performans grafiği ... 72
vi TABLOLAR DİZİNİ
Tablo 1.1. Örneklemin düzenleme öncesi ve sonrası sayısal büyüklükleri ... 16
Tablo 1.2. Seçilen nitelikler ve özellikleri ... 17
Tablo 1.3. 2008-2009 bakım kayıtlarındaki nitelik altındaki tekil veri miktarları ... 18
Tablo 1.4. Hat niteliği 2008 yılı bakım kayıtları tekrar miktarları ... 18
Tablo 1.5. Sayısallaştırma sonrası 2009 yılı bakım kayıt niteliklerin istatistiksel değerleri ... 25
Tablo 1.6. Z değerine göre düzenlenmiş 2009 yılı istatistiksel değerler ... 26
Tablo 1.7. Z değerine göre düzenlenmiş 2008 yılı istatistiksel değerler ... 26
Tablo 1.8. Z değerine göre düzenleme öncesi ve sonrası sayısal büyüklükler ... 27
Tablo 1.9. Tekrar eden niteliklerin ayıklanması öncesi ve sonrası sayısal büyüklükler ... 27
Tablo 3.1. 2009 örneklemi için öbek bulanıklık derecesi test tablosu ... 60
Tablo 3.2. 2009 yılı örneklemleri bulanık bölütleme matrisi öbek değer aralıkları ... 62
Tablo 3.3. Örneklem hedef, eğitim ve test verisi seçim gösterimi ... 68
Tablo 3.4. Doğrudan BCO ve FIS ile parça kritikliklerinin belirlenmesi………72
Tablo 3.5. BCO Merkezleri ve FIS ile parça kritikliklerinin belirlenmesi….…………..73
vii SİMGELER DİZİNİ ve KISALTMALAR
µAi : Aidiyet/Üyelik Değeri ( µi / µi(zk) /µik)
c : Öbek Sayısı
cij : Gaussian Fonksiyonu Merkezi
cs : Sınıf Tabelası
D : Nitelik Sayısı
E : Maliyet Değeri
f : Parça/Hat/Grup No Niteğinin Kendi İçinde Tekil Tekrar Miktarı hsk : Normalize Edilmişlik Derecesi
I : Birim Matris
k : Basıklık (İstatistiksel)
K : Sınıf Sayısı
m : Bulanıklık Derecesi
Mfc : Bulanık Bölütleme Matrisi
N : Örneklem Sayısı
ṅ : Nitelik Ortalama Değeri
n : Nitelik Sayısı
osk : Sınıfın Ağırlıklandırılmış Çıktı Değeri
Ö : Örneklem Öbek Matrisi
Öu : Örneklem Uyumluluğu
P : Sözel Çit Değeri
S : Çarpıklık Değeri
s : Öbek Kalitesi
SDi : Parça/Hat/Grup No Niteği Sayısal Değeri
Si : Bulanık Kural Bölgesinde Bulunan Örneklem Miktarı Sk : Sınıftaki Tüm Örneklem Miktarı
TAKM : Toplam Örneklem Miktarını
tsk : Gerçek Hedef Değeri
U : Bölütleme Matrisi
Uk : Kural Sayısı
v : Öbek Merkezi
wik : Sınıfa Ait Olma Derecesi Z : Sıradışılık Değeri (İstatistiksel) z : Veri Kümesi/Örüntü Matrisi
αijs : µij(xsj)’nin Düzenlenmiş Üyelik Değerini
βis : Ateşleyici Güç
ε : Epsilon
εr : Hata Değeri
σij : Gaussian Fonksiyonu Genişliği Kısaltmalar
AAOS : Arızalar Arası Ortalama Süre (Mean Time Between Failure) AHP : Analitik Hiyerarşi Süreci (Analytic Hierarchic Process ) AKİ : Arıza Kritiklik İndeksi
ATEKA : Arıza Türleri Etkileri ve Kritiklik Analizi (Failure mode and effect analysis)
BA : Bayes Ağı(Bayesian networks )
viii
EYK : En Yakın Komşuluk (Nearest Neighbor )
FIS : Bulanık Çıkarım Sistemi (Fuzzy Inference System)
FÖP : Fonksiyonel Önemli Parçalar (Functionally Significant Items) FY : Felaket Yönetimi (HAZard OPerability)
GBD : Güvenilirlik Blok Diyagramlarına (Reliability Block Diagrams) GGT : Güvenilirlik Gösterim ve Testi (Reliability Demonstration Testing) GMB : Güvenilirlik Merkezli Bakım (Reliability Centered Maintenance) KÇE : Kademeli Çekim Eğitimi(Gradient Decent Training)
PB : Planlı Bakım (Planned Maintenance)
RMSE : Ortalama Karesel Hatanın Karekökü (Root Mean Square Error) ROD : Risk Olasılık Değerlendirmesi (Probabilistic Risk Assessment)
SÇ : Sözel Çit
SÇUBSASA : Sözel Çitli Uyarlanabilir Bulanık Sinir Ağları ile Sınıflandırma Algoritması (Adaptive Neuro-fuzzy Classifier Using Linguistic Hedges)
YA : Yasaklı Arama (Tabu Search) YSA : Yapay Sinir Ağları
ix
KRİTİK BAKIM PARÇALARININ YUMUŞAK HESAPLAMA ALGORİTMALARI İLE BELİRLENMESİ
ÖZET
Çalışan sistemlerin zaman içinde arızalanması kaçınılmazdır. Üretim hattındaki arıza, üretimde duraksama ve maliyetlerin artmasına sebep olur. Duraksama veya arızalı kalma sürelerinin azaltılması için süreç ve yöntemler geliştirilmektedir. Sarf ve talep verisine dayalı tepkin geleneksel yöntemler, bekleme sürelerinin azaltılmasında yetersiz kalmaktadır. Salt bakım yönetimi veya envanter yönetimi süreçlerinde yapılan iyileştirmeler de beklenen katkıyı sunmamaktadır. Gecikmelerin önlenmesi ve maliyetlerin azaltılması için bakım ve envanter yönetimi disiplinlerinin bütünleşik bir şekilde ele alınması gerekmektedir. Bakım kayıtları incelenerek arıza türleri, sıklıkları, oluşma yerleri, sebep olduğu etkiler ve gecikme süreleri değerlendirilmelidir. Değerlendirme neticesinde, bakım parçaları kendi aralarında önceliklendirilerek, kritik bakım parçalarının stoklarda tutulması sağlanmalıdır. Bu tez çalışması kapsamında Marmara bölgesinde konuşlu bir işletmenin üretim hattında kullanılan cihazlara ait; bakım kayıtlarının analiz edilebilir hale getirilmesi, Yumuşak Hesaplama Algoritmalarıyla analiz edilmesi, İmalatın sürekliliğine yönelik bakım, arıza ve yedek parça dengesinde kullanılacak bir bakım parçası önceliklendirmesinin yapılması problem olarak ele alınmıştır. Problem girdisi olarak, işletmenin bakım kayıtları kullanılacaktır. Girdi, süreç aşamasında geliştirilen model ile analiz edilecek ve çıktı bölümünde bakım parçaları “kritik”, “gerekli” ve “arzu edilen” öbeklerine ayrılacaktır. Burada kritik bakım parçası: hayati; az kritik bakım parçası: gerekli; kritik olmayan bakım parçası: arzu edilen bakım parçası anlamında kullanılmıştır.
Önerilen model kullanılarak, kritik bakım parçalarının önceliklendirilmesi sağlanmıştır. Böylelikle, işletme tarafından tutulan bakım kayıtları ile envanter yönetimi arasında analitik bir bağ oluşturulmuştur. Modelin, uzman görüşü gerektirmeden tutarlı ve doğru sonuç ürettiği test edilmiştir. Yeni bakım kayıtların için modelde değişiklik yapma ihtiyacı olmadan kritik parçaların %100 oranında başarımla belirlenmesi mümkündür. Böylelikle tutarlı sonuçlar üreten modelin, envanter yönetimine önceliklendirme konusunda çok değerli veri sunması sağlanmıştır.
Anahtar Kelimeler: Bakım, Envanter Yönetimi, Kritik Bakım Parçası, Yumuşak Hesaplama Algoritması.
x
IDENTIFYING CRITICAL MAINTENANCE PARTS WITH SOFT COMPUTING ALGORITHMS
ABSTRACT
It is inevitable to have failure free systems. System failures in production line results with high cost delays in production plan. Increased emphasis has been given to manufacturing assets in order to keep them available. The failures have to be analyzed for making healthy forecasts and taking measures. The causes and consequences of failures are prioritized according to the importance of its in manufacturing activity. In order to keep continuity of the manufacturing, the balance has to be formed among failure, maintenance and repair parts. Within the scope of this thesis; preparing maintenance records to be analyzed, analyzing maintenance records with Soft Computing Algorithms, and prioritization repair parts according to their criticality are discussed as problem area. The entity's maintenance records will be used as the input of the problem. These inputs will be analyzed with the model developed in "the process stage" and maintenance parts with similar properties will be categorized into the "critical," "necessary" and "desirable" classes as outputs. Here, critical class is used for vital essential elements; necessary class is used for fewer critical parts, and desirable class is used for needed but not very necessary parts.
Using the proposed model, prioritization of the critic maintenance parts are accomplished. Furthermore, this model led to the establishment of an analytical linkage between the maintenance records and inventory management. The model was developed using soft computing algorithms, and it can produce by itself more accurate results by just providing more maintenance records. Thus, the model produces consistent and 100% results with success; invaluable part prioritization data for inventory management has been able to provide.
Keywords: Maintenance, Inventory Management, Critical Maintenance Part, Soft Computing Algorithms.
1 GİRİŞ
Yüksek enerji giderleri, sık karşılaşılan ve büyük küresel ekonomik krizler endüstriyi olumsuz etkilemektedir. İşletmeler mevcut yatırımla daha iyisini, daha ucuza üretme yolları araştırmaktadırlar. Öncelikli yatırım alanı maliyet etkinliği arttırmaktır. İşletmeler, içinde bulunduğu coğrafi çevrede, sahip olduğu organizasyonel yapıda ve yürüttüğü süreçlerde gelişen beklenmedik sorunlarla mücadele etmek durumundadırlar. Sorunların çözümünde sistem yaklaşımından faydalanılmalıdır. Çünkü işletmeler, birbiriyle etkileşim halinde olan dinamikler bütünüdür. Etkileşimleri dikkate alan ve işletme hedeflerini gerçekleştiren çözümler aranmalıdır. Bu alanda mevcut durumu gerçek zamanlı takip eden, beklenen ile gerçekleşen sonuçları karşılaştıran ve gerekli karar destek bilgisi sunan basit, bütünleşik ve uygulanabilir bilgi teknolojileri çözümlere ihtiyaç duyulmaktadır.
İşletmelerin üretim hatlarının ana amacı, üretim planlarına uygun üretimi gerçekleştirmektir. Üretim hattında kullanılan cihazların arızalı bekleme sürelerinin artması; maliyetlerinin yükselmesine, üretim-talep dengesinin bozulmasına, işletmenin itibar kaybına, işletme içinde ve dışında yürütülen süreçlerde darboğazlara sebep olur. Kullanılan cihazların planlı bakımlarının düzenli olarak yapılması ve performanslarının takip edilmesi cihaz ömrünü uzatmaktadır. Ancak malzemenin doğası gereği cihazlarda beklenmedik arızalar ile karşılaşılması olağandır. Karşılaşılan arızaların süratle bertaraf edilmesi için işletme stoklarında bakım parçalarının bulundurulması gerekmektedir.
Stoklarda bulundurulacak bakım parçalarının çeşitliliği / türü (hangi parça?) ve derinliği/ miktarı (kaç tane?) işletme maliyetini etkileyen önemli bir unsurdur. Stoklarda tutulan parça çeşitliliğinin arttırılması maliyet artışına sebep olmaktadır. Aynı zamanda ihtiyaç anında stokta olmayan parça üretimi durdurduğu için mali kayıplara sebep olmaktadır. Stokta tutmama kararı bu sebeple risk içermektedir. Arızalı bekleme sürelerinin azaltılması için alınabilecek risk ve katlanılacak mali bedelin dengelenmesi gerekmektedir.
Bu tez çalışması kapsamında imalatın durmasına sebep olan kritik bakım parçalarının belirlenmesi problem olarak ele alınmıştır. Bakımda kullanılan parçalar, bakım yönetimindeki önem derecelerine göre sınıflandırılmış olacaktır. Bakım
2
parçalarının önem derecelerine göre sınıflandırılması, her parçanın aynı önem derecesiyle işlem görmesinin önüne geçecektir. Aynı zamanda bakım yönetiminde oluşan veri, envanter yönetimi süreçlerine doğrudan girdi sağlayacaktır.
Literatür çalışması yapılırken incelenen kaynaklar aşağıda verilen dört ana başlık altında toplanmıştır:
Bakım parçalarının işletme bütçesindeki yeri ve önemine ilişkin yayınlar,
Parça kritikliği belirlemede kullanılan yöntemler ile ilgili yayınlar,
Kritikliğin belirlenmesinde kullanılacak kriterlerin belirlemesi ile ilgili yayınlar,
Kritik bakım parçası belirlemede kullanılan modellerle ilgili yayınlar.
Bakım parçalarının işletme bütçesindeki yeri ve önemi ile ilgili yayınlanan çalışmalar ve değerlendirmeler aşağıda verilmektedir:
Gallagher T. ve diğ. [1] çalışmalarında, 30 yıl kullanılacak bir cihaz için yedek parçaya harcanan bütçenin yıllık olarak, sistem/cihaz tedarik maliyetinin %2.5’ine denk geldiğini belirtmişlerdir. Aynı şekilde cihaz üreticisinin satış anında elde ettiği karın, tedarik maliyetinin %15’i civarında olduğu belirtilmiştir. Bu değerlendirme, işletmeler için yedek parça satışlarının, uzun vadede ana cihaz satışından daha karlı olduğunu göstermektedir. Aynı zamanda ürün ömür devri maliyet kalemleri arasında yedek parça bütçesinin yeri dikkat çekici bulunmuştur. Bu kapsamda tedarik edilen cihazın işletiminde ihtiyaç duyulacak bakım parçalarının tedarik ve işletim süreçlerinde takip edilmesi önemlidir.
Goldratt E.M. ve Cox J. [2] kitaplarında, imalat yapan ve siparişlerini zamanında yetiştiremeyen bir işletmeyi ele almışlardır. Karşılaştıkları genel problem alanlarından bazılarını; tedarikçi kaynaklı ham madde gecikmeleri, uzun arızalı bekleme süreleri ve plansız bir şekilde farklı tür parça imalatı için harcanan cihaz hazırlama süreleri ile birbirini takip eden süreçler arasındaki koordinasyonsuzluklar olarak sıralamıştır. Sıralanan problemler, üretim yapan tüm işletmelerde karşılaşılan türden problemler olarak belirtilmiştir. Sorunlar üretici, tedarikçi ve müşteri boyutlarında incelenmiştir. Üretim hattından kaynaklanan gecikmelerin maliyet ve müşteri boyutundaki yansımalarına dikkat çekilmiştir. Sıralanan problemler, Kısıtlar Teoremi yaklaşımları ile analiz edilmiş ve çözüm önerileri sunulmuştur. Çalışma, üretim sürecindeki üretici, tedarikçi ve müşteri etkileşimleri ve tepkimelerinin incelenmesi açısından dikkat çekici bulunmuştur.
3
Mohammaditabar D. ve diğ. [3] çalışmalarında, envanter yönetiminde parça sınıflandırmanın öneminden bahsetmişlerdir. Envanter sınıflandırması yapılırken etkin sonuç almak için çıkarımların yönetimsel süreçlerle bütünleştirilmesinin önemine değinilmiştir. Parça sınıflandırması için önerdikleri modelde Benzetilmiş Tavlama algoritması kullanılmıştır. Sınıflandırılan envanterin yönetiminde beklenen maddi katkıların sağlanması için, sınıf özelliklerinin göz önünde bulundurulması önerilmiştir.
Kennedy W.J. ve diğ. [4] çalışmalarında, bakım parçalarıyla ilgili stok noktalarının belirlenmesi, kullanım ömürlü parça değişimi, üretimi durdurulmuş parça yönetimi, onarılabilir parça yönetimi ve envanter yönetimine yönelik özel uygulamalar hakkında literatür özeti sunmuşlardır. Çalışmada, yedek parça envanterinde tutulacak parçalar için maliyet - risk dengesinin sağlanması konusuna dikkat çekilmiştir. Her türlü arızaya karşı stok yapmanın maliyeti ile ihtiyaç halinde elde stok bulundurmama maliyetinin değerlendirilmesi önerilmiştir. Özellikle, üretim hattındaki bir cihaz ile normal çalışan bir cihaz için değerlendirme ve risklerin farklı olacağı belirtilmiştir. Ayrıca çalışmalarında, Suudi Arabistan’da yapılan bir araştırmaya göre işletmelerin %34’ünün, yedek parça tedarikindeki gecikmeleri, en büyük problem alanı olarak tanımladıkları belirtilmiştir.
Parça kritikliği belirlemede kullanılan yöntemler ile ilgili yayınlanan çalışmalar ve değerlendirmeler aşağıda verilmiştir:
Verma A.K. ve diğ. [5] çalışmalarında, parça kritikliğini Güvenilirlik Mühendisliği başlığı altında incelemişlerdir. Bu kapsamda Güvenilirlik Mühendisliğinin tanımını;
Sistemlerin faal olma süresi ile kullanım ömrünü arttıran,
Risk yaratan arıza sonuçlarını ortadan kaldıran ya da azaltılmasını sağlayan,
Onarım süresini azaltan,
İşletimin mümkün olan en düşük maliyetle gerçekleşmesine yönelik bakım/onarım süreçlerini inceleyen, ölçen, analiz eden ve iyileştirilmesine yönelik teklifler üreten mühendislik dalı olarak vermişlerdir.
Güvenilirlik mühendisliği kapsamında ele alınan tüm konular, tasarım iyileştirilmesine yöneliktir. Güvenilirlik hesaplamalarından beklenen sonuçların alınabilmesi için incelenen sistem/cihazlara ilişkin düzgün ve güncel konfigürasyon bilgisinin tutulması gerektiği belirtilmiştir.
4
Boedigheimer R.A. ve Kapur K.C. [6] çalışmalarında, kullanıcının tanımlayacağı önem derecelerine göre, güvenilirlik değeri ve güvenilirliğin gerçekleşme olasılığını hesaplayan bir model geliştirmişlerdir. Ancak söz konusu model için, sistem/cihaz içindeki parçaların tanınması ve parçaların kullanıcı açısından önem/önceliklerinin belirlenmesi gerekmektedir. Güvenilirliğin önemli olduğu sistem tasarımlarında bu işlemin gerçekleştirilebilir olduğu değerlendirilmiştir. Ancak, genel amaçlı sistemler için bu şekilde parça önem/önceliğinin belirlenmesinin hem maliyetli hem de öznel sonuçlar sunacağı değerlendirilmiştir.
Cheng Z. ve diğ. [7] çalışmalarında, Güvenilirlik Merkezli Bakım (GMB) yaklaşımında Fonksiyonel Önemli Parçaları (FÖP) belirlemişlerdir. FÖP’ların belirlenmesinde Arıza Türleri Etkileri ve Kritiklik Analizi (ATEKA) kullanılmıştır. ATEKA’dan çıkarılan sonuçlara göre GMB’a ilişkin bakım planları ve bakımlarda değiştirilecek parçalar tespit edilmektedir. GMB süreçlerinin işletilmesinde alan uzmanlarına ve güvenilirlik mühendislerine ihtiyaç duyulduğu belirtilmiştir. Bu nedenle GMB süreçlerinin işletilmesi oldukça maliyetlidir. Yapılan çalışmada, benzer parçaların aynı güvenilirlik özellikleri gösterdikleri tespit edilmiştir. Bu sonuç, GMB yapılan parçaların güvenilirlik verisinin başka çalışmalarda da kullanılabileceği şeklinde ifade edilmiştir. Buradan hareketle çalışmada, benzer parçaların tespitinde En Yakın Komşuluk (EYK) yaklaşımı kullanılmıştır. Benzer parçaların ortak özellikler sergileyeceği belirtilmiştir. Tez çalışmasında aynı sınıfa giren parçaların benzer özellikleri sergileyeceği değerlendirilmiştir.
Fazio V. ve diğ. [8] çalışmalarında, sistemlerin güvenilirlik blok diyagramlarının oluşturulmasındaki güçlüklere değinmişlerdir. Bu güçlükler; istatistiksel belirsizlikler, sistem/cihaz içinde yedekli parçaların bulunması, hataların üstsel dağılım sergilememesi, teorik hesaplamaların gerçeği yansıtmaması olarak sıralanmıştır. Geliştirdikleri model ile sistem işlevinin, arızalar arası ortalama süre ve bakımlar arası ortalama süreye etkisi incelenmiştir. Endüstriyel ürünler için güvenilirlik hesaplamalarının kolay olmadığı belirtilmiştir. Çalışmalarında, üreticiden tedarik edilen güvenilirlik verilerinin doğrulanmasının çoğu zaman teknik olarak mümkün olmadığı belirtilmiştir. Buradan, işletmelerin kullanacakları endüstriyel ürünler için güvenilirlik verilerini satın almalarının pek anlamlı olmadığı sonucu çıkarılmıştır. Fussell J.B. [9] çalışmasında, arıza türlerini ve frekanslarını gruplayıp, elle güvenilirlik değerlerinin hesaplanmasına yönelik bir model önermiştir. Model, arızaları oluşma olasılıklarına göre öbeklemektedir. Bu işlem için alan uzmanı
5
tarafından “Temel Olay” ve “İlişkili Olay”ın tanımlanması yapılması gerekmektedir. Tez kapsamında kullanılan örnekleme ait niteliklere ilişkin, nitelik kritiklik indeksi olarak tanımlanan ve arıza tekrarlama olasılığını ifade eden değer kullanılarak öbekleme yapılabileceği sonucu çıkarılmıştır.
Huairui G. ve Haitao L. [10] çalışmalarında, Güvenilirlik Gösterim ve Testi (GGT) yöntemini tanımlanmıştır. GGT ile ürünün güven aralığı ve şartlarının test edilmesi amaçlanmaktadır. Çalışmada hata miktarı ve hata süresi gibi iki farklı parametre kullanılmıştır. Hata miktarı, sistemin kaç defa hata yaptığını ifade etmektedir. Hata süresi ise, hatanın ne kadar zaman aralığında gerçekleştiğini ifade etmektedir. Hesaplamalarda hem teorik hem de istatistiksel yöntemlerden faydalanılmıştır. Farklı sayıda örneklem kullanılmasına rağmen karşılaştırılan iki yaklaşımın benzer sonuçlar ürettikleri belirtilmiştir. Bu makale, tez kapsamında kullanılacak imalatı durdurma süresi ve arıza tekrar miktarlarının ilişkili nitelikler olduğu konusunda referans olmuştur.
Jun L. ve Huibin X. [11] çalışmalarında güvenilirliğin havacılık sektöründeki önemine değinmişlerdir. Güvenilirliğin arttırılmasına yönelik olarak ATEKA yaklaşımın kullanıldığı bir çalışmayı sunmuşlardır. Modelde, analizin yapılabilmesi için arızalar hakkında detaylı teknik bilgi, sistem, alt sistem ve parça ilişkisinin tanımlanmış olması gerektiği belirtilmiştir. ATEKA yardımı ile iyileştirilen sistemlerde, Arızalar Arası Ortalama Süre (AAOS) değerinde artış sağlandığı (sistem/cihaz güvenilirliğinin arttığı) belirtilmiştir. Buradan hareketle, ATEKA’nın tasarımı ve imalatı devam eden ürünlerde etkin kullanılabileceği değerlendirilmiştir.
Ramirez-Marquez ve Coit [12, 13] çalışmalarında günümüzde yaygın kullanılan karmaşık sistemlerden söz etmektedirler. Karmaşık sistemlerde arıza/hataların sadece ikilik sayısal düzende ifade edilebilen türde (ya tüm sistemi tam olarak çalışıyor ya da tamamen devre dışı bırakan) olmadığına dikkat çekilmektedir. Sistemin belirli bir oranda arızalı-faal olma durumunun da söz konusu olduğu belirtilmiştir. Bu durumun parça kritiklik belirleme ile tasarım iyileştirme çalışmalarında dikkate alınması gerektiği ifade edilmiştir. Geliştirdikleri modede, sistemin farklı arıza seviyeleri için tasarım ve kritiklik önerisi ürettiğine değinilmiştir. Modellerine, Wang W. ve diğ. [14]’nin geliştirdiği “Hata Kritiklik İndeksi” değerini cihaz-parça kritikliklerinin belirlenmesine entegre etmişlerdir. Böylelikle kritikliğin daha isabetli tespit edildiği belirtilmiştir. Bu tez kapsamında, niteliklerin
6
sayısallaştırılmasında tekil hata miktarlarının toplam hata miktarına bölünerek elde edilmesi yaklaşımı bu çalışmadan esinlenerek geliştirilmiştir.
Vaurio J.K. [15] çalışmasında, işletmelerin sistem ve cihazlar için farklı ekonomiklik ve güvenilirlik seviyeleri/öncelikleri belirleyebileceklerine dikkat çekmiştir. Geliştirdiği model, sistem/cihazları işletmenin belirlediği önceliklere göre karşılaşılan arızalara ve sebep olduğu risklere göre önceliklendirerek sınıflandırmaktadırlar.
Von Guerard H.W. [16] çalışmasında insansız hava aracı üretiminin tüm aşamalarında güvenilirlik ve maliyet etkileşimini incelemiştir. Çalışma, güvenilirlik ve maliyet etkileşiminin sağlıklı yapılabilmesi için bir kılavuz niteliğindedir. Özellikle üretici, müşteri, sponsor ve mühendisler için güvenilirlik ile ilgili karar alma aşamasında sunulan ilişkinin yol gösterici olacağı değerlendirilmiştir.
Bacchetti A. ve Saccani N. [17] çalışmalarında, dünyada yedek parça pazarının 200 Milyar Dolar (USD) olduğu belirtmişlerdir. Yedek parça yönetiminde kullanılan envanter sınıflandırma ve envanter yönetim türlerini özetlemişlerdir. İncelenen 25 makalenin 15’inde parça kritikliğinin envanter sınıflandırmada kullanıldığı belirtilmiştir. Parça kritikliği belirleme yöntemlerini, niceliksel ve niteliksel olarak iki kategoride sınıflandırmışlardır. Niceliksel parça kritikliği sınıflandırma yöntemleri olarak ABC Analizi, Öbekleme Algoritmaları, Bulanık Mantık ve Uzman Sistemler ile Hiyerarşik Nitel-Nicel Analiz Yöntemi kullanıldığı belirtilmiştir. Parça kritikliği belirlemede kullanılan niteliksel yöntemler arasında ise Analitik Hiyerarşi Süreci (AHP) yöntemi ile yapılan çalışmalar özetlenmiştir.
Kritikliğin belirlenmesinde kullanılacak kriterlerin seçilmesi ile ilgili yayınlanan çalışmalar ve değerlendirmeler aşağıda verilmektedir:
Waters C.D.J. [18] çalışmasında, envanter yönetiminde fiyat, sarf, tedarik süresi, birim fiyat vb. gibi parametrelerle önceliklendirme yapılabildiğini belirtmektedir. Ancak çalışmada sıralanan bu parametreler kullanılarak yapılacak önceliklendirmeler sadece tedarik süreçleri açısından fayda sağlar sonuçlar sunmaktadır. İhtiyacın kullanılacağı yerle ilişkisi hesaba katılmamaktadır. Ayrıca, hangi kritiklik seviyesindeki bir arızadan dolayı parça ihtiyacının ortaya çıktığı, parçanın kullanılacağı arızadan dolayı tedarik önceliğinin ne olacağı konularına ilişkin bilgi, hesaba katılmamaktadır. Çalışmada kullanılan parametrelerin, özellikle envanter derinliğini belirlemede, bir diğer ifadeyle, ne kadar parça stoklanacağı konusunda faydalı olacağı değerlendirilmiştir. Ancak kritik bakım parçası
7
belirlemede bakım yönetimine ilişkin parametrelerin hesaplamalara dahil edilmemesinin eksik sonuçlar doğurabileceği değerlendirilmiştir.
Franceschini F. ve diğ. [19] kitaplarında, optimum ölçüm ve takip sistemlerinden elde edilebilecek sonuçları tanımlamışlardır. Beklenen sonuçların elde edilebilmesi için kullanılacak kriterlerde olması gereken özellikler sıralanmıştır. Çalışmalarında kriterlerin süreci temsil edebilecek nitelikte, basit, kolay anlaşılır, zamana bağımlı, dış etkilere duyarlı, elde edilebilir, işlenebilir ve güncellenebilir olması gerektiği belirtilmiştir. Tez kapsamında elimizde mevcut bakım kayıtlarında yer alan nitelikler bu anlamda incelenmiştir.
Weber C.A. ve diğ. [20] çalışmalarında, tedarikçi değerlendirmesine yönelik olarak kullanılan kriterlerin belirlenmesi konusunu incelemişlerdir. Çalışma, probleme yönelik olarak sistem yaklaşımı bakış açısı içermesi anlamında önemli bulunmuştur. Kriterlerin, işletilen süreçler hakkında ölçülebilir ve doğru veri sunacak nitelikte olması gerektiği belirtilmiştir.
William H. ve diğ. [21] çalışmalarında, tedarikçi değerlendirme alanında yapılmış çalışmaların özetlerini sunmuşlardır. İşletmeyi nesnel değerlendirmede kullanılacak optimum parametre miktarının belirlenmesindeki zorluklara değinmişlerdir. Ayrıca çalışmalarında, niteliklerin kendi arasında önceliklendirilmesinin önemine değinmişlerdir. Niteliklerin önceliklendirilmesinin, niteliklerin seçimi kadar önemli olduğuna dikkat çekmişlerdir.
Kritik bakım parçası belirlemede kullanılan modellerle ilgili yayınlanan çalışmalar ve değerlendirmeler aşağıda verilmektedir:
Lin W. ve diğ. [22] çalışmalarında, kritik bakım parçalarını belirlemek ve sınıflandırmak için bir model geliştirmişlerdir. Model, hazır olma durumunu %99.97 seviyesinde tutmayı hedefleyen bir işletmede gerçekleştirilmiştir. Öncelikle, kritik bakım parçalarını belirlemede kullanılacak parametreler belirlenmiştir. Parametreler 35 adet alan uzmanı tarafından belirlenmiştir. Sonrasında belirlenen parametreler Delphi yöntemi kullanılarak sınıflandırılmıştır. Sınıflandırılan kritik bakım parçası belirleme parametreleri kullanılarak işlemenin envanterleri Gri Teori (Gray Theory) ve Bulanık Mantık algoritmaları yardımıyla dört kritiklik seviyesine ayrılmıştır. Geliştirilen model kullanılarak, belirlenen hazır olma durumundan bir gerileme olmaksızın yedek parça stok maliyetlerinde %6.1 civarında tasarruf sağlandığı belirtilmiştir.
8
Weber P. ve diğ. [23] çalışmalarında, Bayes Ağı (BA) ile karmaşık niteliksel ve niceliksel faktörleri bir bütün halinde modellenmenin mümkün olduğunu belirtmişlerdir. Çalışmalarında BA yaklaşımını kullanan ve 2000-2009 yılları arasında yazılmış 200 kadar makaleyi özetlemişlerdir. Niteliksel özellikler çerçevesinde organizasyon ve insan boyutunda ATEKA, Felaket Yönetimi (FY), Risk Olasılık Değerlendirmesi (ROD) yöntemlerini gruplamışlardır. Nicel özellikler çerçevesinde ise arıza oranları, hazır olmama seviyesi, arızalar arası ortalama süreyi gruplamışlardır. BA yaklaşımının çok sayıda boyutu ve geri beslemeyi model içinde kullanılabilir kıldığı belirtilmiştir.
Liu H.-C. ve diğ. [24] çalışmalarında Hata Türleri, Etkileri ve Kritiklik Analizini konu alan 1992 ve 2012 yılları arasında uluslararası dergilerde yayınlanmış 75 adet makaleyi özetlemişlerdir. Yöntemlerin yetersiz kaldığı hususlar ve bu alandaki geliştirmelerde kullanılan algoritmalar belirtilmiştir. Geliştirmede kullanılan yöntemler arasında sıklıkla Çok Amaçlı Karar Verme Yöntemi, Matematiksel Programlama, Yapay Zeka ve bu yöntemlerin hibrit kullanımlarıyla elde edilen sonuçlara dikkat çekilmiştir. Yöntemde olasılık, şiddet ve keşfedilebilirlik parametrelerini kullanarak risk öncelik değeri hesaplamaktadır. Söz konusu parametrelere ilgili değerlerin atanmasında uzman bağımlılığı önemli bir husus olarak belirtilmiştir. Uzman bağımlılığından kaynaklı öznelliğin, aynı arıza türüne farklı risk öncelik değerinin atanması ile sonuçlandığı durumlardan bahsedilmiştir.
Liu S. ve Lin Y. [25] kritik bakım parçalarının belirlenmesinde yaygın olarak ATEKA kullanıldığını belirtmişlerdir. Ancak bu yöntem uzman bağımlı bir yöntemdir. Birçok güvenilirlik mühendisliği modeli, analiz için parçaların paralelliği/seriliği, parça-bileşen ilişkisi ve Güvenilirlik Blok Diyagramlarına (GBD) ihtiyaç duymaktadır. Aynı zamanda maliyetli olan bu analiz sonuçlarının, kritikliği belirlemede pratik sonuçlarla karşılaştırıldığında beklentileri karşılamada yetersiz kaldığına değinilmiştir.
Yin X.F. ve diğ. [26] makalelerinde tedarik zinciri yönetiminde gruplama teknolojisi problemini Bulanık C-Ortalamalar (BCO) algoritması ile çözümü konusunu incelemişlerdir. Gruplama teknolojisi, benzer parçaların ve üretim fonksiyonları/süreçlerinin bir araya getirilmesidir. Bulanık C-Ortalamalar algoritmasının, gruplamada kullanılan geleneksek optimizasyon tekniklerine olan üstünlüğüne değinilmiştir. BCO algoritması kullanılarak müşteri siparişleri, taşıma ve tedarik zinciri fonksiyonları dinamik olarak ilişkilendirilebilmektedir. Çalışmada ayrıca Bulanık C-Ortalamalar algoritmasında ihtiyaç duyulan öbek miktarı ve öbek
9
bulanıklık derecelerinin belirlenmesi için Genetik Algoritmalar ve Yasaklı Arama (YA) algoritmalarından faydalanılmıştır.
Nagpal A. ve diğ. [27] çalışmalarında öbekleme algoritmalarının özellikleri ve uygun kullanım alanlarını tanımlamışlardır. Kullanılan veri türüne göre başarımları incelenmiştir. Gerçek sayılarla yapılan çalışmalarda öbekleme algoritmalarının başarılı sonuçlar verdiğine değinilmiştir. Ancak kategorik veya ikili sayısal düzen içeren büyük veri tabanları için öbekleme algoritmalarının yetersiz kaldığı belirtilmiştir. Çalışmalarında mevcut öbekleme algoritmaların genel özellikleri ve istatistiksel yönden etkinlik karşılaştırmaları sunulmuştur.
Mingoti S.A. ve Lima J.O. [28] makalelerinde sinir ağları, Kendini Örgütleme Haritası Yöntemi (Self-Organizing Map), K-Ortalamalar, Bulanık C-Ortalamalar ve Geleneksel Hiyerarşik Sınıflandırma algoritmalarının performans karşılaştırmaları sunulmuştur. Performans karşılaştırmada sınır değerlerinin birbiri üzerine geçtiği, uç ve sıra dışı değerlerin bulunduğu örneklem kümesi kullanılmıştır. Çalışmada tüm durumlarda Bulanık C-Ortalamalar algoritmasının %90 civarında başarılımla doğru sonuçlar verdiği belirtilmiştir.
Literatürdeki çalışmalara ve probleme genel anlamda bakıldığında, işletmelerde birbiriyle koordineli çalışması gereken süreçlerde sınıflandırma ve öbekleme algoritmalarından faydalanıldığı gözlemlenmiştir. Çalışmalarda sınıflandırma ve öbekleme algoritmaları genellikle üretim, taşıma ve müşteri taleplerinin ilişkilendirilmesi problemlerinde kullanılmıştır. Parça kritikliğine yönelik çalışmalar ise genellikle tasarım sürecinde kullanılmıştır. İşletim sürecinde parça kritikliğinin belirlenmesine yönelik çok az sayıda çalışmaya rastlanmıştır.
İşletmede tutulan bakım kayıtlarının analiz edilebilir hale getirilmesi, kritik bakım parçalarının belirlenmesine yönelik uygun niteliklerin seçilmesi, Bulanık C-Ortalamalar ve Sözel Çitli Uyarlanabilir Bulanık Sinir Ağları ile bakım verisinin “kritik”, “gerekli” ve “arzu edilen” sınıflarına ayrılması ve geliştirilen Bulanık Çıkarım Sistemi ile yeni bakım kayıtlarının kritiklik kümelerinin belirlenmesi bu alanda tez çalışması kapsamında ilk olacağı değerlendirilmektedir.
İşletmeler artık, ellerinde az sayıda veriden daha ziyade, bilgiye dönüştürülemeyen çok sayıda verinin olmasından şikâyetçidirler [29]. Benzer durum, incelenen işletme için de söz konusu olmuştur. Yıllardır tutulan bakım kayıtlarından faydalanılarak
10
envanter yönetimine katkı sağlayacak bilgi çıkarılması talep edilmektedir. Bu tez çalışması kapsamında;
Bakım kayıtlarının analiz edilebilir hale getirilmesi,
Analiz edilmesi,
Yumuşak hesaplama algoritmaları ile kritik bakım parçalarının belirlenmesi problem olarak ele alınmıştır.
Problem girdi, süreç ve çıktı olarak üç aşamada ele alınmıştır. Problem girdisi olarak, işletmenin bakım kayıtları kullanılmıştır. Süreç aşamasında veri analizi, sözel ifadelerin sayısallaştırılması, yumuşak hesaplama algoritmaları ile kritik bakım parçaları belirleme modelinin geliştirilmesi ve test edilmesi sağlanmıştır. Çıktı bölümünde de benzer özellikler gösteren bakım parçaları “kritik”, “gerekli” ve “arzu edilen” şeklinde öbeklere ayrılmıştır. Burada kritik bakım parçası: hayati; az kritik bakım parçası: gerekli; kritik olmayan bakım parçası: arzu edilen bakım parçası anlamında kullanılmıştır.
Bu tez çalışması kapsamında; Bölüm 1’de, problem kapsamında analiz edilmesi istenen bakım kayıtlarının incelenmesi, sayısallaştırılması ve analize uygun hale getirilmesi için yapılan düzenlemeler anlatılmıştır.
Bölüm 2’de, Öbekleme ve sınıflandırmaya yönelik olarak kullanılan Bulanık C- Ortalamalar ve Sözel Çitli Uyarlanabilir Bulanık Sinir Ağları ile Sınıflandırma Algoritması (SÇUBSASA) (Adaptive Neuro-fuzzy Classifier Using Linguistic Hedges) açıklanmış, algoritmalarda kullanılan operatörler tanıtılmıştır.
Bölüm 3’te, BCO ve SÇUBSASA’nin kritik bakım parçalarının belirlenmesi için yeni bir uygulama metodu önerilmiştir. Önerilen modelin gerekliliği ve detayları sunulmuştur. Uygulama sonuçları ve başarımı analiz edilmiştir.
11
1. BAKIM KAYITLARINDAN ÖZELLİK ÇIKARIMI
Yeni bir sistem/model tasarımında yapılması gereken ilk şey problemi içine alan büyük sistemin belirlenmesi ve modelin büyük sistem içindeki fonksiyonlarının tanımlanmasıdır [30].
Bu tez çalışması, Doğu Marmara Bölgesinde bulunan büyük ölçekli bir işletmede gerçekleştirilmiştir. Çalışma ilgi alanı olarak işletmenin üretim hattı belirlenmiştir. Tez çalışmasına, işletmenin üretim hattı incelenerek başlanmıştır. Üretim hattında 80 adet cihaz kullanılmaktadır. İlgililerden kullanılan sistemler, cihazlar ve karşılaşılan problemler hakkında bilgi alınmıştır.
İşletmede üretimin durması, doğal olarak üretim planlamalarında aksamalara ve mali kayıplara sebep olmaktadır. Üretimde çok sayıda ve son teknoloji cihazlardan faydalanılmaktadır. Girdiler ve çıktılar arasında işletilen tüm süreçler standartlaştırılmıştır. Faaliyetler, farklı kalite standartları yardımıyla titizlikle takip ve analiz edilmektedir.
Tüm varlıklarda olduğu gibi, mühendislik ürünlerinde de arıza kaçınılmazdır [5]. İncelenen işletmenin üretim hattında da çeşitli sıklıkta ve maliyette arızalarla karşılaşılmaktadır. Tezin bu bölümde, işletmenin arıza kayıtlarından hareketle, problemin tanımlanması, tutulan arıza kayıtların incelenmesi, düzenlenmesi, analizde kullanılacak niteliklerin seçilmesi ve kayıtların üzerinde işlem/analiz yapılabilir hale getirilmesi için yapılmış çalışmalar anlatılmıştır.
Çalışmanın hedefleri maddeler halinde aşağıda belirtilmiştir:
Problem tanımlanmalıdır,
Problemin daha etkin çözümünü engelleyen kısıtlar tanımlanmalıdır,
Veri tutarsızlıkları düzeltilmelidir,
Modelde kullanılacak nitelikler belirlenmelidir,
Bakım kayıtlarının sözel ifade ettiği anlamını yitirmeden sayısallaştırılması/matematiksel işlemler yapılabilir hale getirilmesi sağlanmalıdır.
12 1.1. Problemin Tanımlanması
Üretim hattındaki cihazlarda meydana gelen arızalara vardiyadaki ilgili onarım ekibi anında müdahale etmektedir. Onarım ekibinde hat seviyesinde karşılaşılacak her türlü arıza türüne müdahale edebilecek nitelikte personel bulunmaktadır.
Arıza anında onarım ekibi, öncelikle imalatın devam etmesini sağlayacak şekilde onarımı gerçekleştirir. Onarım sonrasında, onarımla ilgili yapılan işlemleri anlatan bakım kayıtları doldurulur. Bakım kayıtları, arıza sicil kartı rolü üstlenmektedir. Arıza sicil kartında, hangi seri numaralı cihazın, ne zaman, hangi arızayı yaptığı ve nasıl müdahale edildiği, hangi parçasının değiştirildiğine ilişkin veri tutulur.
İncelenen ve aşağıda belirtilen bakım kayıtlarının nitelikleri elektronik ortamda saklanmaktadır;
Ay,
Hafta,
Tarih,
Vardiya,
Üretim hattı/lokasyon/yer (Hat), [Üretim hattı içindeki lokasyon]
İlgili ekipman/yedek parça (Parça no),
Ekipman grup no (Grup no),
Bakım/onarımı yapan bakım grubu (Bakım Grubu),
Arıza belirtisi,
Onarımda yapılanlar,
Arıza tipi (Elektrik, Mekanik, Ultrasonik vb.),
Arızanın tekrar sayısı,
Onarımın başlama saati,
Onarımın bitiş saati,
İmalatın durma süresi,
Ekipman durma süresi.
Her arıza onarımından sonra bakım kayıtlarının titizlikle tutuluyor olması, bu kayıtları bir nevi arıza veri bankası haline getirmiştir. Ancak arızalarla ilgili seçilen nitelikler, herhangi bir analiz yöntemi düşünülerek belirlenmemiştir. Bir diğer önemli husus, kayıtların imalatta kullanılan cihazlar için tutuluyor olmasıdır. Dolayısı ile bu kayıtlar, tasarım ve satışı yapılan üründe karşılaşılan arızalara ait değildir.
13
İşletme bu verilerden yararlanarak, imalatın sürekliliğine yönelik bakım, arıza ve yedek parça dengesini sağlayacak bilgi üretilmesini talep etmektedir. Kritik bakım parçalarının belirlenmesi, önceliklendirme yapma olanağı verecektir. Elde edilecek veri ile hem imalatta kullanılan cihazların hazır olma durumlarının iyileştirilmesi hem de envanter yönetimine destek sağlaması beklenmektedir. Hazır olma durumu, işletilen cihazın ne kadar faal tutulduğunun ifadesi olup, aşağıdaki eşitlikte tanımlanmıştır [31-33]:
Hazır Olma Durumu Faal Olduğu Zaman
(Faal Olduğu Zaman Arızalı Kaldığı Zaman) (1.1) Hali hazır durumda, bakım yedek parça envanteri geleneksel sarf-talep analizleri ile yürütülmektedir. Yıllık öngörüler oluşturulmakta ve stoklama yapılmaktadır. Arıza durumunda malzeme talep edilmektedir. Eğer stokta var ise parça teslim edilmektedir. Parçanın, arıza onarımındaki öneminin lojistik faaliyetler ile etkileşimde bulunması mevcut durumda söz konusu değildir. Talep edilen tüm yedek parçalar envanter yönetiminde aynı önem derecesinde işlem görmektedir. Bu durum gerek maliyet, gerek hazır olma durumu ve gerekse envanter yönetimi açısından uygun değildir. Üretim hattının durmasına güçlü etkisi olan kritik bakım parçalarının yönetimi ile ilgili tüm süreçlerde öncelik verilmesi gerekmektedir. Önceliklendirme ile arızalı bekleme süreleri azalacak ve üretim hattının hazır olma durumu artacaktır. Bu durum, gereksiz parça stoklama maliyetlerini azalacaktır.
Şekil 1.1. Problemin girdi, süreç ve çıktıları
İşletme, bakım kayıtlarında geçen parçaları kritikliklerine göre sınıflandırmak ve bu sınıflandırmayı envanter yönetiminde tedarik önceliğini belirlemede kullanmak istemektedir.
Sınıflandırma ile istenen, bakım parçalarının, önceliklerine göre “kritik”, “gerekli” ve “arzu edilen” şeklinde alt gruplara ayrılmasıdır. Belirtilen bu talep, tezin bundan sonraki bölümlerinde “problem” olarak anılacaktır. Tanımlanan haliyle problemin girdi, süreç ve çıktıları en genel biçimde Şekil 1.1’de ifade edilmiştir.
14
1.2. Problemin Çözüleceği Platformların Belirlenmesi
Bakım kayıtları, Microsoft Excel® ortamında tutulmaktadır. İşletme, bakım kayıtlarını alışılmış şekilde tutmaya devam etmek istemektedir. Geliştirilecek model, bakım kayıtlarının Microsoft Excel® ortamından okuyup işleyecek şekilde kurgulanacaktır.
Modelin tek bir platformda geliştirilecek olması, sürecin kontrol ve hakimiyetini arttıracaktır. Bu sebeple, bakım kayıtları üzerinde yapılacak analiz, düzeltme, model geliştirme, eğitim, test ve sunum aşamalarının Matlab® ortamında gerçekleştirilmesine karar verilmiştir. Matlab® programının seçilmesinde; kodlama yapılabilir olması, veri işleme özellikleri, kurulu istatistiksel analiz araçlarının mevcut olması, model geliştirme ve matematiksel işlemlerdeki üstünlükleri etkili olmuştur. 1.3. Bakım Kayıtlarının İncelenmesi ve Düzenlenmesi
Bakım kayıtlarının ham hali gerek format gerek içerik açısından doğrudan kullanıma uygun halde değildir. Bu bölümde, bakım kayıtlarının incelenmesi ve düzenlenmesi sırasında tespit edilen hatalar, kısıtlar ve kayıtların düzenlenmesi kapsamında yapılan işlemler alt başlıklar halinde sunulmuştur.
1.3.1. Bakım kayıtlarında tespit edilen hatalar
Model geliştirme sürecinde kullanılacak algoritmaların doğru sonuçları vermesi için kullanılacak verinin standart olması gerekmektedir. Tekrarlayan durumlar aynı ifadelerle bakım kayıtlarına işlenmelidir. İşletmelerde veri standardının sağlanması için girilen kayıtlara denk gelen standart kodlamalar kullanılmaktadır. Böylelikle aynı durum için farklı ifadenin kullanılması engellenmektedir.
Mevcut bakım kayıtlarında herhangi bir standart kodlama kullanılmamıştır. Problemin çözümünde girdi olarak kullanılacak ve işletme tarafından sağlanan, 2008 ve 2009 yıllarına ait sırasıyla 1650 ve 6503 satır ham bakım kayıtları incelendiğinde tespit edilen hatalar aşağıda sıralanmıştır;
Arıza tanımlarında standart ifadelerin kullanılmadığı,
Hat, parça ve grup numaralarının kayıtlara aktarılmasında herhangi bir standardın kullanılmadığı (Büyük harf/küçük harf, kısaltma vb.),
Yazım/imla hataları yapıldığı,
15
Bazı arızalarda, arızaya ilişkin tüm veri alanlarının doldurulmadığı anlaşılmaktadır.
1.3.2. Bakım kayıtlarıyla ilgili kısıtlar
İşletmenin bakım kapsamının belirlenmesi, işletilecek cihazlar için operatör, kullanıcı veya depo seviyesi bakımların mevcut veya hizmet alımıyla kimin tarafından yapılacağının belirlenmesi işlemidir. Cihaz tedariklerinde, işletmenin bakım kapsamına bağlı olarak; kullanıcı seviyesi, operatör seviyesi ve depo seviyesi bakım dokümanları tedarik edilmelidir.
İşletmede arıza kayıtları tutulan cihazlara ait sadece kullanıcı seviyesi teknik dokümanlar mevcuttur. Dokümanlar, arıza tespit ve izolasyonuna yönelik hazırlanmıştır. Aynı şekilde cihazların güvenilirlik hesaplamalarına esas cihaz yapılandırılması, güvenilirlik blok diyagramları, cihaz-bileşen-parça ilişkileri gibi tasarım verileri mevcut değildir. Bu durum problemin çözümündeki en büyük kısıttır. Kullanılabilir tek girdi, işletmede tutulan bakım kayıtlarıdır. Hangi parçanın hangi bileşen ve cihazı etkilediği analiz edilememektedir.
Bir diğer önemli kısıt, işletmede, hangi parçanın kritik, hangisinin gerekli ve hangisinin arzu edilen olduğu konusunda referans olarak kullanılabilecek örnek sınıflandırma etiketi verisi yoktur. Tüm parçaların eşit öncelik seviyesine sahip olduğu belirtilmektedir.
1.3.3. Bakım kayıtlarının düzenlenmesi
Kayıtlarda tespit edilen uyumsuzluk ve hataların Matlab® programında yazılan kodlamayla düzeltilmesi için;
Excel® ortamındaki bakım kayıtları, Matlab® yazılımına aktarılmıştır,
Tüm karakterler büyük harfe çevrilmiştir,
Türkçeye özgü (İ,ü,ş,ç) karakterler büyük harf İngilizce karşılıklarına çevrilmiştir,
Nitelik ifadeleri arasındaki boşluklar silinmiştir,
Arızanın tekrar sayısı niteliğinde geçen sayısal olmayan ifadeler 1’e eşitlenmiştir,
İmalatı durdurma süresi niteliğinde geçen sayısal olmayan ifadeler 0’a eşitlenmiştir,
Ekipman durdurma süresi niteliğinde geçen sayısal olmayan ifadeler 0’a eşitlenmiştir,
16
İmalatı durdurma süresi ve ekipman durdurma süresi 0 olan örneklemler silinmiştir,
Grup no ve bakım grubu niteliklerinin aynı olduğu örneklemler silinmiştir,
İmalatı durdurma süresi ve ekipman durdurma süresi niteliklerinin 0 olanları, örneklemden silinmiştir.
Gelinen aşamada 2009 yılına ait düzenleme öncesi 6503 kayıttan 4214 örnekleme; 2008 yılına ait düzenleme öncesi 1650 kayıttan 874 analiz edilebilir örneklemeye düşülmüştür. Bakım kayıtlarına ait örneklem bazındaki sayısal büyüklükler Tablo 1.1.’de özet halinde sunulmuştur.
Tablo 1.1. Örneklemin düzenleme öncesi ve sonrası sayısal büyüklükleri
Yıl Düzenleme Öncesi Örneklem Miktarı
Düzenleme Sonrası Örneklem Miktarı
2008 1650 874
2009 6503 4214
2008 yılı arıza kayıtlarının 2009 yılına göre az olmasının sebebi, kayıtlarının 2008 yılının son çeyreğinden itibaren tutulmasından kaynaklanmaktadır.
1.4. Problem Çözümünde Kullanılacak Niteliklerin Seçilmesi
Nitelik seçimi, mevcut nitelikler arasından problemin çözümünde ayırt edici rol oynayacak olanların belirlenmesi olarak tanımlanmaktadır [34].
Nitelik seçimi, öbek oluşturma sürecinde ilk olarak yapılan işlem adımları arasında tanımlamaktadır [34-36]. Nitelik seçiminde, Sezgisel Aşamalı Analiz, İstatistiksel Hipotez Testi, Genetik Algoritmalar, Yapay Sinir Ağları, Destek Vektör Makineleri, Bulanık Mantık Sistemleri kullanılmaktadır [36]. Gelinen aşamada, bakım kayıtlarında mevcut niteliklerden hangilerinin, problemin çözümünde kullanılacağına karar verilecektir.
Kısıtlarda belirtildiği üzere elimizde parça kritiklik tabela etiketleri yoktur. Bu niteliğin olmaması, modelde öncelikle eğiticisiz algoritmalarla öbekleme yapılmasını zorunlu kılmaktadır.
17
Niteliklerin içerikleri hakkında işletmede bakım kayıtlarından sorumlu personelden destek alınmıştır. Kritik bakım parçalarının belirlenmesi anlamında katkı sağlayacağı değerlendirilen niteliklerin belirlenmesine çalışılmıştır. Nitelikler hakkında alınan bilgi ışığında sezgisel olarak yapılan değerlendirmeler sonucunda kritik bakım parçalarının belirlenmesine yönelik aşağıda sıralanan niteliklerin kullanılmasına karar verilmiştir:
Parça,
Zaman/süre,
Sebep/maksat ve
Yer bilgisi
Seçilen nitelikler Tablo 1.2.’de orijinal nitelik veri türleri ve bilgi içerikleri ile birlikte verilmiştir.
Tablo 1.2. Seçilen nitelikler ve özellikleri Nitelik Orijinal Nitelik
Veri Türü
Bilgi İçeriği
Hat Karakter Yer
Parça no Karakter Parça
Grup No Karakter Sebep/Maksat
Tekrarı Rakam Niteleme verisi
İmalatın durma süresi Rakam Zaman/Süre
Seçilen niteliklerin içerikleri aşağıda kısaca tanımlanmıştır:
Hat : İmalatın gerçekleştirildiği hattı,
Parça No : Arıza onarımı için kullanılan parçayı tanımlayan referans numarasını,
Grup No : Kullanılan parçanın bağlı olduğu üst bileşen kümesini,
Tekrar : Arızanın kaç defa tekrar ettiğini,
İmalatın durma süresi: Arızanın imalatı kaç dakika durdurduğunu ifade etmektedir.
1.5. Düzenlenmiş Bakım Kayıt Niteliklerinin Sayısallaştırılması
Seçilen sayısallaştırılacak hat, parça no, grup no nitelikleri bakım kayıtlarında Tablo 1.2.’de de belirtildiği gibi karakter veri yapısında saklanmaktadır. Veri düzenlemesi sonrasında nitelikler altındaki tüm tekil veri içerikleri ve miktarları belirlenmiştir.
18
Tablo 1.3. 2008-2009 bakım kayıtlarındaki nitelik altındaki tekil veri miktarları
Nitelik 2009 Yılı Bakım Kayıtlarındaki Tekil Veri Miktarı
2008 Yılı Bakım Kayıtlarındaki Tekil Veri Miktarı
Hat 27 20
Parça no 264 194
Grup No 63 58
Tablo 1.3.’de belirtilen rakamları kısaca açıklayacak olursak; örneğin 2009 yılı kayıtlarında 27 tekil hat verisi, 264 adet tekil parça no ve 63 adet tekil grup no verisi mevcut olduğu anlaşılmaktadır. Benzer şekilde 2008 yılı kayıtlarında da 20 tekil hat verisi, 194 adet tekil parça no ve 58 adet tekil grup no verisi mevcuttur. Bakım kayıtları içinde tekil tanımlı hat, parça no ve grup no nitelikleri farklı kombinasyonlarda bir arada bulunabilmektedirler.
Tablo 1.4. Hat niteliği 2008 yılı bakım kayıtları tekrar miktarları Tekil Hat
Nitelikleri*
Tekil Hat Tekrar Miktarı
Tekil Hat Niteliği Arıza Kritiklik İndeksi
Farklılaştırılmış Tekil Hat Kritiklik İndeksi A 508 0,5812356979405030 0,5812356979405080 B 139 0,1590389016018310 0,1590389016018350 C 71 0,0812356979405034 0,0812356979405074 D 42 0,0480549199084668 0,0480549199084706 E 25 0,0286041189931350 0,0286041189931386 F 20 0,0228832951945080 0,0228832951945113 G 19 0,0217391304347826 0,0217391304347857 H 10 0,0114416475972540 0,0114416475972569 I 10 0,0114416475972540 0,0114416475972567 J 5 0,0057208237986270 0,0057208237986295 K 5 0,0057208237986270 0,0057208237986292 L 4 0,0045766590389016 0,0045766590389036 M 4 0,0045766590389016 0,0045766590389034 N 3 0,0034324942791762 0,0034324942791778 O 3 0,0034324942791762 0,0034324942791775 P 2 0,0022883295194508 0,0022883295194519 Q 1 0,0011441647597254 0,0011441647597263 R 1 0,0011441647597254 0,0011441647597261 S 1 0,0011441647597254 0,0011441647597258 T 1 0,0011441647597254 0,0011441647597256 TOPLAM : 20 Adet 874 1 1
19
Örnek olarak Tablo 1.4.’de Tekil Hat Nitelikleri sütununda 2008 yılı bakım kayıtlarından hat niteliğinde mevcut 20 adet tekil hat verisi sıralanmıştır. Her bir tekil hat niteliğinin tekrar miktarları, Tekil Hat Tekrar sütununda verilmiştir. Tablodan, 2008 yılında A hattında 508 defa arıza ile karşılaşıldığı; B hattında 139 defa arıza ile karşılaşıldığı anlaşılmaktadır.
Kümeleme algoritmalarının etkin bir şekilde kullanılabilmesi için seçilen niteliklerin gerçek sayılarla ifade edilmesi gerekmektedir.
Niteliklerin sayısallaştırılmasında, Wang W. ve diğ. [14]’nin geliştirdiği “kritiklik indeksi” oluşturma yaklaşımından faydalanılmıştır. Yaklaşımın uyarlanmasında bakım kayıtları yıllık kümeler halinde ele alınmıştır.
Aynı şekilde, sayısallaştırmada toplam arıza sayısı belirlemede bir yıllık periyot kullanılmıştır. Bu durumda 2009 yılı için toplam arıza sayısı 4214 ve 2008 yılı için de 874 kullanılmıştır.
Güvenilirlik Blok Diyagramları olan sistemler için, parçaların paralel ve seri olma durumlarına göre güvenilirlik değerlerinin analitik olarak hesaplanması mümkündür. Ancak güvenilirlik blok diyagramları olmayan sistemler için bu hesaplamalarda benzetim yöntemlerinden faydalanılmaktadır [14]. Bu tez çalışmasında Wang W. ve diğ. [14]’nin ve Ramirez-Marquez ve Coit [12, 13]’in de kullandığı yaklaşımdan esinlenerek niteliklerin güvenilirlik ifadesi olarak Arıza Kritiklik İndeksi (AKİ) aşağıdaki denklemde tanımlanmıştır:
AKİ Gözlem Döneminde Tekil Niteliğin Tekrar Miktarı
Toplam Kayıt Miktarı (1.2)
Her bir nitelik için hesaplanacak AKİ değeri, incelenen dönem içinde Hat/parça/grup no niteliğinin toplam arıza miktarındaki payını ifade edecektir. Başka bir deyişle, hangi parçanın hangi oranda arıza yaptığı hem hakiki hem de nispi olarak ayırt edilmiş olacaktır. Aynı zamanda, sözel ifade edilen tekil niteliklerin sayısallaştırılması da gerçekleştirilmiş olacaktır. Nitelik bazında sözel ifadelerden sayısal ifadelere dönüştürme işlemi için aşağıdaki denklemler tanımlanmıştır: Parça arıza kritiklik indeksleri:
ParçaAKI Gözlem Döneminde Parçanın Arıza Miktarı
20 Hat arıza kritiklik indeksleri:
HatAKI Gözlem Döneminde Hattaki Arıza Miktarı
Toplam Arıza Miktarı (1.4)
Grup arıza kritiklik indeksleri:
GrupAKI Gözlem Döneminde Grubun Arıza Miktarı
Toplam Arıza Miktarı (1.5)
Tablo 1.4.’de Tekil Hat Niteliğin Sayısal Karşılığı sütununda, Denklem (1.4) kullanılarak elde edilen değerler verilmiştir. Örneğin A hattı için bundan sonra modelde kullanılacak sayısal değer yani HatAKİ =508/874 = 0,581235698 olacaktır. Sayısallaştırma neticesinde parça/hat/grup - parça/hat/grup AKİ geçişlerinin sağlanabilmesi için her bir farklı parça/hat/grubuna farklı bir sayısal değerin atanması gerekmektedir. Tüm arıza kayıtları içinde aynı miktarda tekrar eden (frekans) ancak farklı parça/hat/grup kayıtları mevcuttur. Örneğin Hat Niteliği için Tablo 1.4.’de verilen H ve I Tekil Hat Nitelikleri 10’ar defa tekrar etmişlerdir. Her ikisine de denk gelen sayısal karşılık bu durumda aynı olmaktadır. Bu durum her iki Tekil Hat niteliğinin aynı değerle ifade edilmesine sebep olur. Karışıklığın önlenmesi için arıza kritiklik indeks değerinin farklılaştırılması gereklidir. Bu işlemin gerçekleşmesi için, sıralanmış frekanslara, bulundukları indis kadar epsilon (ε=2.2204x10-16) değeri eklenmiştir. Böylelikle aynı frekansa sahip ancak farklı parça/hat/grubu ifade eden kritiklik indeksleri çok ufak bir sayısal değişiklikle farklılaştırılmıştır. Bu işlem için aşağıdaki denklem kullanılmıştır:
f / T
(i ε)SD i AKM
i (1.6)
Denklem (1.6)’da SDi, her bir farklı parça/hat/grubun i’inci sayısal değerini; fi ise ilgili parça/hat/grubun niteliğinin kendi içinde tekil tekrar miktarını; TAKM, toplam örneklem miktarını; i ise frekansların sayısal büyüklüğüne göre büyükten küçüğe sıralanmasından sonraki indisini ifade etmektedir.
Sayısal değerin farklılaştırılması sonrasında Hat niteliği için elde edilen değerleri Tablo 1.4.’de Farklılaştırılmış Tekil Hat Arıza Kritiklik İndeksi sütununda sunulmuştur. Dikkat edilecek olursa tekrar miktarları aynı olan H ve I tekil hat değerleri için farklı birer gerçek sayısal değer atanmıştır. Aynı durum J-K, L-M, N-O çiftleri ve Q-T dörtlüsü için de geçerlidir.
21
1.6. İmalatın durma süresi Niteliklerinin Düzenlenmesi
Düzenlenmiş verinin incelenmesinde, hat, parça no ve grup no nitelik değerlerinin aynı ancak imalatı durdurma süresinin farklı olduğu örneklemler tespit edilmiştir. Analizlerde tutarsızlığa sebep olacak bu durumun veri yapısını bozmadan ortadan kaldırılmasına karar verilmiştir. Düzeltilmiş imalatı durdurma süresi, hat, parça ve grup nitelikleri aynı olan örneklemlerin, imalatı durdurma sürelerinin ortalamaları alınarak bulunmuştur. Orijinal ve ortalaması alınarak elde edilmiş sıralanmış imalatı durdurma sürelerinin örneklem üzerine dağılımı Şekil 1.2.’de gösterilmiştir.
Şekil 1.2. İmalatı durdurma süresinin düzeltilmesi
Şekil 1.2. incelendiğinde, düzeltme öncesi ve sonrası imalatı durdurma sürelerinde çok büyük bir farklılık göze çarpmamaktadır. Farklılığın küçük olması, aynı niteliklerdeki arızaların yaklaşık aynı imalatı durduruyor süresine sahip olmasından kaynaklanmaktadır. Böylelikle, yapılan düzeltmenin verinin anlamında bir değişmeye sebep olmadığı gözlemlenmiştir.
Gelinen bu aşamada seçilen nitelikler sayısallaştırılmış ve imalatı durdurma süreleri de standart hale getirilmiştir. 2008 ve 2009 yıllarına ait tüm niteliklerin görsel olarak incelenebilmesi için İmalatı Durdurma Süresine göre sıralanmış şekilde aldıkları değerler sırasıyla Şekil 1.3. ve Şekil 1.4.’de sunulmuştur.
Şekil 1.3’de ve Şekil 1.4’de sunulan Hat, Parça no ve Grup Arıza Kritiklik İndeks Değerleri ile İmalatı Durdurma Süresi değerleri incelendiğinde, arasında herhangi bir doğrusal ilişki gözlenememiştir. Niteliklerin orantılı olarak artması ya da azalması gibi bir durum söz konusu değildir.
22
Şekiller, nitelikler arasında herhangi bir ilişkinin olmadığını göstermektedir.
Şekil 1.3. 2008 yılı nitelik arıza kritiklik indeks değerleri ve imalatı durdurma süresi verisi gösterimi
Şekil 1.4. 2009 yılı nitelik arıza kritiklik indeks değerleri ve imalatı durdurma süresi verisi gösterimi
Eğer seçilen nitelikler arasında doğrusal bir ilişki gözlemlenebilmiş olsaydı, kritik bakım parçaları basit bir matematiksel modelleme ile kümelenebilirdi. Ancak elimizdeki veri kümesinde nitelikler arasında bu şekilde modellenebilecek ilişki mevcut değildir. Bu gibi ilişkilerin kurulmasının mümkün olmadığı durumlarda
