SavedAdd your journal

Journals / Anadolu Üniversitesi Sosyal Bilimler Dergisi / 2020 / Cilt: 20 - Sayı: 3

Araç Rotalama Probleminin Genetik Algoritma ile Çözümü

Ebru OKUR
Mahmut ATLAS
Pages
227–254
Publication Date
2020-09-29
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu çalışma sonucunda işletmeye ait 51 adet satış büfesi için tüm talepleri karşılayacak bir rotasyon oluşturularak araçlarının hem zamandan tasarruf etmesini hem de maliyetin düşürülmesini sağlayan bir çözüm sunulmuştur.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Öz Bu çalışmada, çözülmesi zor problemler sınıfında yer alan araç rotalama problemi ele alınmıştır.
📊
Key Findings & Data:Bu amaçla, genetik algoritmanın hem zor ve büyük ölçekli problemleri etkin bir şekilde çözebilmesi, hem de kısa sürede optimuma yakın çözümler üretebilmesi özelliğinden yararlanılarak Eskişehir Halk Ekmek A.Ş.’nin dağıtım araçlarının, satış büfelerine en kısa mesafeden rota hesaplamasına optimum çözüm aranmıştır ve mevcut durum ile karşılaştırma yapılmıştır.
💡
Conclusion & Impact:Bu çalışma sonucunda işletmeye ait 51 adet satış büfesi için tüm talepleri karşılayacak bir rotasyon oluşturularak araçlarının hem zamandan tasarruf etmesini hem de maliyetin düşürülmesini sağlayan bir çözüm sunulmuştur.
🔬Design:Survey & Empirical Study
📍Scope:2000 · 51 adet
⚙️Variables:Anahtar Kelimeler Genetik Algoritma · Araç Rotalama Problemi · Meta-Sezgisel Teknikler

Özet

Öz Bu çalışmada, çözülmesi zor problemler sınıfında yer alan araç rotalama problemi ele alınmıştır. Araç rotalama problemi kısaca, müşteri taleplerini karşılayacak ürün dağıtımına ait optimum rotaların tasarlanması problemidir. Toplam kat edilen mesafenin en küçüklenmesi problemin temel amacını oluşturmaktadır. Günümüz iş hayatında ürün dağıtım maliyetleri toplam lojistik maliyetlerinin önemli bir kısmını oluşturmaktadır. Bu çalışmada meta-sezgisel çözüm tekniklerinden birisi olan genetik algoritma kullanılarak Eskişehir Halk Ekmek A.Ş.’nin tüm müşteri taleplerini karşılayacak araç rota mesafesini iyileştirmek amaçlanmaktadır. Bu amaçla, genetik algoritmanın hem zor ve büyük ölçekli problemleri etkin bir şekilde çözebilmesi, hem de kısa sürede optimuma yakın çözümler üretebilmesi özelliğinden yararlanılarak Eskişehir Halk Ekmek A.Ş.’nin dağıtım araçlarının, satış büfelerine en kısa mesafeden rota hesaplamasına optimum çözüm aranmıştır ve mevcut durum ile karşılaştırma yapılmıştır. Ekmekler, tek bir üretim tesisinde üretilerek 51 adet satış büfesi aracılığıyla halka ulaştırılmaktadır. Üretim tesisinin satış büfelerine olan uzaklıkları “Google Maps” üzerindeki konumlarından sağlanmıştır. Ele alınan problem için genetik algoritma 2000 kez çalıştırılmıştır ve yaklaşık olarak 25 saniye (sn) gibi kısa bir sürede sonuca ulaşılmıştır. Genetik algoritma ile belirlenen araç rotalama işlemi sonucunda Eskişehir Halk Ekmek İşletmesi’nin mevcut olarak kullandığı rotasyon iyileştirilerek daha iyi bir sonuç elde edilmiştir. Çalışma öncesinde, Eskişehir Halk Ekmek İşletmesi rotalarının oluşturulmasında 17 yıllık tecrübesinden yararlanarak 3 aracın toplam kat ettiği mesafeyi 236,54 km olarak belirlediği görülmektedir. Genetik algoritma ile hesaplama sonucunda ise 3 aracın toplam kat ettiği mesafe 210,24 km olarak hesaplanmıştır. Bu durumda, günlük olarak hesaplanan değerde 26,3 km’lik bir iyileşme sağlanmaktadır. Aylık olarak düşünüldüğünde, bir ay için yaklaşık olarak 790 km’lik bir iyileşme sağlamaktadır. Maliyet bazında bakıldığında, kullanılan araçlar şehir içinde gidilen her km’de ortalama 1,6 TL/lt yakıt harcamaktadır ve aylık olarak düşünüldüğünde işletme için 1.264 TL’lik bir yakıt tasarrufu ile maliyette azalma sağlanmaktadır. Bu çalışma sonucunda işletmeye ait 51 adet satış büfesi için tüm talepleri karşılayacak bir rotasyon oluşturularak araçlarının hem zamandan tasarruf etmesini hem de maliyetin düşürülmesini sağlayan bir çözüm sunulmuştur.

🔖

Cite This Article

OKUR, E., ATLAS, M. (2020). Araç Rotalama Probleminin Genetik Algoritma ile Çözümü. Anadolu Üniversitesi Sosyal Bilimler Dergisi, Cilt: 20 - Sayı: 3, 227–254. https://ajindex.com/articles/78680

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Acar, E. (2014). Yatırım problemlerinin değerlendirilmesinde evrimsel algoritma kullanımı yap işlet devret modeli altyapı projesi üzerine bir uygulama (Tez Numarası. 357356). [Doktora Tezi. Eskişehir: Anadolu Üniversitesi Sosyal Bilimler Enstitüsü]. YÖK Tez Merkezi. Chen, T. & Chen, C., (1997). Improvements of simple genetic algorithm in structural desing. International. Journal for Numerical Methods in Engineering, 40, 1323–1334.
  2. Christofides, N., (1976). The vehicle routing problem. Recherche Operationnelle, 10 (2), 55-70.
  3. Çeyrekoğlu, S., (2017). Araç rotalama problemine genetik algortima yaklaşımı ve örnek bir uygulama (Tez Numarası. 461711).[Yüksek Lisans Tezi. İstanbul: İstanbul Üniversitesi Fen Bilimleri Enstitüsü]. YÖK Tez Merkezi. Çolak, S., (2010). Genetik algoritmalar yardımı ile gezgin satıcı probleminin çözümü üzerine bir uygulama. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 19 (3), 423-438.
  4. Dasgupta, D. & Michalewicz, Z., (1997). Evolutionary algorithmsın engineering applications, Germany: Springer. Demircioğlu, M., (2009). Araç rotalama probleminin sezgisel bir yaklaşım ile çözümlenmesi üzerine bir uygulama (Tez Numarası. 241435). [Doktora Tezi. Adana: Çukurova Üniversitesi Sosyal bilimler Enstitüsü]. YÖK Tez Merkezi. Dreo, J., Siarry, P., Petrowski, A., & Taillard, E., (2006). Metaheuristics for hard optimization. Germany:Springer-Verlag, 978-3-540-23022-9.
  5. Duman, C., (2007). Genetik algoritma ile tesis yerleşimi tasarımı ve bir uygulama (Tez Numarası.213245). [Yüksek Lisans Tezi. İstanbul: Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü.]. YÖK Tez Merkezi. Düzakın, E. ve Demircioğlu, M., (2009). Araç rotalama problemleri ve çözüm yöntemleri. Çukurova Üniversitesi İİBF Dergisi, 13 (1), 68-87.
  6. Eksioglu, B., Vural, A.V. & Reisman, A., (2009). The vehicle routing problem: A taxonomicreview. Computers & Industrial Engineering, 57, 1472–1483.
  7. Elmas, Ç., (2007).
  8. Yapay zeka uygulamaları, Ankara:
  9. Seçkin. Emel, G.G., ve Taşkın, Ç., (2002). Genetik algoritmalar ve uygulama alanları. Bursa: Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, XXI (1), 129-152.
  10. Er, H., Çetin, M. ve İpekçi Çetin, E. (2005). Finansta evrimsel algoritmik yaklaşımlar: Genetik algoritma uygulamaları. Akdeniz İ.İ.B.F. Dergisi, 10, 73-94.
  11. Fisher, M. L. & Jaikumar, R., (1981). Ageneralized assignment heuristic for vehicle routing, Networks, 11, 109-124.
  12. Gomez, P. A. & Hougen, D. F., (2007). Initial population for genetic algorithms: A metric approac