Genetik algoritma ve karınca koloni algoritması ile melez model oluşturularak ERP sistemlerinde kapasite planlamasının yapılması

Abstract

Günümüzde firmalar tüm süreçlerini kontrol altına alıp, iş zekası uygulamaları ile otonom kontroller oluşturmak istemektedir. Bu noktada sistemin en temelinde vazgeçilmez olan erp programlarıdır. Erp programları verilerin oluştuğu ve saklandığı en tabandaki sistemdir. İş zekası uygulamaları oluşan verileri yorumlayıp belirlenen kararları vermesi için sistemi tamamlayan bir parçadır. Üretim yapan firmalar, üretim hattını doğru planlayabilmesi için, maliyet başta olmak üzere verimlilik, siparişlerin zamanında yetişmesi gibi birçok kısıtı sağlanmaları gerekmektedir. Kapasite planlama; içerisinde operasyonlar arası gecikmeler, makinaların boşta kalması, işlerin üretim hatlarına doğru dağıtılması, siparişlerin zamanında hazır olması, kurulum süreleri, aktivite maliyetleri, stokta bulundurma maliyeti ve benzeri bir çok maliyet kaynağının doğru dağıtılması ve/veya kullanılması gibi karmaşık bir yapı bulunduran bir optimizasyon problemidir. Genetik algoritmaları ve karınca koloni algoritmaları ile yapılmış kapasite planlama problemlerinin çözümleri literatürde mevcuttur. Genetik algoritmalar bir çözüm popülasyonu oluşturmak ve bu popülasyonu her jenerasyonda daha iyiye götürme konusunda bir altyapı sağlarken, karınca koloni algoritması sıralama problemlerinin çözümünde bir alt yapı sağlamaktadır. Bu tezin amacı firmalarda kapasite planlama problemini çözerken genetik algoritma ve karınca koloni algoritmasından melez bir model oluşturup, amaç fonksiyonu tanımlarına göre bir çözüm kümesi oluşturmaktır. Çözüm testleri için Java 7.0 kullanılarak bir program geliştirilmiştir.

Todays companies demand to take control all processes and build autonomous systems using business intelligence applications. The ERP programs are the essential frameworks to meet these demands. ERP systems integrate internal and external management information across an organization, while business intelligence process and evaluate these collected data. In order to schedule a production line, the companies need to provide constraints such as costing, efficiency and preparing orders on time. Scheduling is an optimization problem including complex systems like tardiness, idle times, distributing operations to production line, activity costs, set-up times and earliness stocks. There are solutions about scheduling reported in literature using genetic algorithms and ant colony optimization. While genetic algorithms generate a solution population and improve it on each generation, ant colony algorithms are based on the solving of ordering problems. The aim of this study is to design a hybrid model of genetic and ant colony algorithms in solving schedule problems of companies by generating a set of solutions for aim functions. The proposed model was coded by using Java 7.0 programming language.