Kümeleme ve genetik algoritma destekli yaklaşımlarla kapasite kısıtlı araç rotalama probleminin çözümü : perakende zincirinde uygulanması

Abstract

Küreselleşmenin rekabeti hızla arttırdığı son yıllarda müşteri memnuniyeti bu rekabetin en belirleyici faktörlerinden biri olmuştur. Tedarik zincirinde, ürünün ya da hizmetin müşteriye ulaştığı son aşama olan lojistik ve dağıtım şirketlerin üzerinde daha dikkatli durduğu bir alan haline gelmiştir. Ne kadar hızlı ve çok sayıda müşteriye ulaşılırsa, o kadar müşteri memnuniyeti artacaktır. Fakat bunun yanısıra şirketler, kendi maliyetlerini de azaltmaya çalışmaktadır. Sözkonusu rekabetin içerisindeki büyük lojistik ve dağıtım şirketlerinin en iyilemeye çalıştıkları problemler de büyük ve karmaşık olacaktır. Aynı anda hem müşterilerine hızlı ve kaliteli hizmet sağlamak hem de maliyetleri en aza indirmek bu şirketlerin hedefidir. Bu çalışmada, bu şirketlerin problemlerinden biri olan araç rotalama probleminin özel bir hali ele alınmıştır. Müşterilerin belirli taleplere sahip olduğu kapasite kısıtlı araç rotalama probleminin çözümünde hızlı ve maliyetleri en aza indirgeyen bir mağaza kümeleme ve araç rotalama ortaya konulmaya çalışılmıştır. Bu uygulama tezinde ele alınan problem için iki aşamalı bir çözüm yöntemi önerildi. Problemin ilk kısmında kümeleme, ikinci kısmı ise ARP çözümü yapılmıştır. Ele alınan bu problemde bir süpermarket zincirindeki taleplerin karşılanmasındaki ortaya çıkan araç rotalama ve kümeleme probleminin çözüm metotları üzerinde durulmuştur. Bu amaçla iki farklı yaklaşım geliştirilmiştir. Birincisinde bir kümeleme algoritması olan DBSCAN ile müşteriler kümelenmiş ve araç rotalama problemleri çözülmüştür. İkinci yaklaşımda ise, GA destekli DBSCAN algoritmasıyla kümeleme geliştirilmiştir ve araç rotalama problemleri çözülmüştür. Her iki yöntemin ARP kısmında belirlenmiş mağazalardan oluşan kümelere ana depo da eklenerek kesin çözüm veren dalsınır algoritması ARP çözümü için uygulanmıştır. Geliştirilen her iki metot bir örnek uygulamada test edilerek sonuçlar ANOVA testi ile karşılaştırılmıştır.

In the last few years in which the globalization increases the competition, customer satisfaction has been one of the most decisive factors in this competition. In supplychain, logistics and distribution which is the last process reaching the product or service to customers has become the important field for factories. When it is reached more customers and more quickly, then the satisfaction of the customers will be more. However, factories has an objective to reduce their expenditures. In this competition, the problems that are tried to make them better by big logistic and distribution factories will be major and complicated. Providing fast and high-quality service and decreasing the expenditures are the aims of these factories. In this study, a specific situation of vehicle routing problem was discussed. In the solution of vehicle routing problem which was restricted with certain demands of customers, a store clustering and vehicle routing that decreases the expenditure have been tried to handle. In this study, a solution approach which has two progressive stages was suggested. Clustering and VRP problems were solved respectively. The proposed approach was implemented on a supermarket to handle vehicle routing and clustering problems under certain demand and capacity constraints. The proposed approach consists of two methods to compare effectiveness of the methods. At the first one, clustering approach was implemented by employing DBSCAN to solve vehicle routing problem. Later, the DBSCAN improved with GA was implemented in order to solve same problem. After completing clustering among branches of the company, travelling salesmen problem was solved with employing branch and bound algorithm for each cluster included main store. Both of these methods have been tested on a sample data and the results have been compared with ANOVA test.