KONTEYNER TERMİNAL STOK YÖNETİMİNDE ABC ANALİZİ VE BULANIK SINIFLANDIRMA

Abstract

Günümüzde artan rekabetle birlikte gittikçe önem kazanan kavramlardan biri de stok yönetimidir. Dengeli bir stok yönetimi işletmelerin, maliyetlerini azaltırken müşteri tatminini sağlamaları için önem arz etmektedir. İşletmelerin dengeli bir stok yönetimi uygulayabilmeleri için öncelikle stokta bulunması gereken hammadde veya yedek parçalarını sınıflandırmaları gerekmektedir. ABC analizi bu sınıflandırma yöntemlerinden biridir. ABC analizi parçanın parasal envanter değerini göz önünde bulundurarak sınıflandırma yapmaktadır. Ancak özellikle yoğun makine, teçhizat kullanımı gerçekleştirilen ve hizmet üretimi yapılan işletmelerde yalnızca envanter değerine göre sınıflandırma yapmak stok yönetimini yetersiz kılabilmektedir. Bulanık sınıflandırma ile stokta bulundurulacak parçaların sınıflandırılmasına envanter değerinin yanı sıra etki eden diğer kriterler de dahil edilebilmektedir. Çalışmada örnek bir konteyner terminalinde kullanılan ekipmanlara ait yedek parçaların ve malzemelerin stok yönetimi incelenmektedir. Parça ve malzemeler, öncelikli olarak envanter değerlerine göre ABC Analizi ile sınıflandırılmış, ardından çeşitli kriterler çalışmaya dahil edilerek bulanık sınıflandırma ile yeniden sınıflandırılmıştır. Çalışmanın sonunda ABC Analizi ve bulanık sınıflandırmaya göre sonuçlar karşılaştırılmış ve öneriler sunulmuştur.

Keywords

• Envanter,Envanter Yönetimi,,ABC Analizi,Bulanık sınıflandırma

References

1. Chu, O., Liang , G. and Liao, C. (2008). Controlling inventory by combining ABC analysis and fuzzy classification. Journal of Computers and Industrial Engineering, 55(3), 841-851.
2. Chen, Y., Li, K., Kilgour, D. and Hipel, K. (2008). A case-based distance model for multiple criteria ABC analysis. Journal of Computers and Industrial Engineering, 17(2), 776-796.
3. Çakır, C. and Canpolat, M. (2008). A web-based decision support system for multicriteria inventory classification using fuzzy AHP methodology. Expert Systems with Applications, 35(1), 1367-1378.
4. Dang, Q-V, Yun, W-Y ve Kopfer, H (2012). Positioning empty containers under dependent demand process”, Computers & Industrial Engineering. 62, 708–715.
5. Doğar, A. (2006).Tedarik zincirinde stok yönetimi, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, İstanbul.
6. Ernst, R. and Cohen , M. (1990). Operations related groups: A clustering procedure for production/inventory systems,implementing multiple criteria ABC analysis. Journal of Operations Management, 9(4), 35-53.
7. Flores, E. and Whybark, D. (1987). Implementing multiple criteria ABC analysis. Journal of Operations Management, 7(1), 1-2.
8. Hadi-Vencheh, A. and Mohamadghasemi , A. (2011). A fuzzy AHP-DEA approach for multiple criteria ABC inventory classification. Journal of Expert Systems with Applications, 38(4), 3346-3352.

9. Hng, L., Miyasaka , K., Inoue, H. and Tsukamoto, M. (2003). Automatic generation of fuzzy classification systems using hyper-cone membership functions. 2003 IEEE International Symposium on Computational Intelligence in Robotics and Automation. Kobe, Japan.
10. Keskin, G. and Ozkan, C. (2013). Multiple criteria ABC analysis with FCM clustering implementing multiple criteria ABC analysis. Journal of Industrial Engineering,7(1), 1-8.
11. Kılıç, A., Aygün, S., Keskin, G. Ve Baynal, K. (2014). Çok kriterli ABC analizi problemine farklı bir bakış açısı: Bulanık analitik hiyerarşi prosesi. Journal of Industrial Engineering,20(5), 179-188.
12. Kumar, M. and Chakravarty, B. (2015). ABC-VED analysis of expendable medical stores at a tertiary care hospital, Medical Journal Armed Forces India, 15(2), 24-27.
13. Lei, T.L ve Church, R.L. (2011). Locating short-term empty-container storage facilities to support port operations: A user optimal approach. Transportation Research Part E, 47. 738-754.
14. Medasani, S., Kim, J. and Krishnapuram, R. (1998). An overview of membership function generation techniques for pattern recognition. International Journal of Approximate Reasoning. 19(3), 391-417.
15. Ng, W. (2007). A simple classifier for multiple criteria ABC Analysis. European Journal of Operational Research. 177 (1), 344-353. Partovi, F. and Anandarajan, M. (2002). Classifying inventory using an artificial neural network approach. Computers & Industrial Engineering, 41, 389-404.
16. Viattchenin, D., Tati, R. and Damaratski, A. (2013). Designing gaussian membership functions for fuzzy classifier generated by heuristic possibilistic. Journal of Information & Optimization Sciences. 37(2), 127-139.
17. Plousios, A. (2009). Maintenance and spare parts inventory optimization at container terminals: the case of ECT. Yüksek Lisans Tezi. Erasmus University Rotterdam.
18. Tamaki, F., Kanagawa, A. and Ohta, H. (1998). Identification of membership functions based on fuzzy observation data. Journal of Fuzzy Sets and Systems. 93(3), 311-318.
19. Yu, M. (2011). Multi-criteria ABC analysis using artificial-intelligence-based classification techniques. Expert Systems with Applications, 38(1), 3416-3421.
20. Yun, W.Y, Lee Y.M ve Choi, Y.S. (2011). Optimal inventory control of empty containers in inland transportation system. Int. J. Production Economics 133, 451-457.
21. Yüzügüllü, N. ve Ürencik, C. (1992). Çok kriterli ABC analizi için bir algoritma ve uygulaması, TMMOB Makine Mühendisleri Odası Yayını, Cilt:4 Sayı:20.
22. Zhou, E., Khotanzad, A. (2007), Fuzzy Classifier Design Using Genetic Algorithms, Journal of Pattern Recognition Society,40,3401-3414