Doğalgaz Dağıtım Şebekelerinde Vana Bakım Operasyonlarının Optimizasyonu: Matematiksel Modelleme Yaklaşımı ve Maliyet Analizi

Öz

Doğalgaz, yenilenemeyen bir enerji kaynağı olarak sanayi, konut ve elektrik üretimi gibi birçok alanda yaygın biçimde kullanılmaktadır. İthal edilen doğalgaz, iletim hatlarıyla şehirlere ulaştırıldıktan sonra dağıtım faaliyetleri ile son kullanıcıya gaz arzı sağlanmaktadır. Bu faaliyetler sırasında şehir içi dağıtımında kullanılan vanaların düzenli ve etkili bir şekilde bakımı, arz güvenliği ve hizmet sürekliliği açısından kritik öneme sahiptir. Vana sayısının artmasıyla birlikte bakım faaliyetlerinde zaman, iş gücü ve maliyet açısından optimizasyon gereksinimi ortaya çıkmaktadır. Bu bağlamda çalışmanın temel amacı, vana bakım operasyonlarında rota planlamasını matematiksel modelleme yoluyla optimize ederek daha verimli, uygulanabilir ve maliyet açısından optimize edilebilir çözümler geliştirmektir. Bu kapsamda, Minimum Yayılan Ağaç (MYA) ve Gezgin Satıcı Problemi (GSP) yöntemleri kullanılarak Giresun ili örneğinde optimum bakım ağı oluşturulmuştur. Elde edilen optimum ağ, sezgisel olarak oluşturulan bakım ağıyla karşılaştırılmıştır. Sonuçlar, MYA ve GSP yöntemlerinin sezgisel olarak belirlenen rotalara göre optimal planlamasına imkan vererek önemli maliyet avantajları sağladığını ortaya koymuştur. GSP çözümünde Genetik Algoritma (GA) ve Tamsayılı Doğrusal Programlama (TDP) yöntemleri uygulanmış, ayrıca Google Maps tabanlı alternatif rota yaklaşımı değerlendirilmiştir. Bunun yanında, içten yanmalı ve elektrikli araçlara ait rota maliyetleri karşılaştırılarak alternatif ulaşım teknolojilerinin ekonomik etkileri analiz edilmiştir. Elde edilen bulgular, modern optimizasyon tekniklerinin doğalgaz dağıtım ağlarında önemli maliyet avantajları sağlayabileceğini göstermektedir.

Anahtar Kelimeler

• İşletmelerde Maliyet Optimizasyonu
• Gezgin Satıcı Problemi
• Genetik Algoritma
• Tamsayılı Doğrusal Programlama
• Minimum Yayılan Ağaç

Optimization of Valve Maintenance Operations in Natural Gas Distribution Networks: Mathematical Modeling Approach and Cost Analysis

Öz

Natural gas, as a non-renewable energy source, is widely utilized in various sectors such as industry, residential areas, and electricity generation. Imported natural gas is transported to cities via transmission lines, and then distributed to end users through distribution activities. The regular and effective maintenance of valves used in the urban distribution of imported natural gas is critically important for ensuring supply security and service continuity. With the increasing number of valves, the need for optimization in terms of time, labor, and cost in maintenance operations has become more prominent. The aim of this study is to develop more efficient, cost-effective and practical solutions by optimizing route planning in valve maintenance operations through mathematical modeling. In this context, an optimal maintenance network was established using the Minimum Spanning Tree (MST) and Traveling Salesman Problem (TSP) methods, and the results were compared with heuristically generated routes using a case study from Giresun province. The resulting optimum network was compared with the intuitively generated maintenance network. The results showed that the MYA and GSP methods enabled more optimal planning compared to intuitively determined routes, resulting in significant cost advantages. For solving the TSP, Genetic Algorithm (GA) and Integer Linear Programming (ILP) methods were employed, and a Google Maps-based alternative routing approach was also evaluated. Additionally, route costs associated with internal combustion engine vehicles and electric vehicles were compared to analyze the economic impacts of alternative transportation technologies. The findings indicate that the use of modern optimization techniques in natural gas distribution networks can provide significant cost advantages.

Anahtar Kelimeler

• Business Cost Optimization
• Traveling Salesman Problem
• Genetic Algorithm
• Integer Linear Programming
• Minimum Spanning Tree

Kaynakça

1. Ahmed, Z. H. (2010). Genetic Algorithm for the Traveling Salesman Problem using Sequential Constructive Crossover Operator. International Journal of Biometrics ve Bioinformatics (IJBB), 3(6), 96–105.
2. Akay, M., Tuş, A., 2022, Minimum Yayılan Ağaç (MYA) Problemi: Denizli İli Hafif Raylı Sistem Proje Önerisi için Minimum Mesafeli Hat Belirleme, Demiryolu Mühendisliği Dergisi, 15, 111-124.
3. Anaç, S., 2011, Kargo Taşımacılığında Ulaştırma Modelleri Yardımıyla Maliyet – Zaman Minimizasyonu Ve Tokat İli Uygulaması, Yüksek Lisans Tezi, Gaziosmanpaşa Üniversitesi Sosyal Bilimler Enstitüsü, Tokat.
4. Arogundade, O.T., Sobowale, B. Ve Akinwale, A. T., 2011, Prim Algorithm Approach to Improving Local Access Network in Rural Areas, International Journal of Computer Theory and Engineering, 3-3.
5. Başol, K., 1994. Doğal Kaynaklar Ekonomisi, Doğal Kaynaklar, Enerji ve Çevre Sorunları, Anadolu Matbaası, İzmir, 114 s.
6. Berberoğlu, C., 1982. Türkiyenin Ekonomik Gelişmesinde Elektrik Enerjisi Sorunu, Eskişehir İktisadi ve Ticari İlimler Akademisi Dergisi, 9, 245-165.
7. Çolak, S., 2010. Genetik Algoritmalar Yardımı İle Gezgin Satıcı Probleminin Çözümü Üzerine Bir Uygulama, Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 19 (3), 423-438.
8. Dantzig, G. B., Fulkerson, D. R., & Johnson, S. M. (1954). Solution of a large-scale traveling-salesman problem. Journal of the Operations Research Society of America, 2(4), 393–410.

9. Doğaka., 2014. Enerji Sektör Raporu, Doğu Akdeniz Kalkınma Ajansı, Hatay.
10. Dündar, O, A. ve Öztürk, R., (2020). Kargo Dağıtım Operasyonunun Gezgin Satıcı Problemi Ve Çoklu Gezgin Satıcı Problemi Kullanılarak Yeniden Düzenlenmesi Üzerine Bir Uygulama, Erciyes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 41-54.
11. Engin, Ö., A., 2012, Korozif Etkilere Maruz Kalmış Doğal Gaz Çelik Şebeke Vanaları Ve Vana Odalarının Rehabilitasyonunun Araştırılması, Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
12. Erben, B., ve Sezen, B., 2024, Minimum Kapsama Ağacı Yöntemi İle Kampüs Alanında Ağ Planlaması, Dünya Multidsipliner Araştırma Dergisi, 7, 2, 61-81.
13. Gomes, D. E., Iglésias, M. I. D., Proença, A. P., Lima, T. M., & Gaspar, P. D. (2021). Applying a genetic algorithm to a m-TSP: Case study of a decision support system for optimizing a beverage logistics vehicles routing problem. Electronics, 10(18), 2298
14. Karaipek, M., 2025, Metro Sefer Planlaması Yaparken Enerji Verimliliği Optimizasyonu: Karma Tamsayılı Doğrusal Programlama ve Genetik Algortima Yaklaşımları, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.
15. Kızılateş, G., 2013, Gezgin Satıcı Problemleri ve Çözüm Algoritmalrı Üzerine, Yüksek Lisans Tezi, Ege Üniveristesi, Fen Bilimleri Enstitüsü, İzmir.
16. Korkmaz, Ö. ve Develi, A., 2012. Türkiye'de Birincil Enerji Kullanımı, Üretimi ve Gayri Safi Yurtiçi Hasıla (GSYİH) Arasındaki İlişki, Dokuz Eylül Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 1-25.
17. Laporte, G., 1992, The Traveling Salesman Problem: An overview of exact and approximate algorithms, European Journal of Operational Research, 59, 231-247.
18. Liao, W., Liu, L., & Fu, J. (2019). A comparative study on the routing problem of electric and fuel vehicles considering carbon trading. International Journal of Environmental Research and Public Health, 16(17), 3120.
19. Özkan, M. 2010, Yöneylem Araştırması İçinde Şebeke Analizi ve Bir Uygulama, Yüksek Lisans Tezi, Gaziosmanpaşa Üniversitesi, Sosyal Bilimler Enstitüsü, Tokat.
20. Özkan, S., 2010, Gezgin Satıcı Probleminin Çözümüne Yönelik Algoritmik Yaklaşımlar, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
21. Özpınar, M. A., 2007. Yenilenebilir Enerji Santrallerinde Yapay Sinir Ağları Yöntemiyle Enerji Tüketiminin Modellenmesi ve Planlanması, Doktora Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
22. Öztürk, A. 2007, Yöneylem Araştırması, Ekin Kitabevi, Bursa.
23. Öztürk, A. 2011, Yöneylem Araştırmasına Giriş. Ekin Basın Yayın Dağıtım. ISBN:978-605-5431-58-7, Bursa, 573 s.
24. Öztürk, N. ve Uysal F. N, 2017, Gezgin satıcı probleminin genetik algoritma ile çözümü, International symmposium on Industry 4.0 and applications, 125-128.
25. Patır, S., 2009, Tam Sayılı Programlama Ve Malatya Maksan Transformatör İşletmesine Bir Uygulama, Atatürk Üniveristesi İktisadi İdari Bilimler Dergisi, 23, 1, 193-206.
26. Pulat, M., 2017, Gezgin Satıcı Probleminin Çözümünde Genetik Algoritmanın Parametrelerinin İncelenmesi, Yüksek Lisans Tezi, Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü, İzmir.
27. Pulat, M., ve Kocakoç, İ. D., 2017, Gezgin Satıcı Probleminin Genetik Algoritmalarla Çözümünde Başlangıç Popülasyonun Belirlenmesi, Journal Of Emerging Economies And Policy, 2 (1), 95-123.
28. Savsar, M. Ve Hetari, A., 2022, Optimization of Gas Distribution in Istanbul Using Minimum Spanning Tree with Probabilistic Approach, European Journal of Science and Technology Special Issue, 42, 180-186.
29. Sökmen, Ö. S., 2021, Belirsizlik Altında Hiyerarşik Çinli Postacı Problemi Ve Çözüm Yaklaşımları, Doktora Tezi, Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Erzurum.
30. Söyler, H., ve Fendoğlu, E., 2019, Çinli Postacı Probleminin Genetik Algoritma ve Coğrafi Bilgi Sistemi QGIS İle Çözümü, Akademik yaklaşımlar Dergisi, 10,1, 39-56.
31. Taha, H. A.(2000), Yöneylem Araştırması, Çeviren ve Uygulayan Ş. Alp Baray- Şakir Esnaf, Literatür Yayıncılık, İstanbul.
32. Tekin, M., Dündar O. A., ve Şahman, M. A., 2011, Şehir İçi Dağıtım Şirketlerinde Gezgin Satıcı Problemi Uygulaması,
33. Türkyılmaz, O., 2015. Ocak 2015 İtibariyle Türkiyenin Enerji Görünümü Raporu, Şubat, TMMOB Makine Mühendisleri Odası, 1-20.
34. Uğurlu, O., 2018, Rotalama Problemleri İçin Algoritmik Yaklaşımlar, Ege Üniversitesi, Doktota Tezi, Fen Bilimleri Enstitüsü, İzmir.
35. URL- https://www.netenerji.com.tr, 05.03.2026.
36. Yu, D., Tao, Y. Ve Ma, Y., 2022, Solving TSP Problems with Integer Programming, Journal of Physics: Conference Series, 2381.