Arıcılık Malzemeleri Üretiminde Bulanık Doğrusal Programlama Kullanımı: Werners Yaklaşımı

Öz

Endüstriyel gelişmeler, üretim mekanizması alternatiflerinin artmasına neden olmuş, bu ise karar aşamasında karar vericilerin çelişkiler içerisinde kalmalarını beraberinde getirmiştir. Tüketiciler bir ürünü tercih ederken,  birçok alternatif içerisinden kendileri için önemlilik sırasına göre en uygun olanı tercih ederler. Firmaların bu tüketici kitlesi karşısında arz olanaklarını belirlemesi, bazı üretim alternatifleri içerisinden kendileri için en uygun üretim teknik ve miktarlarını seçmeleri gerekliliğini ortaya çıkarmıştır. Bu ise belirsizliklerle dolu bir süreçtir ve belirsizlikle dolu bu ortamda karar alabilmek işletmelerin karşılaştıkları birçok zorluktan biridir. 1965 yılında Zadeh tarafından geliştirilen “bulanık küme” kavramı, bahsedilen bu kararsızlık çerçevesinde, karar mekanizmalarının kararlarını almalarında onlara bir yön vermeyi amaçlamıştır. Belirsizliklerin olduğu ortamlarda, esnek kararlar alınabilmesini amaçlayan bu sistem çağımızda daha da önemini hissettirmektedir.

Bu çalışmada arıcılık ürünleri üreten bir işletmenin verileri analize tabi tutulmuştur. Çalışmada, öncelikle doğrusal programlama modeli oluşturulmuş ve elde edilen sonuçlar bulanık doğrusal programlama (BDP) yöntemlerinden Werners yaklaşımı ile değerlendirilmiştir. Çalışma sonucunda, analize tabi tutulan işletmenin günlük ortalama karını maksimum hale getirebilmesi için ürettiği 3 ana ürün olan kovan, şerbetlik ve çerçevelerin, bulanık üretim kapasitesi, bulanık hammadde miktarı ve bulanık toplam iş gücü miktarlarına göre gerekli üretim düzeleri hesaplanmıştır. Buna göre, günde 1,366667 adet kovan,  2,533334 adet şerbetlik ve 83,335 adet çerçeve üretilmesi gerektiği sonucuna ulaşılmıştır. 

Anahtar Kelimeler

• Bulanık Mantık,Bulanık Doğrusal Programlama,Nicel Karar Yöntemleri,Yöneylem Araştırması

The Use of Fuzzy Linear Programming in The Production of Beekeeping Materials: Werners Approach

Öz

Industrial developments have led to an increase in the production mechanism alternatives, which has led to decision makers remaining in contradictions during the decision making process. While consumers prefer a product, they choose from many alternatives in order of their priorities. Determining the supply possibilities in the face of this consumer population by firms has revealed the necessity to choose the most suitable production techniques and quantities for them from some production alternatives. This is a process full of uncertainties and it is one of the many challenges faced by enterprises to make decisions in this environment of uncertainty. “The fuzzy sets” concept developed by Zadeh in 1965 aimed to give a direction to the decision-making mechanisms in the framework of this uncertainty. In environments with uncertainty, this system, which aims to make flexible decisions, becomes more important in our age.

In this study, data of an enterprise, producing beekeeping products, were analyzed. In this study, firstly, linear programming model was created and the results were evaluated with Werners approach which is one of the fuzzy linear programming (FLP) methods. As a result of the study, the firm which is analyzed should produce 1,366667 pieces of hives, 2,533334 pieces of sherbet and 83,335 of the frame in order to maximize the daily average profit. In addition, the fact that it is not possible to realize a decimal amount in real production is not taken into consideration.

Anahtar Kelimeler

• Fuzzy Logic,Fuzzy Linear Programming,Quantitative Decision Methods,Operations Research

Kaynakça

1. Arikan, F. (2013). A fuzzy solution approach for multiobjective supplier selection. Expert Systems with Applications, 40(3), 947-952.
2. Aydın, N. (2007). Katı Atık Yönetiminde Optimal Planlama İçin Bulanık Doğrusal Programlama Yaklaşımı, (Yayınlanmamış Yüksek Lisans Tezi), Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
3. Baykal N. ve T. Beyan; Bulanık Mantık İlke ve Temelleri, Bıçakçılar Kitabevi, 2001, Ankara.
4. Buckley, J. J. ve Feuring, T. (2000). Evolutionary algorithm solution to fuzzy problems: fuzzy linear programming. Fuzzy sets and systems, 109(1), 35-53.
5. Chiang, J. (2001). Fuzzy linear programming based on statistical confidence interval and interval-valued fuzzy set. European Journal of Operational Research, 129(1), 65-86.
6. Çevik, O. Ve Yıldırım Y. (2010). Bulanık Doğrusal Programlama ile Süt Ürünleri İşletmesinde Bir Uygulama, KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 12(18), s.15-26.
7. Delgado, M., Verdegay, J. L., ve Vila, M. A. (1989). A general model for fuzzy linear programming. Fuzzy Sets and systems, 29(1), 21-29.
8. Demiral, M. F. (2013). Bulanık Doğrusal Programlama ile Süt Endüstrisinde Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(2). S. 373-397.

9. Guu, S.M. and Y.K. Wuu (1999). Two Phase Approach for Solving The Fuzzy Linear Programming Problems, Fuzzy Sets and Systems, 107(29), 191-195.
10. Gülcan, B. (2012). Bulanık Doğrusal Programlama ve Bir Bisküvi İşletmesinde Optimum Ürün Formülü Oluşturma” (Yayınlanmamış Yüksek Lisans Tezi) Karamanoğlu Mehmetbey Üniversitesi Sosyal Bilimler Enstitüsü. İşletme Ana Bilim Dalı, Karaman.
11. Güneş, M. (2001). Bulanık Doğrusal Sistemler ve Regrasyon Modellerine Uygulaması, A Review of Social, Economic& Business Studies, Vol.1, No.1, p.176-192.
12. Hannan, E. L. (1981). On Fuzzy Goal Programming. Decision Sciences, 12(3), 522-531.
13. Inuiguchi, M. ve Sakawa, M. (1998). Robust Optimization Under Softness in A Fuzzy Linear Programming Problem. International Journal of Approximate Reasoning, 18(1), 21-34.
14. Inuiguchi, M., Ichihashi, H. ve Kume, Y. (1990a). A Solution Algorithm For Fuzzy Linear Programming With Piecewise Linear Membership Functions. Fuzzy Sets and Systems, 34(1), 15-31.
15. Inuiguchi, M., Ichihashi, H. ve Tanaka, H. (1990b). Fuzzy programming: a survey of recent developments. In Stochastic Versus Fuzzy Approach Esto Multi-Objective Mathematical Programming Under Uncertainty (45-68). Springer, Dordrecht.
16. Kağnıcıoğlu, C.K. (2006). Hedef Programlama ve Bulanık Hedef Programlama Arasındaki İlişki. Ankara: Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. Cilt 7. Sayı 2, s. 17-38.
17. Kocadağlı, O., Cinemre, N. (2010), Portföy Optimizasyonunda SVFM ile Bulanık Doğrusal Olmayan Model Yaklaşımı. İstanbul: İstanbul Üniversitesi İşletme Fakültesi Dergisi. Cilt: 39. Sayı:2, s. 359-369.
18. Kumar, A., Kaur, J. ve Singh, P. (2011). A New Method For Solving Fully Fuzzy Linear Programming Problems. Applied Mathematical Modelling, 35(2), 817-823.
19. Li, D. F. ve Yang, J. B. (2004). Fuzzy linear programming technique for multi attribute group decision making in fuzzy environments. Information Sciences, 158, 263-275.
20. Liu, B. (2001a). Fuzzy random dependent-chance programming. IEEE Transactions on Fuzzysystems, 9(5), 721-726.
21. Liu, X. (2001b). Measuring the satisfaction of constraints in fuzzy linear programming. Fuzzy Sets and Systems, 122(2), 263-275.
22. Lotfi, F. H., Allahviranloo, T., Jondabeh, M. A. ve Alizadeh, L. (2009). Solving a full fuzzy linear programming using lexicography method and fuzzy approximate solution. Applied Mathematical Modelling, 33(7), 3151-3156.
23. Mahdavi-Amiri, N. ve Nasseri, S. H. (2007). Duality results and a dual simplex method for linear programming problems with trapezoidal fuzzy variables. Fuzzy sets and systems, 158(17), 1961-1978.
24. Negoita, C. V. (1981). The current interest in fuzzy optimization. Fuzzy Sets and Systems, 6(3), 261-269.
25. Orlovsky, S. (1984). Mathematical programming problems with fuzzy parameters. IIASA Working Paper, WP-84-38.
26. Oruç, K. O. ve Gülışık, M. N. (2013). Bulanık Doğrusal Programlama Yaklaşımı İle Üretim Planlaması. Alphanumeric Journal Volume 1, Issue 1, 2013: The Journal of Operations Research, Statistics, Econometrics and Management Information Systems, 33.
27. Özkan, M. M. (2003). Bulanık Hedef Programlama Modeli ve Bir Uygulama Denemesi, Review of Social, Economicand Business Studies, 2, 265-301.
28. Özkan, M. M. (2003). Bulanık Hedef Programlama, Ekin Kitabevi, Bursa.
29. Özkan, M. (2014). Bulanık Hedef Programlama ve Bir İşletme Üzerinde Uygulama.(Yayınlanmamış Doktora Tezi), Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü, Sivas.
30. Tan, R. R., Aviso, K. B., Cayamanda, C. D., Chiu, A. S. F., Promentilla, M. A. B., Ubando, A. T. ve Yu, K. D. S. (2016). A fuzzy linear programming enterprise input-output model for optimal crisis operations in industrial complexes. International Journal of Production Economics, 181, 410-418.
31. Tanaka, H. ve Asai, K. (1984). Fuzzy linear programming problems with fuzzy numbers. Fuzzy sets and systems, 13(1), 1-10.
32. Tanaka, H. ve Ishibuchi, H. (1991). Identification of possibilistic linear systems by quadratic membership functions of fuzzy parameters. Fuzzy Sets and Systems, 41(2), 145-160.
33. Tanaka, H., Ichihashi, H. ve Asai, K. (1985). Fuzzy decision in linear programming problems with trapezoid fuzzy parameters. Management Decision Support Systems Using Fuzzy Sets and Possibility Theory, J. Kacprzyk and R. Yager (Eds), Verlag TUV Rheinland, 146-155.
34. Teke, Ç., Okutkan, C. ve Erden, C.(2017). Bulanık Doğrusal Programlamayla Tekstil Sektöründe Üretim Miktarlarının Belirlenmesi. Uluslararası Mühendislik ve Teknoloji Araştırmaları Dergisi, 2(1), 1-6.
35. Tuncel, S. Ö. (1997). Bulanık Doğrusal Programlama ve Bir Üretim İşletmesinde Uygulama Örneği. (Yayınlanmamış Bilim Uzmanlığı Tezi), Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
36. Tuş, A. (2006). Bulanık Doğrusal Programlama ve Bir Üretim Programlamasında Uygulama Örneği.(Yayınlanmamış Yüksek Lisans Tezi), Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü, Denizli.
37. Tomsovic, K. (1992). A fuzzy linear programming approach to the reactive power/voltage control problem. IEEE Transactions on Power Systems, 7(1), 287-293.
38. Türe, H. (2006). Bulanık Doğrusal Programlama ve Bir Uygulama.(Yayınlanmamış Yüksek Lsians Tezi), Gazi Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.
39. Slowiński, R. (1986). A multicriteria fuzzy linear programming method for water supply system development planning. Fuzzy sets and systems, 19(3), 217-237.
40. Sugeno, M. ve Tanaka, K. (1991). Successive identification of a fuzzy model and its applications to prediction of a complex system. Fuzzy sets and systems, 42(3), 315-334.
41. Şişman, B. (2012). Talebin Belirsiz Olduğu Tedarik Zinciri Tasarımında Bulanık Eniyileme Yaklaşımı. International Journal of Management Economics& Business/Uluslararasi Yönetim İktisat ve İşletme Dergisi, 8(17).
42. Ural, G.F. (2006). Bulanık Doğrusal Programlama Yöntemi Kullanılarak Bir Sanayi Kuruluşunda Üretim Planlama Çalışmasının Gerçekleştirilmesi,(Yayınlanmamış Yüksek Lisans Tezi), Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü, Kocaeli.
43. Wang R.C. and T.F. Liang (2004). “Application of Fuzzy Multi-Objective Linear Programming to Aggregate Production Planning”, Computers & Industrial Engineering.Werners, B. (1987). An interactive fuzzy programming system. Fuzzy sets and systems, 23(1), 131-147.
44. Wu, H.C. (2003). Duality Theory in Fuzzy Linear Programming with Fuzzy Coefficients, Fuzzy Optimization and Decision Making, 2, p.61-73.
45. Yalçın Seçme, N.(2005). Klasik Doğrusal Programlama ve Bulanık Doğrusal Programlamanın Karşılaştırılmalı Bir Analizi: Üretim Planlama Örneği. (Yayınlanmamış Yüksek Lisans Tezi), Erciyes Üniversitesi Sosyal Bilimler Enstitüsü, Kayseri.
46. Zhu, B. ve Xu, Z. (2014). A fuzzy linear programming method for group decision making with additive reciprocal fuzzy preference relations. FuzzySetsandSystems, 246, 19-33.
47. Zimmermann, H.J. (1991). Fuzzy Set Theory and Its Applications, Massachusetts: Kluwer Academic Publishers.