Çiğ Süt Dağıtımında Zeki Algoritmaların Kullanılması

Yıl 2024, Cilt: 6 Sayı: 3

Nihat Çankaya

Öz

Bu çalışmada, günlük 30 farklı noktaya çiğ süt dağıtımı yapan bir kamyonet için, en kısa rotanın tespit edilmesi amacıyla genetik algoritma (GA) ve karınca kolonisi optimizasyonu algoritması (KKOA) kullanılmıştır. İki algoritmadan elde edilen veriler karşılaştırılmıştır. Firmanın kullandığı güzergahın 78.856 m iken, kullanılan her iki algoritma en kısa güzergahı 61.062 m olarak bulmuştur. KKOA kullanılarak bulunan rotaların ortalama uzunluğu 66.159 m iken GA her denemede 61.062 m uzunluğundaki en kısa rotayı bulmuştur. Önerilen rotanın kullanılması ile kat edilen mesafe %22,6 azalmıştır. Çalışma sonucunda, çiğ süt toplama ve dağıtımı rotalarının belirlenmesinde GA ve KKOA kullanılabileceği görülmüştür. GA ile bulunan rotaların uzunluklarının ortalaması, KKOA kullanılarak bulunanlara göre %7,7 daha kısadır. Süt maliyeti içerisindeki çiğ süt taşıma maliyeti %15-20 gibi yüksek bir paya sahiptir. Uygulamanın ülke genelinde yaygınlaştırılması taşıma maliyetlerini azaltarak süt maliyetinin düşülmesine katkı sağlayacaktır. Çalışma çiğ süt dağıtım süreci için yapılmıştır. Ancak süt toplama süreci de aynı karakteristik özelliklere sahiptir. Geliştirilen algoritmaların hem süt dağıtımı hem de süt toplama süreçlerinde kullanılarak yaygınlaştırılması halinde sektörel operasyon maliyetleri azalacaktır. Azalan taşıma mesafesi ve taşıma zamanı sayesinde, bozulan süt miktarı azalacaktır, aynı araçla daha fazla süt toplama ve süt dağıtma imkânı oluşacaktır. Çiğ süt taşınmasında kullanılan araç sayısı, bakım ve akaryakıt giderleri, personel sayısı gibi maliyetler azalacaktır.

Anahtar Kelimeler

Çiğ süt, Genetik algoritma, Karınca koloni algoritması, Optimizasyon

Etik Beyan

Eserin tamamen, kısmen veya başka bir biçimde başka bir yerde yayınlanmadığını beyan ederiz. Makalenin başka bir dergiye gönderilmediğini ve başka bir yerde yayınlanmayacağını onaylıyoruz. Makalenin hayvanlar kullanılarak yapılan deneyler içermediğini onaylıyoruz. Makalenin insan çalışmaları içermediğini onaylıyoruz.

Teşekkür

Çalışmada kullanılan verilerin temini için STB firmasına ve Sn. Vehbi Bülüç Beye, çalışmadaki destekleri için Sn. Şaban Gülcü, Sn. Vahit Tongur, Sn. Mehmet Çunkaş beylere, yardımları için değerli hocam Humar Kahramanlı Örnek hanıma teşekkürü borç bilirim.

Using Intelligent Algorithms in Raw Milk Distribution

Öz

In this study, genetic algorithm (GA) and ant colony optimization algorithm (AKO) were used to determine the shortest route for a truck that delivers raw milk to 30 different points daily. The data obtained from the two algorithms were compared. Both algorithms found the shortest route as 61,062 m while the route used by the company was 78,856 m. GA found the shortest route of 61,062 m in each trial while the average length of the routes found using AKO was 66,159 m. The distance covered decreased by 22.6% with the use of the suggested route. It was seen that GA and AKO could be used in determining raw milk collection and distribution routes as a result of the study. The average length of the routes found with GA was 7.7% shorter than those found using AKO. Raw milk transportation cost has a high share of 15-20% in milk cost. The widespread use of the application throughout the country will contribute to the reduction of milk cost by reducing transportation costs. The study was conducted for the raw milk distribution process. However, the milk collection process also has the same characteristics. Sectoral operation costs would decrease in case of the developed algorithms are used and spread in both milk distribution and milk collection processes. Thanks to the reduced transportation distance and transportation time, the amount of spoiled milk will decrease, and it would be possible to collect and distribute more milk with the same vehicle. Costs such as the number of vehicles used in raw milk transportation, maintenance and fuel expenses, and the number of personnel would be reduced.

Anahtar Kelimeler

Raw milk, Genetic algorithm, Ant colony algorithm, Optimization

Kaynakça

• TUİK, Süt Ürünleri İstatistikleri, (2024). https://biruni.tuik.gov.tr/medas/?kn=85&locale=tr (erişim 01 Nisan 2024).
• A. Burcu, S. Özdemir, Erzurum’da süt toplama merkezlerinden alınan çiğ sütlerin somatik hücre sayısı ile bazı kalite niteliklerinin belirlenmesi, ATA-FOOD Journal. 1-3 (2022), 1-6.
• A. Güleç, Konya İl Merkezinde İşlenen Çiğ Sütlerin Mikrobiyolojik Kalitesi ve Somatik Hücre Sayılarındaki Değişimin Belirlenmesi, Yüksek Lisans Tezi, Necmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsü, Gıda Mühendisliği Anabilim Dalı, Konya, 2021.
• TÜİK, Çiğ Süt Üretim İstatistikleri, (2022). https://data.tuik.gov.tr/Bulten/Index?p=Cig-Sut-Uretim-Istatistikleri-2022-49699 (erişim 31 Mayıs 2024).
• FAO Avrupa ve Orta Asya Bölge Ofisi Politika Yardımları Şubesi., AB Giriş Süreci Çerçevesinde Türkiye’de Süt ve Süt Ürünleri Sektörüne Genel Bakış., FAO Birleşmiş Milletler Gıda Ve Tarım Örgütü, Roma Italya, 2007.
• Ambalajlı Süt Üreticileri Derneği, ASÜD’ten süt lojistiği için çözüm önerisi, (2015). https://www.lojistikhatti.com/haber/2015/09/asudten-sut-lojistigi-icin-cozum-onerisi (erişim 01 Nisan 2024).
• Tarımsal Ekonomi ve Politika Geliştirme Enstitüsü, Z. Y. Ataseven, Durum ve Tahmin Süt ve Süt Ürünleri, (2023). https://arastirma.tarimorman.gov.tr/tepge/Belgeler/PDF%20Durum-Tahmin%20Raporları/2023%20Durum-Tahmin%20Raporları/Süt%20ve%20SüT%20Ürünleri%20Durum%20Tahmin%20Raporu%202023-372%20TEPGE.pdf (erişim 01 Nisan 2024).
• S. Tekin, Z. Leblebici, Nevşehir İlinde süt toplama merkezlerindeki çiğ sütün mikrobiyal kalite yönünden incelenmesi, Nevşehir Bilim ve Teknoloji Dergisi. 11-1 (2022), 38–35. doi:10.17100/nevbiltek.1119510.
• FAO-Türkiye Gida ve Tarim Ortaklik Programi (FTPP II). Orta Asya, Azerbaycan ve Türkiye’de Sürdürülebilir Balıkçılık ve Su Ürünleri Yetiştiriciliği Yönetimi için Kapasite Geliştirme (FISHCap). GCP/SEC/013/TUR. Sazan Yetiştiriciliği Sanal Çalıştayı. 8-9 Aralık, (2022). doi:10.4060/cb6715tr.
• P. Ongkunaruk, Business Process analysis and ımprovement for a raw milk collection centre in Thailand, Agriculture and Agricultural Science Procedia. 3 (2015), 35–39. doi: 10.1016/j.aaspro.2015.01.009.
• D. Yeşil, Niğde İl kaliteli süt üretimi optimum toplama ve taşıma planlaması, Turkish Journal of Agriculture-Food Science and Technology. 9-3 (2021), 568-576. doi:10.24925/turjaf.v9i3.568-576.4050.
• O.D. Palsule-Desai, Cooperatives for fruits and vegetables in emerging countries: Rationalization and impact of decentralization, Transportation Research Part E: Logistics and Transportation Review. 81 (2015), 114–140. doi:10.1016/j.tre.2015.06.011.
• K. Kaplan, A. Çiçek, Türkiye’de çiğ süt fiyatları ile süt yemi fiyatları arasındaki nedensellik ilişkisinin Toda-Yamamoto testi ile belirlenmesi, ÇOMÜ Ziraat Fakültesi Dergisi. 10-2 (2022), 336-345.
• H. Yildirim, M. Çi̇men, A. İlhan, Z. Turan, Z. Demi̇r, B. Demi̇r, Adıyaman ilinden elde edilen inek sütlerinde ekonomik öneme sahip biyokimyasal parametrelerin AB ve Türk standartlarına uygunluklarının belirlenmesi, İstanbul Aydın Üniversitesi Dergisi. 6-22 (2014), 1-7.
• P. Toth, D. Vigo, Vehicle Routing: problems, methods, and applications. Society for industrial and applied mathematics. Second Edition. Philadelphia, Pennsylvania: Society for Industrial and Applied Mathematics (SIAM, 3600 Market Street, Floor 6, Philadelphia, PA 19104), (2015), doi:10.1137/1.9781611973594.
• S. Gulcu, E. Madenci, The Optimization of Laminated Composite Beams Using Particle Swarm Optimization Algorithm, 5nd International Conference on Material Science and Technology in Cappadocia (IMSTEC’20), Cappadocia /TURKEY, October 16-17-18, 2020
• S. Liu, L. Lei, S. Park, On the multi-product packing-delivery problem with a fixed route, Transportation Research Part E: Logistics and Transportation Review. 44-3 (2008), 350-360. doi:10.1016/j.tre.2006.10.009.
• G. Paredes-Belmar, V. Marianov, A. Bronfman, C. Obreque, A. Lüer-Villagra, A milk collection problem with blending, Transportation Research Part E: Logistics and Transportation Review. 94 (2016), 26-43. doi:10.1016/j.tre.2016.07.006.
• P. Ongkunaruk, Business process analysis and Improvement for a raw milk collection centre in Thailand, Agriculture and Agricultural Science Procedia. 3 (2015), 35–39. doi:10.1016/j.aaspro.2015.01.009.
• I. Dayarian, T.G. Crainic, M. Gendreau, W. Rei, A column generation approach for a multi-attribute vehicle routing problem, European Journal of Operational Research. 241(3) (2015), 888-906. doi:10.1016/j.ejor.2014.09.015.
• A.E. Dooley, W.J. Parker, H.T. Blair, Modelling of transport costs and logistics for on-farm milk segregation in New Zealand dairying, Computers and Electronics in Agriculture. 48(2) (2005), 75-91. doi:10.1016/j.compag.2004.12.007.
• K. Sethanan, R. Pitakaso, Differential evolution algorithms for scheduling raw milk transportation, Computers and Electronics in Agriculture. 121 (2016), 245–259. doi:10.1016/j.compag.2015.12.021.
• U. Pasha, A. Hoff, A. Løkketangen, A Hybrid approach for milk collection using trucks and trailers, Annals of Management Science. 3 (2014) 85-108. doi:10.24048/ams3.no1.2014-85.
• B. Gökçe, O.B. Özden, Kaynaklı bağlantıya sahip karmaşık bir yapıda goldak modeli kullanılarak distorsiyonların ve kalıntı gerilmelerin nümerik analizler ile belirlenmesi, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 5-2 (2023), 53-64. doi:10.47112/neufmbd.2023.9
• M. Hacibeyoglu, M. Çeli̇k, Ö.E. Çi̇çek, K en yakın komşu algoritması ile binalarda enerji verimliliği tahmini, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 5-2 (2023), 65-74. doi:10.47112/neufmbd.2023.10.
• M. Karakoyun, A. Özkiş, Transfer fonksiyonları kullanarak ikili güve-alev optimizasyonu algoritmalarının geliştirilmesi ve performanslarının karşılaştırılması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 3(2) (2021), 1-10.
• F. Özen, R.O. Kabaoğlu, T.V. Mumcu, Deep learning based temperature and humidity prediction, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 5(2) (2023), 219-229. doi:10.47112/neufmbd.2023.20.
• A. Pektaş, O. İnan, Ağaç Tohum algoritmasının kümeleme problemlerine uygulanması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 4(1) (2022), 1-10.
• N. Çankaya, Online measurement of flour particle size distribution using piezoelectric sensor, KONJES. 12(4) (2024), 941–954. doi:10.36306/konjes.1462390
• A.K. Çopur, Some results on an ıterative algorithm associated with enriched contractions in banach spaces, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 5(2) (2023), 123-133. doi.org/10.47112/neufmbd.2023.1
• M. Caramia, F. Guerriero, A Milk collection problem with ıncompatibility constraints, Interfaces. 40(2) (2010), 130-143. doi:10.1287/inte.1090.0475
• R. Masson, N. Lahrichi, L.-M. Rousseau, A two-stage solution method for the annual dairy transportation problem, European Journal of Operational Research. 251(1) (2016), 36-43. doi:10.1016/j.ejor.2015.10.058.
• M. Shukla, S. Jharkharia, Agri‐fresh produce supply chain management: a state‐of‐the‐art literature review, International Journal of Operations & Production Management. 33(2) (2013), 114-158. doi:10.1108/01443571311295608.
• I. Dayarian, T.G. Crainic, M. Gendreau, W. Rei, An adaptive large-neighborhood search heuristic for a multi-period vehicle routing problem, Transportation Research Part E: Logistics and Transportation Review. 95 (2016), 95-123. doi:10.1016/j.tre.2016.09.004.
• M. Alinaghian, N. Shokouhi, Multi-depot multi-compartment vehicle routing problem, solved by a hybrid adaptive large neighborhood search, Omega. 76 (2018), 85-99. doi:10.1016/j.omega.2017.05.002.
• C.D. Tarantilis, C.T. Kiranoudis, A meta-heuristic algorithm for the efficient distribution of perishable foods, Journal of Food Engineering. 50(1) (2001), 1-9. doi:10.1016/s0260-8774(00)00187-4.
• G.D.H. Claassen, Th.H.B. Hendriks, An application of special ordered sets to a periodic milk collection problem, European Journal of Operational Research. 180(2) (2007), 754-769. doi:10.1016/j.ejor.2006.03.042.
• E. Ateş, Karınca kolonisi optimizasyonu algoritmaları ile gezgin Satıcı probleminin çözümü ve 3 boyutlu benzetimi, Basılmamış Lisans Tezi, Ege Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, İzmir. (2012).
• G.O. Büyüköz, H. Haklı, Gri Kurt optimizasyon algoritmasının P-Medyan problemlerine uygulanması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 6(1) (2024), 166-177. doi:10.47112/neufmbd.2024.40
• N. Cankaya, O. Aydogdu, Three Parameter control algorithm for obtaining ideal postprandial blood glucose in Type 1 Diabetes Mellitus, IEEE Access. 8 (2020), 152305-152315. doi:10.1109/ACCESS.2020.3015454.
• F. Ulu, Karınca kolonisi optimizasyonu algoritması ile depo rota planlaması, Yüksek Lisans Tezi, Bursa Uludağ Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı, Bursa, 2023
• M. Erat, M. Taşyürek, Karınca koloni ve genetik algoritma yöntemleri kullanarak en iyi sayaç okuma güzergahının tespit edilmesi, DÜMF Mühendislik Dergisi. 13(3) (2022), 405-411. doi:10.24012/dumf.1072010
• N. Lahrichi, T. Gabriel Crainic, M. Gendreau, W. Rei, L.-M. Rousseau, Strategic analysis of the dairy transportation problem, Journal of the Operational Research Society. 66(1) (2015), 44-56. doi:10.1057/jors.2013.147
• M. Vedenyov, Travelling salesman problem with Genetic algorithm, (2011). https://www.mathworks.com/matlabcentral/fileexchange/31818-travelling-salesman-problem-with-genetic-algorithm (erişim 01 Nisan 2024).
• C. Andrea, Simple example of genetic algorithm for optimization problems, (2011). https://www.mathworks.com/matlabcentral/fileexchange/34144-simple-example-of-genetic-algorithm-for-optimization-problems (erişim 01 Nisan 2024).
• S. Ibrahim, Ant Colony Optimization (ACO) to solve traveling salesman problem (TSP), (2015). https://www.mathworks.com/matlabcentral/fileexchange/51113-ant-colony optimization-aco-to-solve-traveling-salesman-problem-tsp (erişim 01 Nisan 2024).
• Y. M. Heris, Ant Colony Optimization (ACO), (2015). https://www.mathworks.com/matlabcentral/fileexchange/52859-ant-colony-optimization-aco (erişim 01 Nisan 2024).
• J.H. Holland, Genetic Algorithms and Adaptation, içinde: O.G. Selfridge, E.L. Rissland, M.A. Arbib (Ed.), Adaptive Control of Ill-Defined Systems, Springer US, Boston, MA, (1984), 317-333. doi:10.1007/978-1-4684-8941-5_21
• M. Çunkaş, Genetik Algoritmalar ve Uygulamaları Ders Notları, Selçuk Üniversitesi Teknik Eğitim Fakültesi, Konya, (2006).
• D.E. Goldberg, Genetic and evolutionary algorithms come of age, Communications of the ACM. 37(3) (1994), 113-120. doi/10.1145/175247.175259
• M. Obitko, Genetic Algorithms, (1998). https://www.obitko.com/tutorials/genetic-algorithms/(erişim 01 Nisan 2024).
• R. Sarker, C. Newton, A genetic algorithm for solving economic lot size scheduling problem, Computers & Industrial Engineering. 42 (2002), 189-198. doi:10.1016/s0360-8352(02)00027-x.
• R. Cheng, M. Gen, Y. Tsujimura, A tutorial survey of job-shop scheduling problems using genetic algorithms, part II: hybrid genetic search strategies, Computers & Industrial Engineering. 36(2) (1999), 343-364. doi:10.1016/s0360-8352(99)00136-9.
• T. Keskintürk, S. Şahin, Doğrusal olmayan regresyon analizinde gerçek değer kodlamalı genetik algoritma, (2009). http://www.iticu.edu.tr/uploads/kutuphane/dergi/s15/167-178.pdf (erişim 02 Nisan 2024).
• T. T. Ergüzel, Sıvı Seviye Denetimi İçin Bulanık Denetleyici Parametrelerinin Karınca Koloni ve Genetik Algoritma İle Optimizasyonu, Doktora Tezi, Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik-Bİlgisayar Eğitimi Anabilim Dalı, İstanbul, 2009.
• V. Topuz, Bulanık genetik proses kontrolü, Doktora Tezi, Marmara Universitesi, Fen Bilimleri Enstitüsü, Elektronik-Bİlgisayar Eğitimi Anabilim Dalı, İstanbul, 2002.
• D. Karaboğa, Yapay Zeka Optimizasyon Algoritmaları, Nobel Akademi Yayıncılık, 2014.
• B. Özkan, Dinamik gezgin satıcı probleminin çözümü için bir eniyileme kütüphanesinin tasarımı ve görsel yazılım geliştirme ortamı ile birlikte gerçekleştirimi, Yüksek Lisans Tezi, Ege Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, İzmir, 2008.
• H. Dikmen, H. Dikmen, A. Elbir, Z. Ekşi, F. Çelik, Gezgin satıcı probleminin karınca kolonisi ve genetik algoritmalarla eniyilemesi ve karşılaştırılması, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 18(1) (2014), 8-13.
• M. Dorigo, Optimization, learning and natural algorithms, Doktora Tezi, Politecnico di Milano. (1992). https://cir.nii.ac.jp/crid/1573950400977139328 (erişim 02 Nisan 2024).
• T. Keskintürk, H. Söyler, Global karınca kolonisi optimizasyonu, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 21(4) (2006).
• H. Söyler, T. Keskintürk, Karınca kolonisi algoritması ile gezen satıcı probleminin çözümü, (2007). https://avesis.istanbul.edu.tr/yayin/fa22e262-7602-4e71-a57b-fac8e738152a/karinca-kolonisi-algoritmasi-ile-gezen-satici-probleminin-cozumu (erişim 02 Nisan 2024).
• Ş. Ekinci, K. Çarman, H. Kahramanlı, Investigation and modeling of the tractive performance of radial tires using off-road vehicles, Energy. 93 (2015), 1953-1963. doi:10.1016/j.energy.2015.10.070.
• J. Brownlee, Clever algorithms : nature-inspired programming recipes. United Kingdom: Lulu.com, 2012.
• S.D. Gülcü, Ş. Gülcü, H. Kahramanli, A.K. Campus, K. Selçuklu, Solution of travelling salesman problem using intelligent water drops algorithm, içinde: Proceedings of the 2nd International Conference on Information Technology and Computer Networks, Montreal, 2013.
• M. Dorigo, G. Di Caro, L.M. Gambardella, Ant algorithms for discrete optimization, Artificial Life. 5(2) (1999), 137-172. doi:10.1162/106454699568728
• Y.S. Özdemir, Karınca kolonisi algoritması ile bilgisayar ağlarının topolojik en iyilenmesi, Yüksek Lisans Tezi, Başkent Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Ankara, 2008.
• S. Serin, Karınca kolonisi yaklaşımıyla karayolu üstyapı rutin bakım çalışmalarının planlanması, Yüksek Lisans Tezi, Süleyman Demirel Üniversitesi, Fen Bilimleri Enstütüsü, Yapı Eğitimi Anabilim Dalı, Isparta, 2009.
• G. Çalişkan, Uçak iniş operasyonları için meta sezgisel yaklaşımlar kullanarak online çizelgeleme uygulaması çalışması, Doktora Tezi, İstanbul Üniversitesi, Lisansüstü Eğitim Enstitüsü, Endüstri Mühendisliği Anabilim Dalı, İstanbul, 2020.
• S.D. Dao, K. Abhary, R. Marian, An innovative framework for designing genetic algorithm structures, Expert Systems with Applications. 90 (2017), 196-208. doi:10.1016/j.eswa.2017.08.018.