Gazi niv. Mh. Mim. Fak. Der.

Cilt 23, No 1, 129-138, 2008

J. Fac. Eng. Arch. Gazi Univ. Vol 23, No 1, 129-138, 2008

MONTAJ HATTI DENGELEME PROBLEMNE BULANIK BR YAKLAIM

F. Yeim KALENDER*, Murat Mustafa YILMAZ ve Orhan TRKBEY*
*Endstri Mhendislii Blm, Mhendislik Mimarlk Fakltesi, Gazi niversitesi, 06570 Maltepe, Ankara fyesim@gazi.edu.tr, turkbey@gazi.edu.tr (Geli/Received: 05.03.2007; Kabul/Accepted: 05.12.2007) ZET Bu almada, bulank operasyon zamanl geleneksel montaj hatt dengeleme probleminin zm iin bir algoritma gelitirilmitir. Montaj hatt dengeleme problemindeki deikenlik ve belirsizlik geleneksel olarak istatistiksel dalmlar kullanlarak modellenir. Fakat bu durum, gemi verilerin olmad hallerde uygun olmayabilir. Bu nedenle, nerilen algoritma yeni bir montaj hattn dengelemek iin bir uzman tarafndan belirlenen bulank operasyon srelerini kullanmaktadr. Gelitirilen zm algoritmas Java programlama dili ile kodlanm ve bir fabrikada test edilerek yeni hattn dengelenmesi salanmtr. Anahtar Kelimeler: Montaj hatt dengeleme, bulank kme.

A FUZZY APPROACH TO ASSEMBLY LINE BALANCING PROBLEM

ABSTRACT In this study, an algorithm is developed to solve traditional assembly line balancing problem with fuzzy operation times. Variability and uncertainty in the assembly line balancing problem is traditionally modelled through the use of statistical distributions. This may not be feasible in cases where no historical data exists. For this reason, the proposed algorithm uses fuzzy operation times determined by an expert to balance the new assembly line. The developed solution algorithm is coded by Java programming language and is tested in a factory to balance a new assembly line. Keywords: Assembly line balancing, fuzzy set. 1. GR (INTRODUCTION) Montaj hatt; malzemelerin bir hat boyunca igc yardmyla ya da otomatik olarak transfer edilmeleri ve para zerindeki ilemlerin de bir hat boyunca sral i istasyonlarnda yaplmas olarak tanmlanabilir. Montaj hatlarnn tasarmndaki ana amalardan biri, her i istasyonuna eit miktarda i datmn yapabilmektir. Montaj hatt yerleimlerinde genelde dz, yani Geleneksel Montaj Hatt (GMH) yerleimi kullanlr. Geleneksel montaj hatt dengeleme problemi (GMHDP), grevlerin sral bir ekilde farkl i istasyonlarna atanarak rnlerin oluturulduu retim prosesini dikkate almaktadr. Grevlerin istasyonlar arasndaki dalm, grevler arasndaki mevcut ncelik kstlarnn yansra her bir grevi tamamlamak iin gerekli zaman birimine de baldr. rnn her bir istasyonda en fazla evrim zaman (C) denilen zaman kadar kalmasna izin verilmektedir. Geleneksel hat dengeleme probleminde modellenen retim hatt dz olarak organize edilmitir. ncelik diyagramndaki ilk grev(ler)den balamak ve diyagram boyunca grevleri istasyonlarda gruplamak suretiyle denge oluturulmaktadr. Geleneksel montaj hatlar dengeleme problemlerinin iki tipi mevcuttur; GMHDP-1: Bu problem tipinde ama evrim zaman verildiinde, istasyon saysn minimize etmektir. Genellikle yeni bir hat tasarlamak amacyla kullanlr. GMHDP-2: Bu problem tipinin amac ise istasyon says verildiinde evrim zamann minimize etmektir. Bu problem tipi, genellikle rn talep deiiklikleri ve retim proseslerinde deiiklik sz konusu olduunda geerlidir.

Y. Kalender vd.

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

Montaj hatlarnda nemli kriterlerden birisi, her bir operasyonun tamamlanma sresidir. Deien evre koullar altnda emek youn allan ilerde operasyon tamamlanma sresini tespit etmek olduka zor olabilmektedir. Psikolojik olgular, evresel faktrler ve dier insana bal etkenler operasyon srelerinin deikenlik gstermesine sebep olmaktadr. Bu nedenle montaj hatt problemlerinde deterministik olarak tek bir sre almak, etkinlii yksek hat yerleimini gzden karabilmek anlamna da gelebilir. Bu tip belirsizliin olduu MHDPde operasyon srelerinin stokastik veya bulank alnmas avantaj salar. Ancak operasyon srelerinin stokastik olarak alnabilmesi iin uygun dalm belirleyebilmek amacyla gemie ait yeterli verinin olmas gerekmektedir. Bu almadaki montaj hatt, fabrikada yeni kurulan bir hat olduu iin gemie dnk gerekli veri bulunmamaktadr. Bu nedenle, net olarak belirleyemediimiz operasyon srelerini bulank olarak alarak etkin bir montaj hatt yerleimine ulamak hedeflenmitir. Bu almada bulank operasyon zamanl tek modelli Geleneksel Montaj Hatt Dengeleme Problemi iin bir zm algoritmas nerilmitir. Algoritma, Java programlama dili ile kodlanm ve bir uygulama zerinde test edilmitir. 2. LTERATR ARATIRMASI
SURVEY) (LITERATURE

almaya balam ve aratrmalar bu yne kaymtr. Sezgisel yntemlerde ise iki tr yaklam sz konusudur. lk yaklamda zme ulamak iin bir kurallar dizisi belirlenir ve bu kurallar dizisine gre problem zlr ve atamalar yaplr. kinci yaklamda ise; bir balang zm alnr ve belirlenen sezgisel kurallar ile daha iyi baka bir zm elde edilmeye allr. En son bulunan zmden daha iyi bir zm elde edilemiyorsa, en son bulunan iyi zm, en iyi zm olarak kabul edilir. lk yaklamla ilgili literatrde; Tonge [14], Kilbridge ve Wester [15], Helgeson ve Birnie [16], Moodie Young [17], Arcus [18] COMSOAL yntemi ve Dar-El [19] MALB yntemi zerine alma yapmlardr. zm iyiletirici ikinci yaklamda ise zm metodu olarak kullanlan yntemler genetik algoritmalar, tabu arama ve tavlama benzetimidir. Anderson ve Ferris [20], Leu ve arkadalar [21], Kim ve arkadalar [22], Suresh ve Sahu [23], Sabuncuolu ve arkadalar [24], Ponnambalam ve arkadalar [25] genetik algoritmaya dayal almlardr. Scholl ve Vob [26], Chiang [27] tarafndan tabu arama yntemi, Suresh ve Sahu [28] tarafndan ise tavlama benzetimi yntemi kullanlmtr. Bilindii gibi insan unsuru operasyon srelerinin deiken olmasna yol amaktadr. Sz konusu deikenliin sebepleri arasnda yorulma, dikkatin dalmas, yetersiz nitelikteki igc, i tatminsizlii, hatal girdiler, ara-gere bozulmalar vardr. Bu durum, istasyonlara atanan ilerin aldklar toplam srenin istasyona verilen sreyi (evrim zaman) amasna ve dolaysyla baz ilerin bitirilememesine sebep olabilmektedir. zellikle iler arasndaki ncelik ilikileri gznne alndnda, baz ilere hi balanamamaktadr. Tamamlanamayan bu iler ise sisteme bir maliyet yklemektedir. Son yllarda; evresel, makina ve insana bal deikenlikleri ve uzman deneyimini gz nnde bulunduran; ayrca deterministik, stokastik ve dinamik ilem zamanlarnn belirlenmesinde karlalan olumsuz ynleri elimine edecek BM kavram ortaya kmtr. Bu kavram ile operasyon sreleri bulank ilem zamanlar olarak belirlenebilmektedir. Ayrca deterministik ilem zamanlarndaki; gerei tam olarak yanstmayan, sabit bir srenin operasyon zamann temsil etmesi ve stokastik ilem zamanlarnn hesaplanmasndaki; yeterli sayda dzgn verinin elde edilemedii durumlar (yeni bir montaj hatt), dalm fonksiyonlarnn tam olarak sistemi yanstmamas durumu, ve yksek maliyet gibi olumsuz etkiler bu kavramla ortadan kaldrlabilmektedir. Ayn zamanda bulank kme teorisi, ilem ve evrim zamanlarnn atanmasndaki belirsizliin dikkate alnmasna izin vermektedir. BM yaklamn MHDPde kullanan almalarn says yok denecek kadar azdr. Bu alanda literatrde karmza kan ilk alma 1995 ylnda Tsujimura, Gen ve Kubota [29] tarafndan yaplmtr. almada
Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

Montaj hatlar ile ilgili gnmze kadar bir ok alma yaplmtr. Bu blmde bu geni literatr ierisinde zellikle tek modelli GMHDPlerdeki en bilinen almalar ve snrl saydaki bulank montaj hatt dengeleme almalar zerinde ksaca durulacaktr. GMHDPlerdeki yaklam tarzlar iki ksmda younlamaktadr. Bunlardan birincisi en iyi zm bulan yntemler, ikincisi ise sezgisel yntemlerdir. GMHDPlerde en iyi zme dayal yntemlerin byk bir ounluunda dal ve snr algoritmalar kullanlmtr. Tahngavelu ve Shetty [1], Patterson ve Albracht [2], Talbot ve Patterson [3] tamsayl programlamaya dayal dal ve snr algoritmalar gelitirmilerdir. Dal ve snr algoritmalarna dayal yaplan dier almalar ise; Jackson [4], Van Assche ve Herroelen [5], Wee ve Magazin [6] tarafndan yaplmtr. Gelitirilen dal snr algoritmalarnn en bilinenleri ise; Johnsonn [7] FABLE, Hoffmannn [8] EURAKA, Scholl ve Kleinin [9] SALOME isimli algoritmalardr. Klein [10] ve Gken ve Erel [11] GMHDP zerine en ksa yol metodunu uygulamlardr. Bunlarn dnda GMHDPde en iyi zm bulan dinamik programlamann kullanld eitli almalar; Held ve arkadalar [12], Schrage ve Baker [13] tarafndan yaplmtr. GMHDPde, problem boyutu bydke en iyi zm bulan yntemlerin yerini sezgisel yntemler
130

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

Y. Kalender vd.

operasyon zamanlar ve evrim zaman bulank olarak dnlm ve gensel bulank operasyon zamanlarnn kullanld bir genetik algoritma gelitirilmitir. Bundan bir yl sonra Gen, Tsujimura ve Li [30] tarafndan yaplan dier bir almada ise genetik algoritmann bulank MHDPlerde kullanm detaylandrlm ve rneklerle desteklenmitir. Apak ve Gken [31] ilk defa basit U tipi MHDP iin bulank mant kullanmlardr. Yaplan almada; evrim zaman, istasyon says ve istasyon i yk bulank olarak dnlerek bir tamsayl programlama gelitirilmitir. Burada, tahmini zor olan bu parametrelerin belirsiz olabilecei dnlm ve karar vericiye bir zm sunmak amalanmtr. Chutima ve Yiangkamolsing [32] tarafndan yaplan almada bulank ilem zamanl kark montaj hatt modeli iin bulank genetik algoritma hedeflenmitir. Khoshalhan ve Zegordi [33] bulank montaj hatt dengeleme probleminin her iki tipi iin bir genetik algoritma nermilerdir. Foncesa ve arkadalar [34], stokastik montaj hatt dengeleme probleminin modellenmesi ve zlmesi iin uygulanabilir alternatif bir yntem olarak bulank kme teorisini kullanmlardr. Bu almada grld gibi gemie ait yeterli veri bulunmad durumlarda stokastiklik yerine bulank kme teorisi kullanlabilmektedir. Hop [35] tarafndan bulank ilem zamanl hat dengeleme problemi iin bulank ikili dorusal programlama modeli amalanmtr. 3. GELENEKSEL MONTAJ HATTI DENGELEME PROBLEMNE BULANIK MANTIK YAKLAIMI (FUZZY LOGIC APPROACH TO
TRADITIONAL PROBLEM) ASSEMBLY LINE BALANCING

bulank olarak belirlenmesi artyla; karar vericiye, dengelenmi montaj hatt alternatifleri retilebilecektir. Dolaysyla uzman, sistem d parametreleri de dnerek hangi montaj hatt yerleimini uygulamas gerektiine karar verebilecektir. GMHDP 1 tipi problemlerde, tm veriler deterministiktir. zellikle gerek uygulamalara bakldnda tm verilerin kesin bir ekilde belirlenmesi mmkn deildir. Mutlaka matematiksel olarak belirleyemediimiz veya belirlense bile model ierisine aldmzda zme ulaamadmz durumlarla karlalabilmektedir. Dolaysyla problemin model yapsn basit tutup, matematiksel olarak kesinliine karar veremediimiz parametrelerin deerlerini bulank olarak belirleyerek, daha uygulanabilir zm alternatifleri gelitirilebilir. GMHDP- 1 tipi problemler de, evrim zaman ilgili rn talep deerine gre deterministik olarak belirlenebilir. Buna karn operasyon zamanlar; zellikle emek youn olarak allan sektrlerde deikenlik gsterebilmektedir. nk insan ve evreye bal nedenlerden dolay kesin bir operasyon zaman belirlemek mmkn olamayabilir veya standart zamanlarn hesaplanmas iin olduka fazla deneme yaparak istatistik ve olaslk yardmyla standart zamanlar hesaplamak gerekebilmektedir. Ancak deien retim teknolojilerine ve rekabet artlarna annda yant verebilmek iin daha esnek ve daha ksa zamanda zm retebilecek almalarn yaplmas zorunlu hale gelmektedir. Daha nce bahsedildii gibi GMHDP 1 tipi problemler genellikle yeni bir hat tasarlamak amacyla kullanlr. Bu almada gerek bir sistemde yeni kurulan bir montaj hattnn dengelenmesinin yan sra yukardaki sralanan nedenlerden dolay; operasyon zamanlar, uzman gr ile bulank olarak, evrim zaman da sabit olarak belirlenerek karar vericiye montaj hatt yerleimi iin alternatifler sunulacaktr. 3.1 Bulank Operasyon Zamanl Geleneksel Montaj Hatt Dengeleme Modeli (Traditional Assembly
Line Balancing Model with Fuzzy Operation Times)

GMHDPler iin gnmze kadar birok yaklam ve zm yntemi gelitirilmitir. Montaj hatt dengelemek amacyla tasarlanacak sistemlerdeki parametrelerin sabit deerli olamamas, dier evresel, insan ve makine gibi modele byk etkisi olabilecek parametrelerin gz ard edilmesi gibi problemlerden dolay baz deterministik zm yntemleri GMHDPler iin yeterli etkiyi gsterememektedir. Bu nedenle kontrol altna alnamayan parametrelerin etkisini azaltabilmek iin sezgisel yntemlere bavurulmu, dolaysyla sistemler daha iyi modellenmeye balanmtr. Ayrca deterministik yntemlerdeki; veri toplama, veri hesaplama, model kurma ve modeli test etme almalar olduka uzun zaman ve maliyet getirmektedir. Bu yntemde uzman grnden gerektii gibi yararlanlamayp, matematiksel ve istatistiksel yntemler n plana kartlmaktadr. Fakat; sistemi modellerken alnacak verilerin uzman grnden de yararlanlarak alnmas, model dnda yer alan parametrelerin etkisini daha da azaltmakta byk fayda salayacaktr. Bunun yannda; deneyimle gelen bilgi birikimi ile, ilgili girdi verilerinin belirlenmesinde uzman grnn, byk zaman ve maliyet kazanc salayaca aktr. Ayrca matematiksel olarak kesin bir ekilde belirlenemeyen parametre deerlerinin, uzman grnden yararlanp,
Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

Montaj hatt problemlerinde kesin olarak belirlenemeyen veya gemie ait yeterli sayda veri bulunamayan parametreler iin bulank mantk yaklamn kullanmak olduka yararl olabilmektedir. Bu almada operasyon zamanlar dndaki parametrelerin deterministik olduu, operasyon zamanlarnn ise bulank olarak tespit edildii bir model nerilecektir. lgilenilen bulank saylar kesikli zellik gsteriyorsa tek tek yelik derecelerine gre kme eklinde gsterilebilirler. Ancak her zaman bulank saylarn kmesi bu kadar dar olmayabilir. Bu durumda bulank saylar fonksiyonlar ile ifade edilebilir. Olduka deiik bulank say biimleri bulunur. Bunlar arasnda kullanm en yaygn olan bulank say biimleri, gensel ve yamuksal bulank saylardr.
131

Y. Kalender vd.

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

gensel bulank saylar, zellikle sistem modellemede ok sk kullanlmaktadr. gensel bulank saylar, elemandan (a, a2, a3) oluan ekilde gsterilebilir. ekil 1de gsterilen gensel bulank say iin yelik fonksiyonu (1) nolu eitlikde grld gibi tanmlanabilir [36]; 0 (x-a1)/(a2-a1) (a3-x)/(a3-a2) 0 x < a1 ise a1 x a2 ise a2 x a3 ise x >a3 ise

1, eer i grevi, j istasyonuna atanrsa xij = 0, dier durumda i = 1,...,n ve jSI (8)

A(x) =

(1)

stasyon saysn minimum yapacak ama fonksiyonuna (3) sahip bu modelde (4) nolu eitlik atama kstn gstermektedir.Bu kst, her bir grevin yanlz tek bir istasyona atanmasn salar. Kst (5) ile istasyon zamannn evrim zamann amamas garanti altna alnr. ncllk kst olan (6) nolu eitsizlik ile; bir grevin, nclnden nce atanmas engellenir. (5) nolu eitsizlikde grlen ti i operasyonuna ait bulank operasyon zamann temsil etmektedir. Bulank operasyon zamann temsil etmek amacyla her bir operasyona ait bir yelik fonksiyonu kullanlabilir veya ilgili deerler kesikli olarak verilebilir. ekil 2de bulank operasyon zamanlarn temsil etmek amacyla iki tane bulank operasyon zamanna ait yelik fonksiyonlar grafik ile gsterilmitir.

A(x) 1.0

ti

a1

a2

a3

t1
1.0

t2

ekil 1. A=(a, a2, a3) gensel bulank says

(A=(a, a2, a3) Triangular fuzzy number)

Bir gen bulank say kesmeleri ile ifade edilebilir. seviyesinde gven aral tanm, gensel bulank say olarak (2) nolu eitlikde verilmitir [36]; A = [a1(),a3()] = [(a2-a1) + a1, -(a3-a2) + a3] (2) Bu almada da kesmeleri yntemiyle bulank saylardan kesin kmelere gei yaplarak ilgili modelleme ve aritmetik ilemler gerekletirilmitir. GMHDP 1 iin literatrde Salveson [37], Bowman [38], White [39], Thangavelu ve Shetty [1], Patterson ve Albracht [2] tarafndan gelitirilen modeller bulunmaktadr. Patterson ve Albracht [2] tarafndan kurulan deterministik model iin sadece operasyon zamanlarn gsteren ti deikeni bulank olarak ifade edilerek bununla ilgili kst deitirilmitir. Yeniden dzenlenen model, ama fonksiyonu ve kstlar itibariyle aada verilmitir.

ft1min

ft1max

ft2min

ft2max

fti

(2.12) ekil 2. Operasyon zaman yelik fonksiyonu (Membership

function of operation times)

ekil 1de, ft1max 1. operasyonu tamamlamak iin gerekli olan en iyimser zaman, ft1min ise 1. operasyonu tamamlamak iin gerekli olan en ktmser zaman belirtmektedir. Bu yelik fonksiyonlar matematiksel olarak (9) ve (10) nolu eitliklerde grld gibi ifade edilir.

0 t1 (ft1) = ft1 ft1 min ft1 max ft1 min 1

0 t2 (ft2) = ft 2 ft 2 min ft 2 max ft 2 min 1

, ft1 ft1min , ft1min < ft1< ft1max , ft1 ft1max , ft2 ft2min , ft2min < ft2< ft2max (10) , ft2 ft2max (9)

MinZ =
jSI i

jSI n

j. x

nj

(3) i=1,...,n j=1,...,m (k,i)A ve Lk E i=1,.,n ve jSIi (4) (5) (6) (7)

ij

=1

jB j

t ~i .xij c

jSI k

j. x

kj

j.xij
jSI i

xij {0,1}
132

Bu almada bulank saylardan kesin saylara gei ve en etkin atamay hesaplamak iin kullanlacak yntem kesmeleridir. Bulank saylar zerinden kesmeleri yntemi kullanlarak kesin kmelere gei

Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

Y. Kalender vd.

yaplabilir ve bu sayede modelleme ve aritmetik ilemlerde byk kolaylk salanr.t1 ve t2 bulank operasyon zamanlarna ait kesmeleri (11) ve (12) nolu eitliklerde grld gibi ifade edilir. t1= (ft1max -ft1min) + ft1min t2= (ft2max ft2min) + ft2min 01 01 (11) (12)

2. 3. 4. 5. 6. 7. 8.

Yukardaki eitliklerde verilen , yelik fonksiyonunun almas gereken en az deeri gsteren bir yelik derecesidir. kesmeleri baka bir ifade ile bulank saylarn gven aral eklinde gsterilmesidir. kesmeleri ile tanmlanan fonksiyonlar, model ierisinde kullanlarak, dier kstlarn da saland uygun zm alternatifleri oluturulabilecektir. 3.2 Bulank Operasyon Zamanl Geleneksel Montaj Hatt Dengeleme Modeli zm Algoritmas (A
Solution Algorithm of Traditional Assembly Line Balancing Model with Fuzzy Operation Times)

Operasyonlara ait ncllk ilikileri ncelik diyagram ile gsterilir. evrim zaman (c) belirlenir. Herbir operasyonun en erken (ftimin) ve en ge (ftimax) tamamlanma zaman belirlenir. Operasyonlar iin yelik fonksiyonlar ti (fti) tanmlanr. yelik fonksiyonlarna ait kesmeleri (ti) belirlenir. ncllk ilikileri, evrim zaman (c) ve kesme fonksiyonlar (ti), ilgili bilgisayar programna girilir. Program tarafndan retilen alternatifler, hattn etkinlii (E), ort ve Var a gre deerlendirilir.

Uzmann belirlemi olduu verilerin, ilgili bilgisayar program tarafndan ilenmesi ise aadaki algoritma ile gerekletirilir. Adm 1: ti c olduunda 0 olduunu dorula. Deilse hata bildir. Adm 2: lk srada yaplan operasyonun atanabilirlik derecesine (operasyonun hangi srada yaplacan tanmlayan deer) 1 ata. kinci srada yaplacak operasyonlarn atanabilirlik derecesini 1 arttr. Tm operasyonlar bitene kadar tekrar et. Adm 3: Atanabilirlik derecesi 1 olan operasyon iin dizilim alternatifini olutur. Tm dereceler bitene kadar her biri iin operasyon dizilimlerini srala. Adm 4: Adm 3de her bir atanabilirlik derecesine ait sralamay dier atanabilirlik derecelerindeki sralamalarla mmkn tm kombinasyonlar salayacak ekilde birletir. Adm 5: Minumum istasyon saysn 0 olarak belirle. Adm 6: Minumum istasyon saysn bir arttr. Operasyon sralamalarnn herbir elemann ikilik sistemde (0-1) olarak ; minumum istasyon saysndan bir eksik kadar 1 olacak ekilde iaretle. Adm 7: Minumum istasyon saysna ait sralamalar ikilik sistemdeki iaretlemelere gre istasyonlara ayr. stasyonlara gre, ayn olan alternatifleri kararak benzersiz alternatifleri belirle. Adm 8: Herbir alternatif iin istasyondaki kesme fonksiyonlarn (ti) toplayp evrim zamanna (c) eitle ve 10 olduunu kontrol et. Adm 9: Tm istasyonlarda salanmak zere; eer istasyon iin 10 veya >1 ise ilgili istasyon says iin mmkn zm elde et. >1 iin nn maksimum deerini al = 1 yap. Eer herhangi bir istasyonda <0 ise ilgili istasyon iin mmkn zm yoktur, 6. adma geri dn.

retim sistemlerinin dinamik olmasndan dolay, anlk deiimlere hzl yant verebilmek olduka nemlidir. Bu nedenle, zaman kst ve maliyet kst olan bu sistemlerde hzl ve maliyeti dk zmler retmek olduka nemlidir. rnein tek rnn retildii dz bir montaj hatt dnrsek, bu hatta retilen rnle ilgili mteri talepleri ve teknik nedenlerden dolay srekli olarak deiiklikler yaplmas doal bir durumdur. Dolaysyla dengede olan bir montaj hatt bu deiimlerden etkilenecek ve dengesini kaybedecektir. Deien montajlar ile ilgili standart zamann tespit edilememesinden dolay; yeni operasyon, deien operasyonun yerine atanacak, retim esnasnda ilgili operasyon gzlemlenerek ilgili standart zamanlar tespit edilecek ve hat dengeleme almas yeniden retime balandktan sonra yaplabilecektir. Bu durumun srekli olarak tekrar ettii dnlrse, bu deiiklikleri yapabilmek, olduka fazla zaman alacak, salkl veri alabilmek iin ilgili operasyonun uzun sre gzlemlenmesi gerekecek ve gelen deiikliklere zamannda cevap verilemeyecektir. Bu da darboazlara veya bo zamanlarn fazla olmasna neden olarak iletmenin fazladan maliyet yklenmesi sonucunu ortaya karacaktr. Bu gibi durumlarda, operasyon zamanlarnn uzman tarafndan bulank olarak belirlenmesi ve bu bulank operasyon zamanlarna gre hat dengeleme alternatiflerinin oluturulmas, uzmana daha hzl karar verme ans tanyacaktr. nk incelenen sistem de, yeterli miktarda veri bulunmadndan bulanklk daha etkili sonular verecektir. Ayrca bu alma, konuyla ilgili alma yapacak olan aratrmaclara da yol gsterebilecektir. Bu almada nerilen bulank operasyon zamanl modelin zmnde aadaki admlar uzman kii tarafndan gerekletirilir. 1. Operasyonlarn says (n) belirlenir. (i=1,...,n)

Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

133

Y. Kalender vd.

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

(C) = 430/8 53 dk olarak hesaplanr. Adm 10: Mmkn operasyon atamalarnn gerekletirilebildii, minumum istasyona sahip dizilimler iin, istasyon deerlerini yaz, hattn etkinliini (E), ortalama (ort) deerlerini, deerlerine ait varyans (Var ) hesapla ve yaz. Maksimum etkinlie sahip alternatifi iaretle. 4. UYGULAMA (APPLICATION) Bulank operasyon zamanl geleneksel montaj hatt dengeleme modelinin etkinliini gstermek iin gerek bir sistem ele alnmtr. Fabrika, gnde 8 saat olmak zere haftann 6 gn faaliyet gstermektedir. Uygulamada yeni bir ara modeline ait gsterge panosu tesisatnn retilmesine ilikin uygulama anlatlacaktr. Gsterge panosu tesisatnn retimi iin yaplmas gereken operasyon admlar Tablo 1de gsterilmektedir. lgili gsterge panosu tesisat tek bir hat zerinde retilmekte olup talep 8 adet/gndr. letme 8 saat almakta olup, gn ierisinde 30 dk yemek aras ve 10 dklk iki ay molas verilmektedir. Gn ierisinde kullanlan toplam verimli zaman; (8*60dk) (30dk+10dk+10dk) = 430dk/gndr. Gnde hedeflenen retim says 8 birim olduundan, bir birim iin evrim zaman; kinci aamada operasyonlar iin oluturulan ncelik diyagram ekil 3de grlmektedir. Operasyon zamanlarnn bulank olarak belirlenecei GMHDP iin gerekli bilgiler; operasyonlar ile ilgili yeterli deneyime sahip olan bir uzman tarafndan verilir. Belirlenen bu veriler bir nceki blmde algoritmas anlatlan ve Java programlama dili ile kodlanan programa verilerek en iyi atama alternatifleri elde edilir. Belirlenen en erken biti ve en ge biti srelerine gre yelik fonksiyonlarnn dorusal olarak art gsterecei dnlr ve ilgili yelik fonksiyonlarna ait kesme fonksiyonlar hesaplanr. evrim zaman, yelik fonksiyonlarna ait kesme fonksiyonlar katsaylar, operasyonlara ait ncllk ilikileri ilgili txt dosyalarna girilir. ncl operasyon nce, ardl operasyon ise araya bir boluk braklarak sonra yazlarak ncelik diyagramnda belirtilen tm ilikiler txt dosyasnda tanmlanr. Programn altrlmasyla elde edilen arayzde Tablo 2de grlen grevlere ait bulank ilem fonksiyonlar ve grevlerin ardllar grnmektedir.

Tablo 1. Operasyon tanmlar ve bulank snr sreleri (Operation definitions and fuzzy limit times) Ope. En Erken Ope. En Ge Ope. Operasyon Tanm Biti Sresi Biti Sresi No (i) (ftimax) (dk) (ftimin)(dk) 1 Otomatik Kablo Kesim, ift Taraf Ulama, Numaralama (Set 1) 3,25 3,75 2 Bantlama - Barkotlama (Set 1) 7,25 8,25 3 Otomatik Kablo Kesim, Seri Ulama, Numaralama (Set 2) 34,5 36,5 4 Bantlama - Barkotlama (Set 2) 17,25 21 5 Yar Otomatik Kablo Kesim,Tek Taraf Ulama,Numaralama(Set3) 6 7,5 6 Bantlama - Barkotlama (Set 3) 9 11 7 Set 1 Hat Dizimi in Ama 1,25 1,75 8 Set 2 Hat Dizimi in Ama 4 4,75 9 Spiral lm -Kesim 0,25 0,5 10 Spiral Kaplama 0,5 0,75 11 Hat 1 Bantlama-Barkod 1 1,25 12 Hat 1 Soketleme 0,25 0,5 13 Set 3 Hat Dizimi in Ama 2 3 14 Spiral lm -Kesim 0,25 0,5 15 Spiral Kaplama 0,5 0,75 16 Hat 2 Bantlama-Barkod 1 1,25 17 Hat 2 Soketleme 0,5 0,75 18 Hat 1 - Hat 2 Temini ve Seimi 3,5 4,5 19 Hat 1 - Hat 2 'nin Kontrol Panosu zerine Yerletirilmesi 42 49 20 lave Soketlerin Pano zerine Yerletirilmesi 2 2,5 21 Tesisat Devre Kontrol ve Onay Alnmas 0,25 0,5 22 Klips le Balama 11,75 14,25 23 Klips Kesme 1,5 2 24 Tesisat Paketleme 0,75 1,5
134 Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

Y. Kalender vd.

24

23

21

19

22

18

20

17 15 12

16 14

11

13 9

10

8 7 6

ekil 3. ncelik diyagram (Priority diagram)

Java ile kodlanan program, daha nceki blmde aklanan algoritmay kullanarak minumum istasyona atanan grevlerin atama alternatifleri arasnda, hat etkinlii (E) en yksek olan alternatifi belirlemektedir. Bunun yannda uzman kiiye bilgi sunmak amacyla retilen tm alternatifler fuzzy.htm dosyasnn arayz

grntsnde verilmekte ayrca istasyonlar arasndaki ort deerinin en yksek olduu ve Var nn en kk olduu alternatiflerde gsterilmektedir.

Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

135

Y. Kalender vd.

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

Tablo 2. kesme fonksiyonlar ve grevlerin ardllar ( cutting functions and successors of tasks) # Grev Bulank lem Ardllar Fonksiyonu 1 G1 0,5+3,25 G2 2 G2 1,0+7,25 G7 3 G3 2,0+34,5 G4 4 G4 3,75+17,25 G8 5 G5 1,5+6,0 G6 6 G6 2,0+9,0 G13 7 G7 0,5+1,25 G9 8 G8 0,75+4,0 G9 9 G9 0,25+0,25 G10 10 G10 0,25+0,5 G11 11 G11 0,25+1,0 G12 12 G12 0,25+0,25 G18 G20 13 G13 1,0+2,0 G14 14 G14 0,25+0,25 G15 15 G15 0,25+0,5 G16 16 G16 0,25+1,0 G17 17 G17 0,25+0,5 G18 G20 18 G18 1,0+3,5 G19 19 G19 7,0+42,0 G21 20 G20 0,5+2,0 G21 21 G21 0,25+0,25 G22 22 G22 2,5+11,75 G23 23 G23 0,5+1,5 G24 24 G24 0,75+0,75 Burada i operasyonlar iin ti deerlerinin sfr olmas demek, ilgili evrim zaman ierisinde operasyonlarn tamamlanmasnn ok g olaca anlamna gelmektedir. Dolaysyla retilmesi gereken ilgili rn saysna zor ulalacaktr. Tam tersini dnrsek; tmax srelerine gre hat dengelenirse, ilgili evrim zamannda operasyonlar rahatlkla tamamlanabilecek ve ilgili rn saysna rahatlkla ulalabilecektir. Ama, minimum istasyon saysna sahip dizilimler arasnda hat etkinlii en yksek olan atamay bulmak olacaktr. Dolaysyla hat etkinliinin yksek olmas demek yelik derecelerinin de yksek olmas anlamna gelmektedir. Burada dikkat edilmesi gereken bir nokta, her bir istasyon iin farkl yelik derecesi olumasdr. Bu nedenle; karar vericiye ilgili atamann homojen dalm ile ilgili bilgi vermek

amacyla, istasyonlardaki yelik derecelerinin ortalamas ve istasyonlardaki yelik derecelerinin varyans da hesaplanmaktadr. Program tarafndan yaplan atama sonucunda minimum istasyon says 4 olarak bulunmu ve bu istasyon saysna ait 178 tane alternatif kartlmtr. Bu alternatifler arasnda 121 ve 122. sradaki alternatifler iin hat etkinlii en yksek deerini almtr. Hat etkinlii en yksek olan bu iki atamaya ilikin, operasyonlarn istasyonlara dalm Tablo 3de verilmitir. Tablo 3 incelersek 2.,3. ve 4. istasyonlar iin , en yksek deerini alabilmekte ve retilen bulank sreye gre ilgili operasyonlar rahatlkla yaplabilmektedir. 1. istasyonda ise ; 0,4 deerini almakta dolaysyla retilen bulank zaman uzman tarafndan verilen bulank sre aralnn alt limitine yaklamaktadr. Bu atamalar iin hat etkinlii E =0,83 olarak bulunmutur. Bu deere bakarak; 2.,3. ve 4. istasyonlarda en yksek deerini almasna ramen, bu istasyonlarda operasyon d bo zaman olduu sonucuna varlabilir. Mmkn tek bir atama olduunda, bu atama ayn zamanda en iyi atamadr. Burada olduu gibi birden fazla alternatif bulunduunda ise; en uygun atamay bulmak iin hat etkinliine, hat iin ortalama deerine ve istasyonlardaki deerleri iin varyansa baklarak karar verilir. Tablo 3deki 121 ve 122 nolu alternatifler iin hattn etkinlii (E), ort ve Var deerleri ayndr. Bu nedenle kan iki alternatifde farkszdr denebilir. Ancak deerlerine ait varyans ve ortalama, karar vericiye etkinlii ayn olan alternatifler arasnda karlatrma yapma imkan salar. 5. SONULAR (CONCLUSIONS) Bulank Mantk kavramnn yaygnlamas ve retimde daha fazla parametrenin kontrol edilmesi gerektii durumlarda, bulank verilerin modelleme almalarnda kullanm artacak ve daha etkin modelleme yaklamlar gelitirilebilecektir. GMHDP lerinde BM yaklamn kullanmak, zaman ve maliyet asndan olduka fazla fayda salayacaktr. Gelimi ve deneyime sahip beyin glerini kullanmak, dei(Maximum line efficiency assignment results

Tablo 3. Minumum istasyonlu hat etkinlii en yksek atama sonular

with minumum stations)

stasyon 1

G5 G3 G1 121 G2 G5 G3 G1 122 G2
136

stasyon 2 G6 G4 G13 G8 G7 G14 G9 G15 G10 G16 G11 0,4 G17 G12 G18 G6 G4 G13 G8 G7 G14 G9 G15 G10 G16 G11 0,4 G17 G12 G18

stasyon 3

stasyon 4 G21 G22 G23 G24 G22 G23 G24

Var

ort

G20 G19 G20 G19 G21

0,09

0,85

0,83

0,09

0,85

0,83

Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

Y. Kalender vd.

imlere hzl cevap vermek asndan olduka byk nem tamaktadr. Literatrde sadece operasyon zamanlarn bulank olarak belirleyen bir montaj hatt dengeleme almas bulunmamaktadr. Dorusal programlamay kullanan ve sa taraf deikenlerinin bulank olarak belirlendii almalar ise olduka snrldr. Bu boluk hedef alnarak nerilen bulank operasyon zamanl geleneksel montaj hatt dengeleme modelinin zm iin bir yntem izlenmitir. Bu yntem ile ilgili algoritma Java programlama dili ile kodlanm ve sonularn daha hzl alnmas salanmtr. zmn etkinlii ve uygulanabilirlii gerek bir sistemden seilen yeni bir montaj hatt zerinde test edilmitir. Yaplan uygulamada yeterli sayda gemie ait verilere ulaamadmz ve bu nedenle srelere tam olarak karar veremediimiz operasyonlarn bir hat zerinde dengelenmesi sonucunda, minumum 4 istasyonda dengeleme yaplabilmi ve 4 istasyona ait 178 tane alternatif retilmitir. Bu alternatiflerdeki farkl deerlerinden kaynaklanan hat etkinlikleri hesaplanm ve 0,83 maksimum hat etkinliine sahip iki alternatif seilmitir. Bu makale ile karar vericiye daha hzl ve salkl kararlar alnmasnda yol gstermesi hedeflenirken ileride yaplacak olan almalara bir temel oluturaca dnlmtr. Aratrlacak ileriki almalar arasnda; operasyon saylarnn artt ve operasyonlar arasndaki ilikilerin karmaklat durumlarda, modellere ilave edilebilecek farkl sezgisel yntemler yer almaktadr. KAYNAKLAR (REFERENCES) 1. Thangavelu, S. R. ve Shetty, C. M., Assembly Line Balancing by Zero-One Integer Programming, AIIE Transactions, Cilt 3, No 1, 61-68, 1971. 2. Patterson, J. H. ve Albracht, J. J., Assembly Line Balancing: Zero-One Programming with Fibonacci Search, Operations Research, Cilt 23, No 1, 166-172, 1975. 3. Talbot, F. B. ve Patterson, J. H., An Integer Programming Algorithm with Network Cuts for Solving the Assembly Line Balancing Problem, Management Science, Cilt 30, No 1, 85-99, 1984. 4. Jackson, J. R., A Computing Procedure for a Line Balancing Problem, Management Science, Cilt 2, No 3, 261-271, 1956. 5. Van Assche, F. ve Herroelen, W. S., An Optimal Procedure for the Single Model Deterministic Assembly Line Balancing Problem, European Journal of Operational Research, Cilt 3, No 2, 142149, 1979. 6. Wee, T. S. ve Magazine, M. J., An Efficient Branch and Bound Algorithm for an Assembly Line Balancing Problem - Part II: Minimize The Number of Work Stations, University of Waterloo, Cilt 6, 151, 1981.
Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008

7. Johnson, R. V., Optimally Balancing Large Assembly Lines with Fable, Management Science, Cilt 34, No 1, 240-253, 1988. 8. Hoffmann, T. R., EUREKA: A Hybrid System for Assembly Line Balancing, Management Science, Cilt 38, 39-47, 1992. 9. Scholl, A. ve Klein, R., SALOME: A Bidirectional Branch and Bound Procedure for Assembly Line Balancing, Journal on Computing, Cilt 9, 319-334, 1997. 10. Klein, M., On Assembly Line Balancing, Operations Research, Cilt 11, No 2, 55-62 1963. 11. Gken, H. ve Erel, E., Shortest-Route Formulation of Mixed Model Assembly Line Balancing Problem, European Journal of Operations Research, Cilt 116, 194-204, 1999. 12. Held, M., Karp, R.M. ve Sharesian, R., Assembly Line Balancing Dynamic Programming with Predence Constraints, Operation Research, Cilt 11, No 3, 442-459, 1963. 13. Schrage, L. ve Baker, K. R., Dynamic Programming Solution of Sequencing Problems with Precedence Constraints, Operations Research, Cilt 26, 444-459, 1978. 14. Tonge, F. M., A Heuristic Program for Assembly Line Balancing, Prentice Hall Inc., New York, 15-24, 1961. 15. Kilbridge, M. D. ve Wester, L., A Heuristic Method of Assembly Line Balancing, Journal of Industrial Engineering, Cilt 12, No 4, 292-298, 1961. 16. Helgeson, W. B. ve Birnie, D. P., Assembly Line Balancing Using Ranked Positional Weight Technique, Journal of Industrial Engineering, Cilt 12, No 6, 394-398, 1961. 17. Moodie, C. L. ve Young H. H., A Heuristic Method of Assembly Line Balancing for Assumptions of Constant or Variable Work Element Times, Journal of Industrial Engineering, Cilt 16, No 1, 23-29, 1965. 18. Arcus, A. L., COMSOAL: A Computer Method of Sequencing Operations for Assembly Lines, International Journal of Production Research, Cilt 4, No 4, 259-277, 1966. 19. Dar-El, E. M., MALB-A Heuristic Technique for Balancing Large Single Model Assembly Lines, AIIE Transactions, Cilt 5, No 4, 343-356, 1973. 20. Anderson, E. J. ve Ferris, M. C., Genetic Algorithms for Combinatorial Optimization: The Assembly Line Balancing Problem, ORSA Journal of Computing, Cilt 6, 161-173, 1994. 21. Leu, Y. Y., Matheson, L. A. ve Rees, L. P., Assembly Line Balancing Using Genetic Algorithms with Heuristic-Generated Initial Populations and Multiple Evaluation Criteria, Decision Sciences, Cilt 25, No 4, 581-606, 1994. 22. Kim, Y. K., Kim, Y. H. ve Kim, Y. J., TwoSided Assembly Line Balancing: A Genetic Algorithm Approach, Production Planning and Control, Cilt 11, No 1, 44-53, 2000.

137

Y. Kalender vd.

Montaj Hatt Dengeleme Problemine Bulank Bir Yaklam

23. Suresh, G., Vinod, V. V. ve Sahu, S., A Genetic Algorithm for Assembly Line Balancing, Production Planning and Control, Cilt 7, No 1, 38-46, 1996. 24. Sabuncuolu, I., Erel, E. ve Tanyer, M., Assembly Line Balancing Using Genetic Algorithms, Journal of Intelligent Manufacturing, Cilt 11, No 3, 295-310, 2000. 25. Ponnambalam, S. G., Aravindan, P. ve Naidu, G. M., Multi-Objective Genetic Algorithm for Solving ALB Problem, International Journal of Advanced Manufacturing Technology, Cilt 16, No 5, 341-352, 2000. 26. Scholl, A., Vob, Simple Assembly Line Balancing Heuristic Approaches, Journal of Heuristic, Cilt 2, 217-244, 1996. 27. Chiang, W. C., The Application of a Tabu Search Metahueristic to the Assembly Line Balancing Problem, Annals of Operations Research, Cilt 77, 209-227, 1998. 28. Suresh, G., Sahu, S., Stochastic Assembly Line Balancing Using Simulated Annealing, Int. J. Prod. Res., Cilt 32, No 8, 1801-1810, 1994. 29. Tsujimura, Y., Gen, M. ve Kubota, E., Solving Fuzzy Assembly Line Balancing Problem with Genetic Algorithms, Computers and Industrial Engineering, Cilt 29, No 1-4, 543-547, 1995. 30. Gen, M., Tsujimura, Y. ve Li, Y. X., Fuzzy Assembly Line Balancing Using Genetic Algorithms, Computers and Industrial Engineering, Cilt 31, No (3-4), 631-634, 1996. 31. Apak, K. ve Gken, H., Basit U Tipi Montaj Hatt Dengeleme Problemine Bulank Programlama

Yaklam, D.E.. Mh. Fak. Fen ve Mhendislik Dergisi, Cilt 4, No 2, 29-40, 2002. 32. Chutima, P. Yiangkamolsing, C., Application of Fuzzy Genetic Algorithm for Sequencing in Mixed-Model Assembly Line with Processing Time, International Journal of Industrial Engineering: Theory Applications and Practice, Cilt 10, No 4, 325-331, 2003. 33. Khoshalhan, F., Zegordi, S.H., Solving Type One and Type Two Fuzzy Assembly Line Balancing Problems using Genetic Algorithms Journal of Science and Technology, Cilt 14, No 55, 2003. 34. Fonseca, D.J., Guest, C.L., Elam, M. and Karr, C.L., Fuzzy Logic Approach to Assembly Line Balancing, Mathware & Soft Computing, Cilt 12, 57-74, 2005. 35. Hop, N. V. A Heuristic Solution for Fuzzy MixedModel Line Balancing Problem European Journal of Operational Research, Cilt 168, 798 810, 2006. 36. Zimmermann, H. J., Fuzzy Set Theory-and its Applications, Kluwer Academic Publishers, Boston, USA. 1987, 37. Salveson, M. E., The Assembly Line Balancing Problem, Journal of Industrial Engineering, Cilt 6, No 3, 18-25, 1955. 38. Bowman, E. H., Assembly Line Balancing by Linear Programming, Operations Research, Cilt 8, No 3, 385-389, 1960. 39. White, W. W., Comment on a Paper by Bowman, Operations Research, Cilt 9, No 2, 274-276, 1961.

138

Gazi niv. Mh. Mim. Fak. Der. Cilt 23, No 1, 2008