Ġstanbul teknĠk ÜnĠversĠtesĠ fen bĠlĠmlerĠ...
TRANSCRIPT
ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
YÜKSEK LĠSANS TEZĠ
Erdal ALTIPARMAK
Anabilim Dalı : Tekstil Mühendisliği
Programı : Tekstil Mühendisliği
OCAK 2010
ÇORAP ĠMALATINDA PARALEL MAKĠNE ÇĠZELGELEME METODU
VE Ġġ AKIġINDA DARBOĞAZ YÖNETĠMĠ
Tez DanıĢmanı: Prof. Dr. Ali DEMĠR
OCAK 2010
ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
YÜKSEK LĠSANS TEZĠ
Erdal ALTIPARMAK
(503931145)
Tezin Enstitüye Verildiği tarih : 25 Aralık 2009
Tezin Savunulduğu Tarih : 18 Ocak 2010
Tez DanıĢmanı : Prof. Dr. Ali DEMĠR (ĠTÜ)
Diğer Jüri Üyeleri : Prof. Dr. Nuray UÇAR (ĠTÜ)
Dr. Halil HalefĢan SÜMEN (ĠTÜ)
ÇORAP ĠMALATINDA PARALEL MAKĠNE ÇĠZELGELEME METODU
VE Ġġ AKIġINDA DARBOĞAZ YÖNETĠMĠ
iii
Eşim Nevriye Ceylan ve çocuklarım Muhammed Kerem ve Kıvanç Burak’a ,
iv
v
ÖNSÖZ
Bu çalıĢma da, çorap iĢletmelerinde planlama fonksiyonunu iyileĢtiren ve
etkinleĢtiren paralel makina çizelgeleme yöntemi incelenmiĢ ve uygulama örneğine
yer verilmiĢtir. ÇalıĢmada, konunun bütünlüğünü sağlamak için diğer çizelgeleme
teknikleri de anlatılmıĢtır.
Bu çalıĢma esnasında değerli fikirleri ve tavsiyeleri ile bana yön veren kiymetli
hocalarım Sayın Prof.Dr.Ali DEMĠR ve Öğr.Gör.Dr.HalefĢan SÜMEN’e
teĢekkürlerimi bir borç bilirim. Ayrıca bu çalıĢma sırasında benden maddi ve manevi
desteklerini esirgemeyen Çelik Çorap A.ġ. firma sahibi Sayın Haydar ALĠ ÖZTAġ’a
ve aileme teĢekkür ederim.
Aralık 2009
Erdal ALTIPARMAK
(Tekstil Mühendisi)
vi
vii
ĠÇĠNDEKĠLER
Sayfa
ÖNSÖZ ........................................................................................................................ v
ĠÇĠNDEKĠLER ........................................................................................................ vii
KISALTMALAR ...................................................................................................... ix
ÇĠZELGE LĠSTESĠ .................................................................................................. xi
ġEKĠL LĠSTESĠ ...................................................................................................... xiii
ÖZET ......................................................................................................................... xv
SUMMARY ............................................................................................................ xvii
1. GĠRĠġ ...................................................................................................................... 1 1.1 Tezin Amacı ....................................................................................................... 2
2. KURUMSAL KAYNAK PLANLAMASI ............................................................ 5 2.1 Tanım ................................................................................................................. 5
2.2 Kurumsal Kaynak Planlamasının Temel BileĢenleri ......................................... 6
2.3 Kurumsal Kaynak Planlama Sisteminin Tarihsel GeliĢimi ................................ 7
2.4 Kurumsal Kaynak Planlama Sisteminin Faydaları ........................................... 10
3. SONLU KAPASĠTE PLANLAMASI ................................................................. 11 3.1 Tanımı ve Amaçı .............................................................................................. 11
3.2 Çizelgeleme ...................................................................................................... 13
3.3 Sonlu Kapasite Çizelgelemenin Tanımı ........................................................... 13
3.4 Sonlu Kapasite Planlaması Ġçin Yazılım Çözümleri ........................................ 14
3.4.1 Manuel çizelgelemenin sakıncaları ........................................................... 14
3.4.2 Bilgisayar Destekli Sonlu Kapasite Çizelgelemenin AĢamaları ............... 15
3.4.3 Sonlu Kapasite Yazılım Seçimi Ve Uyarlaması ....................................... 17
4. ÇĠZELGELEME TEKNĠKLERĠ ....................................................................... 19 4.1 Ġki Makine ĠĢ Sıralaması .................................................................................. 19
4.2 Üç Makine Çizelgeleme Algoritması ............................................................... 21
4.3 M Makine ĠĢ Çizelgeleme ............................................................................... 23
4.4 Sıra Önemli 2 makine ĠĢlerin Çizelgelenmesi .................................................. 24
4.5 Sıra Önemli M Makine ĠĢ Çizelgelemesi ......................................................... 26
4.6 Tek Makine Çizelgeleme ................................................................................. 28
4.7 Maksimum Gecikmelerin Minimize Edilmesi ................................................. 29
4.8 En DüĢük Gecikmelerin Maksimum Edilmesi ................................................. 29
4.9 Geciken ĠĢ Sayısının Minimize Edilmesi ......................................................... 31
4.10 Van Drew ġeması ........................................................................................... 32
4.11 Öncelikli Tek Makine ĠĢ Çizelgeleme ............................................................ 36
4.12 Öncelik Bilgisine Göre Maksimum Gecikmeleri Minimize Etme ................. 38
4.13 Öncelik Bilgisine Göre Minimum Gecikmeleri Maksimize Etme ................. 38
4.14 Paralel Makine Çizelgeleme ........................................................................... 39
4.14.1 Öne Geçmeli Hal ..................................................................................... 39
4.14.2 M Paralel Makinede ĠĢ AkıĢ Zamanının Minimize Edilmesi ................. 41
viii
4.14.3 Paralel Makinelerde Üretim Ve Ortalama ĠĢ AkıĢ Zamanının Azaltılması
............................................................................................................................ 42
4.14.4 Paralel makinelerde maksimum gecikmenin azaltılması ........................ 44
4.14.5 BoĢ Zaman Kuralına Göre Paralel Makinelerde Gecikmenin Azaltılması
............................................................................................................................ 45
4.14.6 Paralel Makinelerde Geç Kalan ĠĢ Adedinin Azaltılması ....................... 46
5. ÇORAP ĠġLETMESĠNDE PARALEL MAKĠNE PLANLAMA
UYGULAMASI VE Ġġ AKIġINDA DAR BOĞAZ OLUġUMUNUN
ENGELLENMESĠ ĠÇĠN ÇÖZÜM ÖNERĠSĠ ..................................................... 47 5.1 ĠĢletmenin Tanımı ............................................................................................. 47
5.2 Organizasyon Yapısı ........................................................................................ 48
5.3 Ġmalatın ĠĢ AkıĢı ............................................................................................... 48
5.4 SipariĢ Alımı Ve Planlama Süreci .................................................................... 50
5.5 Çorap ĠĢletmesi Ġçin Önerilen Paralel Tezgah Planlama Tekniği ................... 51
5.6 Örgü ĠĢletmesinde Dar Boğaz OluĢum Noktası ............................................... 51
5.7 Dar Boğaz OluĢumunun Engellenmesi Ġçin Çözüm Önerisi ............................ 52
5.8 Küçük Ve Orta Ölçekli ĠĢletmeler Ġçin Planlamada Excel Uygulaması........... 63
6. SONUÇ .................................................................................................................. 65 6.1 ÇalıĢmanın Uygulama Alanı ............................................................................ 66
KAYNAKLAR .......................................................................................................... 67
ix
KISALTMALAR
CIM : Computer Integrated Manufacturing
DDR : Due Date Rule
DRP : Distribution Resource Planning
ERP : Enterprise Resource Planning
FCS : Finite Capacity Scheduling
FIFO : Firs In First Out
MRP : Manufacturing Resource Planning
SPT : Shortest Processing Time
x
xi
ÇĠZELGE LĠSTESĠ
Sayfa
Çizelge 4.1 : Ġki Makine ĠĢ Sıralaması Ġçin Örnek ĠĢlem .......................................... 19
Çizelge 4.2 : 3 Makine Çizelgeleme Ġçin Örnek ĠĢlem .............................................. 21
Çizelge 4.3 : 3 makine Problemini 2 Makine Problemine Ġndirgeme ....................... 22
Çizelge 4.4 : BeĢ Makine ĠĢlem Süreleri ................................................................... 23
Çizelge 4.5 : Gupta Metodu Ġçin Örnek Çizelge ....................................................... 23
Çizelge 4.6 : Sıra Önemli Ġki Makine Problemi Ġçin Örnek ...................................... 25
Çizelge 4.7 : M Makine N Adet ĠĢ Ġçin Örnek ĠĢler Ve Zamanlar ............................ 26
Çizelge 4.8 : Tek Makine ĠĢ Çizelgeleme Örneği...................................................... 28
Çizelge 4.9 : En Kısa ĠĢlem Zamanı Metoduna Göre Elde Edilen ĠĢ Çizelgesi ........ 28
Çizelge 4.10 : Hedef Zaman Kuralına Ġçin Örnek ĠĢ Çizelgesi ................................. 29
Çizelge 4.11 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi ....................... 29
Çizelge 4.12 : BoĢ Zaman Kuralı Ġçin Örnek - 1 ....................................................... 30
Çizelge 4.13 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi ...................... 30
Çizelge 4.14 : BoĢ Zaman Kuralı Ġçin Örnek - 2 ....................................................... 30
Çizelge 4.15 : BoĢ Zaman Kuralı Ġçin Örnek - 3 ....................................................... 31
Çizelge 4.16 : Geciken ĠĢ Sayısının Minimize Edilmesi Ġçin Örnek ......................... 31
Çizelge 4.17 : Hodgson’s Kuralına Göre Elde Edilen ĠĢ Sıralaması ......................... 32
Çizelge 4.18 : Orijinal Problem ................................................................................. 33
Çizelge 4.19 : Algoritmaya Göre OluĢturulan Sıralama ............................................ 33
Çizelge 4.20 : Algoritmaya Göre OluĢturulan Sıralama ............................................ 34
Çizelge 4.21 : Hedef Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur............... 34
Çizelge 4.22 : BoĢ Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur .................. 35
Çizelge 4.23 : Geciken ĠĢleri Minimize Etmek Ġçin Van Drew ġeması .................... 36
Çizelge 4.24 : ÖnceliklerdirilmiĢ ĠĢlerin Oran Değerleri .......................................... 37
Çizelge 4.25 : Oran Kuralına Göre Elde Edilen Çizelge Değerleri ........................... 38
Çizelge 4.26 : Oran Değerleri Çizelgesi .................................................................... 38
Çizelge 4.27 : Öne Geçmeli Hal Ġçin Örnek .............................................................. 40
Çizelge 4.28 : ĠĢ AkıĢ Zamanının Minimize Edilmesi Ġçin Örnek Uygulama........... 41
Çizelge 4.29 : ÜretimVe Ortalama ĠĢ AkıĢ Zamanının Azaltılması Ġçin Örnek ........ 42
Çizelge 4.30 : Paralel Makinelerde Hedef Zaman Kuralı Ġçin Örnek ....................... 44
Çizelge 4.31 : BoĢ Zaman Kuralı Uygulaması Ġçin Örnek Çizelge ........................... 45
Çizelge 4.32 : DüzenlenmiĢ Hedef Zaman Kuralı Uygulaması Ġçin Örnek Çizelge . 46
Çizelge 5.1 : Çorap Ġmalatında ĠĢlem Adımları ......................................................... 49 Çizelge 5.2 : Optimum Makine Adedi Hesaplama Adımları .................................... 52
Çizelge 5.3 : Sürekli ĠĢ AkıĢı Ġçin Ġçin Uygulama Örneği ......................................... 54 Çizelge 5.4 : Klasik Öne Geçmeli Hal Metodu Göre ĠĢ Çizelgelem ......................... 55 Çizelge 5.5 : Klasik Öne Geçmeli Hal Metodunda ĠĢYükü Dağılımı ....................... 56
Çizelge 5.6 : 3 Makine 3 Farklı ĠĢlem Örneği ........................................................... 57 Çizelge 5.7 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma – 1’e Göre ĠĢ Çizelgeleme
............................................................................................................................ 58
xii
Çizelge 5.8 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma-1’e Göre ĠĢ Yükü
Dağılımı .............................................................................................................. 59 Çizelge 5.9 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma -2 ‘e Göre ĠĢ Çizelgesi . 61 Çizelge 5.10 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma – 2 ye Göre ĠĢ Yükü
Dağılımı .............................................................................................................. 62 Çizelge 5.11 : Planlama Ġçin Excel Uygulaması ........................................................ 64
xiii
ġEKĠL LĠSTESĠ
Sayfa
ġekil 2.1 : Temel Kurumsal Kaynak Planlama BileĢenleri (Özgül,2006;26) .............. 6
ġekil 2.2 : Kurumsal Kaynak Planlamasının Kronolojik GeliĢimi (Altınkeser,1994) 9
ġekil 2.3 : Kurumsal Kaynak Planlamanın GeliĢimi (Altınkeser, 1999) ..................... 9
ġekil 3.1 : Sonlu Kapasite Üretim Planlama Sistemi (Broewne, 1988) .................... 11
ġekil 3.2 : Kapasite Kullanım Histogramı ................................................................. 12 ġekil 3.3 : Gantt ġeması Örneği ................................................................................ 14
ġekil 4.1 : Ġki Makine ĠĢ Sıralaması Ġçin Örnek ĠĢleme Ait Gantt ġeması….……....19
ġekil 4.2 : Örnek ÇalıĢma Ġçin Johson Algoritmasına Ait Gantt ġeması .................. 20 ġekil 4.3 : Ön Geçmeli Hal Ġçin Verilen Örneğin Gantt ġeması ............................... 40 ġekil 4.4 : En Kısa ĠĢlem Zamanı Metoduna Göre OluĢan Gantt ġeması ................. 41
ġekil 4.5 : En Uzun ĠĢlem Zamanının Ġlk Ġki Adımı Sonrası Gantt ġeması .............. 43 ġekil 4.6 : En Uzun ĠĢlem Zamanı Metodunu Ters Sıralanması ............................... 43
ġekil 4.7 : Hedef Zaman Kuralına Göre Gantt ġeması .............................................. 44 ġekil 4.8 : BoĢ Zaman Kuralına Göre Gantt ġeması ................................................. 45 ġekil 4.9 : DüzenlenmiĢ Hedef Zaman Kuralının Gant ġeması ................................ 46
xiv
xv
ÇORAP ĠMALATINDA PARALEL MAKĠNE ÇĠZELGELEME METODU VE
Ġġ AKIġINDA DAR BOĞAZ YÖNETĠMĠ
ÖZET
ĠĢletmeler için pazardaki mücadele koĢulları her geçen gün daha da zorlaĢmaktadır.
ĠĢletmeler rekabet edebilmek ve pazar paylarını koruyabilmek için doğru yöneltilmek
zorundadırlar. Doğru yöneltilmek demek iĢletmelerin rakiplerinden daha üstün
olmaları demektir. Üstün olmaları gereken özellikler; kalite, servis, maliyet,
zamanında ve doğru bilgi sunma gibi temel özelliklerdir. Bu nedenle; iĢletmelerin
planlama bölümlerinin esnek, etkin ve hızlı bir yapıya sahip olmaları gerekir. Sonuç
olarak üretim planlama en önemli rolü üstlenmektedir.
ĠĢletmeler mutlaka hızlı karar verebilmeli, bilgiye hızlı ulaĢabilmeli, iĢletmenin
hedeflerine uygun en doğru iĢlem metodunu seçmelidir. Bunları yapabilmek için
eğitimli personele ve kurumsal kaynak planlama yazılımına ihtiyacı vardır. Kurumsal
kaynak planlama yazılımların sağladığı bir çok avantajlar olacaktır. Bu
yazılımlardaki en önemli bölümlerden biri üretim planlamadır. Üretim planlamada
kapasite planlaması yaparken genellikle sonlu kapasite planlaması yapılır. Sonlu
kapasite planlamasına dayanarak elde edilen çizelgeler iĢletmede direkt kullanılır.
ĠĢletmelerde kapasite planlamalarının doğru yapılabilmesi için bölümler arasında
kapasite dengeleri uyumlu olmalıdır. Aksi takdirde; bazı bölümlerde stoklar oluĢacak
tır. Çorap iĢletmelerinde dikkat edilecek en önemli bölüm yıkama bölümüdür. Çünkü
bu bölümün kapasitesi üretilecek ürünün günlük toplam ağırlığı ile alakalıdır. Bu
nedenle örgü bölümünde günlük üretilecek miktar doğru belirlenmelidir. Bu
çalıĢmamda bu problemin çözümü için nasıl bir planlama yapılması gerektiği çözüm
olarak anlatılmıĢtır.
Bu tez çalıĢmamda; birinci bölümde genel olarak projenin amacı ve içeriği
anlatılmıĢtır, ikinci bölümde kurumsal kaynak planlaması anlatılmıĢtır. Üçüncü
bölümde; sonlu kapasite planlaması, dördüncü bölümde çizegeleme teknikleri genel
olarak anlatılmıĢtır. Ayrıca dördüncü bölümde, esas konumuz olan paralel makine
çizelgeleme tekniği incelenmiĢtir. BeĢinci bölümde; dar boğaz oluĢumunun
engellenmesi için önerilen çözüm yöntemi anlatılmıĢtır.
Sonuç bölümünde ise çizelgeleme tekniğiyle elde edilen avantajlar ve çorap
iĢletmelerinde dar boğaz oluĢumu için önerilen çözümün değerlendirmesi yer
almaktadır.
xvi
xvii
PARALLEL MACHINE SCHEDULING METHOD IN SOCK PRODUCTION
AND BOTTLENECK MANAGEMENT IN WORK FLOW
SUMMARY
Market conditions for businesses are becoming more diffucult with each passing day.
Businesses have to be administered correctly to be able to compete and manintain
market share. It means that businesses have to be superior to its competitors. Quality,
service, cost, providing timely and accurate information are the basic superior
features of businesses. Therefore, the structure of planning departments of
enterprises must be flexible, efficient and quick. As a result of this; production
planning is the most important role.
Businesses must be able to give quick decisions, to access information quickly, to
choose the most accurate method of operation according to the objective of business.
To achieve all this, they need trained personnel and resource planning capabilities.
Enterprise resource planning provides many benefits. The most important part of it is
the production planning. Capacity of production planning is done generally as finite
capacity planning. Charts which have been obtained from finite capacity planning are
used directly in the businesses.
In order to make capacity planning correctly, there must be balance between capacity
of business sections. Otherwise, some departments will accumulate stocks. The
washing department is the most important section of sock production to be careful
about stock accumulation, as the capacity of this section is relevant to the total
weight of daily production. Therefore, daily production quantity of knitting section
must be determined correctly.
In this thesis, the project's overall goal and contents are explained in the first chapter,
enterprise resource planning is described in the second part, finite capacity planning
has been given in the third section, the general methods of scheduling have been
described in the fourth section. Also in the fourth section, the main attractions are
the parallel machine scheduling technique has been investigated. In the fifth section,
xviii
the proposed solution method was described to prevent the problem of bottleneck
formation.
In the conclusion section, the results obtained using the scheduling technics and the
proposed solution for the sock production have been evaluated.
1
1. GĠRĠġ
ĠĢletmeler, hızla değiĢen ve geliĢmekte olan iĢ kolundaki geliĢmeleri takip ederek
kendini bu geliĢmeye uyumlu olarak yenilemek ve rekabet ortamında varlıklarını
sürdürebilmeleri için kalite, verimlilik, maliyet ve hizmet hızı (hızlı tepki verme)
özelliklerinin diğer iĢletmelerden daha iyi olmasını sağlamak zorundadırlar. Bunun
sağlanabilmesi kaynakların etkin kullanılmasına bağlıdır. ĠĢletmelerde etkin
kullanılacak kaynaklar; hammadde, iĢ gücü, makine, teçhizat ve finansmandır. Etkin
kullanım üretim planlama ve kontrol faaliyetleri ile mümkündür.
Artık standart ürünlerin pazarda yer bulması ve iĢletmelerin aynı ürünlerde büyük
sipariĢler üretmesi her geçen gün daha da zor olmaktadır. MüĢteriler sürekli değiĢim,
yenilik ve küçük adetlerde talepler ile iĢletmelere gelmektedir. ĠĢletmelerin bunu
sağlayabilmesi için kesinlikle güçlü ve hızlı bilgi eriĢim alt yapısına ve esnek bir
üretim sistemine sahip olması gerekmektedir.
Artan ürün çeĢitliliği, sipariĢlerin küçük adetlerde ve kısa zaman periyotlarında farklı
ürünler ile birlikte üretilmesine neden olmaktadır. Küçük adetlerde sipariĢ talepleri
hem atölye planlamayı hemde atölye içi kontrolü zorlaĢtırmaktadır. Bu değiĢiklikler
sadece belli sektörlerde değil insanlar tarafından günlük hayatta kullanılan tüm
tüketim ürünlerine ait sektörlerde görülmektedir. ĠĢletmeler; geliĢmelere ayak
uydurabilmek için klasik üretim yöntemlerini hızla değiĢtirerek yeni yönetim
stratejileri oluĢturma gereksinimi duymaya baĢlamıĢlardır.
Bu amaç doğrultusunda baĢlayan yazılım çalıĢmaları her geçen gün daha da
geniĢlemekte ve iĢletmelerin imalat ile alakalı tüm ana fonksiyonlarının yanında,
imalat ile direkt alakalı olmayan fakat iĢletmedeki diğer bölümleride içine alacak
Ģekilde geliĢmektedir. En mükemmel bir yazılımın tüm iĢletmeler için uygun
olduğunu düĢünmek yanlıĢ olmakla birlikte iĢletmelere uygun değiĢiklikler ile aynı
olumlu sonuçlara ulaĢmak mümkün olacaktır.
Dünyamızda her geçen gün kısalan mesafelerin getirdiği değiĢimi eğitimli personel
ve bilgiye en hızlı ulaĢmayı sağlayan alt yapıya sahip olarak yaklamak mümkündür.
2
1.1 Tezin Amacı
Son yıllarda uygulamaya baĢlanan ileri bilgi teknolojisi sistemlerinden biri kurumsal
kaynak planlamasıdır. Bu yazılımlar, iĢletmenin yönetilmesini güçlü ve esnek
biçimde destekleyen sağlam bilgi sistemleridir. Bu çalıĢmanın amacı; kurumsal
kaynak planlama sistemini genel olarak tanıtmak, bu programlarının uygulama
açısından en zor bölümü olan kapasite planlama bölümünü, sonlu kapasite
çizelgeleme çerçevesinde, kuralları ile birlikte incelemek ve çorap imalatı yapan
iĢletmelerde makina planlamasında uygulanması gereken en uygun parallel makina
planlama metodunu tespit etmek ve iĢ akıĢında dar boğaz oluĢumlarını azaltmak için
çözüm önerisi sunmaktır. Bu çalıĢmamım yukarıda belirttiğim konularda çalıĢma
yapacak öğrenciler ve mühendisler için temel bilgilerin bir arada olduğu bir tez
olması, ayrıca bir amaç olmamakla beraber bir neticesidir.
Konunun tezi inceleyenler açısından daha iyi anlaĢılması için literatür çalıĢmasında
bir bütünlük oluĢturan konular birbirinden ayrılmadan teze eklenmiĢtir. Örneğin
paralel tezgah planlaması asıl üzerinde çalıĢacağımız çizelgeleme modeli olmasına
rağmen tek makine çok iĢ çizelgeleme modelleri incelenmiĢ ve anlatılmıĢtır. Ayrıca
sonlu kapasite planlamasının ve bunun bir parçası olduğu kurumsal kaynak
planlaması ile ilgili gerekli bilgiler incelenerek en çok net bilginin sunulabileceği
Ģekilde teze dahil edilmiĢtir.
Bu literatür çalıĢmaların sunumdan sonra ele alınan örnek uygulama olan çorap
iĢletmesinde sonlu kapasite planlamasının alt konularından biri olan paralel tezgah
çizelgeleme tekniğinin nasıl olacağı ve metodun uygulamasında hangi hesapların
yapılması gerektiği ve bu hesaplamaların neticesinde iĢletmenin nasıl dengeli bir iĢ
yoğunluğuna sahip olacağı bu tez çalıĢmasında incelenmiĢ ve çözüm önerisi olarak
çorap iĢletmelerinde tecrübeye dayalı bilimsel bir çözüm olarak sunulmuĢtur.
Önerdiğim çözüm yönteminin bu tez çalıĢması ile bilimsel bir çalıĢma olarak
sunulması ve aynı konuda görev yapan mühendislere çalıĢmalarında farklı bir bakıĢ
açısı oluĢturacak olmasının sektöre büyük bir katkı olacağına inanıyorum.
Ayrıca küçük ve orta ölçekli iĢletmelerin çoğunda, alt yapı olarak henüz hazır
olmadıkları ve ERP yazılımlarının yatırım maliyetlerinin yüksel olması nedeniyle
ERP yazılımlarına sahip olmadıklarını görürüz.
3
ĠĢletmelerin büyüklükleri fark etmeksizin bir planlama bölümleriolmak zorundadır
ve sahip oldukları Ģartlara uygun çözümlerini üretmek zorundadırlar. Bu nedenle
ERP yazılımna sahip olmayan iĢletmelerde, yazılımlardaki tezgah planının
sunulduğu Gantt Ģemasının manuel olarak uygulamaları yapılmıĢtır. Bu zaman alan
ve kullanımı çok zor olacak bir çalıĢma yöntemidir. Bu firmalar içinde çözüm
önerimizi uygulayabilecekleri, Ģahsım tarafından oluĢturulmuĢ bir Excel çalıĢması
tezimizde sunulmuĢtur.
5
2. KURUMSAL KAYNAK PLANLAMASI
2.1 Tanım
Kurumsal kaynak planlaması (Enterprise Resource Planning, ERP) için çok farklı
tanımlar yapmak mümkün ise de; iĢletmelerdeki tüm birimlerin fonksiyonlarını bir
bilgi ve veri sistemi ile bir bütün olarak yönetilmesini sağlayan bilgisayar
yazılımlarıdır. Kurumsal kaynak planlama ile organizasyon boyutunda bir üstünlük
elde edebilmek için, bir firmanın farklı fonksiyonlarını kullanabileceği en iyi
uygulamalar, yöntemler ve araçlar grubu tanımlanır. (Mabert, Soni, Venkataramana,
2000). Bir krumsal kaynak planlama sistemi ile bütün kaynaklar planlanabilir,
gerekli tüm bilgi gereksinimleri karĢılanır ve iĢletmelerin stratejik amaç ve hedefleri
doğrultusunda üretim planları oluĢturulur. Aynı iĢletmeye ait, farklı bölgelerdeki
fabrikaların, bunlara ait tedarikçi firmaların ve dağıtım amaçlı depoların tek bilgi
tabanında paylaĢılması ile bir müĢteriye ait bir sipariĢin hangi dağıtım deposundan
karĢılanacağının bunun için hangi fabrikalarda imalat yapılacağının ve hangi taĢıma
yolu ile sevk edileceği belirlenir.
Kurumsal kaynak planlama sistemi ile iĢletmelerdeki birimler bir bütün olarak
değerlendirilir ve çok geniĢ bir planlama, iĢleyiĢ ve muhasebe mantığı ile konular ele
alınır.(Levine, 1999) Kurumsal kaynak planlama içinde değerlendirilen, iĢletmelere
ait birimleri Ģu Ģekilde sıralayabiliriz; lojistik, üretim planlama, stok yönetimi, satın
alma, üretim, pazarlama, kalite yönetimi, bakım-onarım, insan kaynakları, müĢteri
iliĢkileri, muhasebe, finansman. Aynı zamanda ürün planlaması, satıĢ tahminleri ve
diğer organizasyon fonksiyonlarının analizini yapmayı hedefleyen yazılımlardır. Bu
birimlerin tamamına ait bilgilerin değerlendirilmesi ve yönetimi için birimlere ait
bilgilere en hızlı ve doğru Ģekilde ulaĢmak gerekmektedir. Bunun için en uygun
çözüm ERP yazılımıdır.
6
2.2 Kurumsal Kaynak Planlamasının Temel BileĢenleri
Kurumsal kaynak planlama yazılımlarında çok çeĢitli bileĢenler bulunmakla beraber
temel bileĢenleri ġekil 2.1 de görülmektedir.
ġekil 2.1 : Temel Kurumsal Kaynak Planlama BileĢenleri (Özgül, 2006; 26)
Envanter yönetimi; kurum bünyesinde bulunan tüm stoklara ait bilgileri toplayan,
iĢleyen ve raporlayan bir sistemdir.
SatıĢ ve dağıtım; müĢteriden sipariĢlerinin alınıp üretimden teslimine kadar olan
süreci kapsar.
Kalite yönetimi; kalite sertifikasyonlarının gereksinim duyduğu üretim, arge, depo
yönetimi, stok kontrolleri ve sevkiyat iĢlemlerinde kalite sisteminin devreye girmesi
ile gerekli kontrollerin yapılması ve gerekirse düzeltici faaaliyetlerin yapılmasını
içerir.
KURUMSAL
KAYNAK
PLANLAMASI
ENVANTER
YÖNETĠMĠ
ĠNSAN
KAYNAKLARI
FĠNANS
YÖNETĠMĠ
ÜRETĠM
PL. VE
KONTROL TEDARĠK
ZĠNCĠRĠ
YÖNETĠMĠ
SATINALMA
KALĠTE
YÖNETĠMĠ
MÜġTERĠ
ĠLĠġKĠLERĠ
YÖNETĠMĠ
PROJE
YÖNETĠMĠ
SATIġ VE
DAĞITIM
7
Ġnsan kaynakları; iĢe alım, kariyer planlama ve eğitim çizelgeleme süreçlerini kapsar.
Finans yönetimi; genel muhasebe, bütçelendirme, maliyet muhasebesi gibi tüm
finansal operasyonları kapsar.
Üretim planlama ve kontrol; pazarın taleplerine göre üretimi planlamayı, izlemeyi,
maliyetlendirmeyi ve kontrol etmeyi sağlar.
Tedarik zincir yönetimi; Ģirket içi ve Ģirket dıĢı bütün katılımcılar ile bilgi paylaĢımı
sağlayarak minimum stokla ihtiyaçların karĢılanması ve hızlı reaksiyonların
verilmesini sağlar.
Satın alma; iĢletme bölümlerinden gelen malzeme gereksinim taleplerini zamanında
temin edilmesini sağlar.
MüĢteri iliĢkileri yönetimi; müĢterilere yönelik teklif ve kararların tek elden
yöneltilmesi ve esnek ve etkileĢimli iletiĢimle müĢteri memnuniyetinin en üst
düzeyde tutulmasını sağlar.
Proje yönetimi; proje bazında iĢ yapan firmalar için geliĢtirilen bir bileĢendir,
genellikle finans bileĢeni ile entegre çalıĢır.
2.3 Kurumsal Kaynak Planlama Sisteminin Tarihsel GeliĢimi
ĠletiĢim teknolojisinin geliĢmesiyle her geçen gün daha da birbirine yaklaĢan
dünyada, iĢletmelerin rakipleri artmakta, talep çeĢitliliği çoğalmakta ve yeni
piyasalar oluĢmaktadır. Bu geliĢmenin neticesi olarak, iĢletmeler daha baĢarılı olmak
için aĢağıda belirtilen talepleri gerçekleĢtirmesi gerekmektedir. (Shankarnarayanan;
2000).
Toplam maliyetin düĢürülmesi
ĠĢlem zamanlarının kısaltılması
Stokların azaltılması ve minimum seviyelerde tutulması
Ürün çeĢitliliğinin artırılması
Ürün kalitesinin geliĢtirilmesi
SipariĢlerin zamanında teslim edilmesi
8
Talep, tedarik ve üretim faaliyetlerinin koordine edilmesi (Düzakın, Sevinç.
2002)
ĠĢletmeler, müĢterilerine iyi hizmet verebilmek ve rekabet gücünü kaybetmemek için
iĢ yapma biçimlerini ve organizasyonlarını sürekli yeniden inĢa etmek zorundadırlar.
1960 yıllarında yazılımlar geleneksel envarter kavramlarına dayanarak, envanter için
geliĢtirilmiĢtir. 1970 yıllarında bu yazılımlar malzeme ihtiyaç planlamasını sağlar
özellik kazanmıĢtır. (Shankarnarayanan, 2000) Bir sonraki geliĢme ana üretim planı
ve mevcut kapasiteyide göz önüne alarak malzeme gereksinimi belirlemek olmuĢtur
ve MRP-I (Manufacturing Resource Planning) olarak adlandırılmıĢtır. 1980’li
yıllarda ise üretim planlama, finans ve satın alam eklenmiĢ ve MRP-II tekniği
geliĢtirilmiĢtir. (Balaban, 1999)
Ürün geliĢtirme safhasının teknik iĢlevleri ile üretim sürecini bütünleĢtiren bilgisayar
bütünleĢik imalat (CIM-Computer Integrated Manufacturing) sistemleri ile firmaların
ürün dağıtım kanallarını ve ürün dağıtımlarını, planlamlarını ve yönetimlerini
sağlayan dağıtım kaynaklarını planlama (DRP–Distribution Resource Planning)
sistemleri ortaya çıkmıĢtır.(Yedigül, 2002)
MRP-II tekniği mühendislik, insan kaynakları, proje yönetimi gibi iĢletmedeki tüm
faaliyetleri içine alacak Ģekilde geliĢtirilmiĢtir. Bunun sonucu olarak kurumsal
kaynak planlaması (ERP-Enterprise Resource Planning) terimi doğmuĢtur. ERP
sistemi ürünün tasarım aĢamasından müĢteriye sevkine kadar tüm aĢamaların
irdelenmesini içerir.(Balaban, 1999) ERP uygulamalarında iĢletmenin tüm
fonksiyonlarına ulaĢan organizasyon çapında bilgi sağlanır, bütün fonksiyonel
birimlerdeki verileri birleĢtirme yeteneğine sahiptir.(Palaniswamy ve Frank, 2000)
ERP sistemleri planlamanın yanında yürütme ve kontrol fonksiyonlarına da sahiptir.
(Balaban, 2000). ERP yazılımlarının kronolojik geliĢimi Ģekil 2.1’de gösterilmiĢtir.
ERP yazılımlarının üzerinde geliĢmelerini devam ettirdikleri en son modülleri
planlamanın daha detaylı yapılabileceği çizelgeleme çalıĢmalarıdır. Bir çok ERP
uygulamasında çizelgeleme çalıĢmaları için mevcut ERP yazılımı içinde olan
çizelgeleme modülü olmadığı, firmada mevcut olan ERP uygulaması ile uyumlu
çalıĢan kapasite planlama yazılımları olduğu görülmektedir. Bu çalıĢmalar henüz
firmaları memnun edecek seviyeye ulaĢmamıĢtır.
9
ġekil 2.2 : Kurumsal Kaynak Planlamasının Kronolojik GeliĢimi (Altınkeser, 1994)
Kapsam bakımından kurumsal kaynak planlamanın geliĢimi Ģekil 2.3’de
gösterilmiĢtir.
ġekil 2.3 : Kurumsal Kaynak Planlamanın GeliĢimi (Altınkeser, 1999)
MRP
II
CIM
MRP
II
DRP
ERP
1960 1970 1980 1990 2000
MRP
*Kalite Yönetimi*Proses / Operasyon Planlama
*Depo Yönetimi*Laboratuar Bilgi Planlama
*Kontrol Sistemleri*Düzenleyici Raporlama
*Bilgi Yönetimi*Ġnsan Kaynakları
*Lojistik Sistemleri*Kaynak Planlama
*Üretim Kontrol*Finansal Planlama
*SatıĢ Planlama*Lot Kontrol
*Satın alma Planlama*Muhasebe
*Ürün Ağaçları
*Ana Üretim Planları
*Malzeme Ġhtiyaç Planlama
*Envanter Yönetimi
*Rotalar / ĠĢ Ġstasyonları
ERP
MRP II
MRP
10
2.4 Kurumsal Kaynak Planlama Sisteminin Faydaları
ĠĢletmeler kuvvetli yönlerini korumak, zayıf yönlerini güçlendirmek ve olası
tehlikelere karĢı tedbirler almak zorundadır. ĠĢletmler büyüdükçe farklı adreslerde
olan tesislere sahip hale gelmiĢtir. Tesisler arasında bilgi akıĢını sağlamak ve
kaynakları en etkin Ģekilde kullanarak minimum maliyeti hesaplamak için kurumsal
kaynak planlama yazılımlarına ihtiyaçları vardır.
Bu yazılımlar amacına uygun halde kullanılınca aĢağıda belirtilen neticeler elde
edilir.(Talu, 2004; 15)
ĠĢletme yönetiminde ortak bir stratejiye sahip olunur
Elde edilen sonuçlar değerlendirilir
ĠĢletme kaynakları etkin ve verimli kullanılır
ĠĢletme faaliyetlerinde küresel denetim sağlanır
Hızlı ve doğru bilgi iletiĢimi sağlanır
ĠĢletme içi koordinasyon artar
Üretim performansı artar
MüĢteri memnuniyeti arttırılır
Zamanında teslimatlar yapılır
Termin zamanının azaltılmasını sağlar
MüĢteri taleplerine hızlı tepki verilir
Minimum maliyetle imalat yapılması için üretim planı belirlenir
Stok seviyeleri minimuma indirilir
Orta büyüklükteki iĢletmelerde kurumsal kaynak uygulamalarında, gerekli kaynak
tahsisi ve eğitimli personel ihtiyacı iki ana sorundur. Uygulamada karĢılaĢılacak
diğer tüm sorunlar bir plan ve program çerçevesinde aĢılmalı ve uygulamanın
baĢarısı sağlanmalıdır. Çünkü iĢletmelerin gelecek için strateji belirleyip doğru karar
alabilmeleri ve rekabet avantajı elde edebilmeleri, kurumsal kaynak planlama
sistemleri ile sağlanabilmektedir.
11
3. SONLU KAPASĠTE PLANLAMASI
3.1 Tanımı ve Amaçı
Kurumsal kaynak planlama yazılımlarında kapasite planlama bir modül olarak yer
almakla birlikte yazılımın diğer modüllerine göre daha fazla geliĢtirilmeye ihtiyaç
duymaktadır. Browne’un tanımladığı sonlu kapasite planlama sistemi aĢağıdaki
Ģekilde görülmektedir.
ġekil 3.1 : Sonlu Kapasite Üretim Planlama Sistemi (Broewne, 1988)
Üretim
Gereksinim
Planlama
Kapasite
Planlama
Sonlu
Kapasite
Planlama
Proses
Yönetimi
Malzeme ve
Stok
Yönetimi
Atölye
Düzeni
Kontrol
Talep
Tahminleri
Üretim
Emirleri
Ürün
Rotaları
GerçekleĢen
Üretim
Bilgileri
Üretim
Çizelgeleme
Stok
Malzeme
Tedarik
Planı
Stok Düzeyi
SipariĢler
Malzeme
Ġhtiyacı
12
Sistemin çalıĢmasında karar noktaları arasında hiyerarĢi vardır. Ġlk karar noktası
üretim kaynaklarının, müĢteri sipariĢlerine, envanter ve Ģirket politikalarına
dayanarak planlanmasıdır. Ġkinci aĢamada üretim sipariĢleri için sonlu kapasite
çizelgeleme ve kapasite planlamayı içeren çizelgeler oluĢturulur. Üçüncü aĢamada
atölye düzeyinde kontrol modülü üretim çizelgelerine göre çalıĢtırılır. Bu esnada
malzeme yönetim modülü minimum maliyet ile gerekli malzemenin sağlanması için
çalıĢtırılır. Üretim ve kaynak yönetim modülü diğer modüllere proses planları ve
üretim kaynakları gibi gerekli bilgileri sağlar
Sonlu kapasite planlama, iĢlerin çizelgelenmesi ile elde edilen sonuçlara göre iĢlerin
baĢlangıç ve bitiĢ zamanlarının belirlenmesi ve kaynakların kapasite yüklerinin
belirlenmesidir. Elde edilen sonuçlar kapasite kullanım histogramı ile gösterilir.
0
10
20
30
40
50
60
1 2 3 4 5 6
Kapasite
Kullanılan
ġekil 3.2 : Kapasite Kullanım Histogramı
Sonlu kapasite çizelgeleme detaylı çizelgeler oluĢturarark atölyelerde üretimi
yönlendirir. Kısa dönem ihtiyaçları bu alt modülün çıktıları kullanarak belirlenir.
Sonlu kapasite planlama ise yaklaĢık bilgiler ile orta ve uzun dönem için diğer
çizelgeler hazırlar. Orta ve uzun vade kapasite planları için karar desteği sağlar ve
uzun tedarik süreli malzeme ihtiyaçlarını belirler.
Tüm kaynakların gerçek kapasitelerini, ne zaman sonlandıklarını ve kaynakların her
bir iĢlemde ne Ģekilde kullanılacağına dair tüm detayları göz önüne aldığı için bu
sürece sonlu kapasite planlama denir.
13
3.2 Çizelgeleme
Çizelgeleme; kaynakların belirlenen iĢlerde belli zaman periotlarında hangi oranlarda
kullanılacağının belirlenmesidir. Esas olan görev zamanlarının belirlenmesidir.
Çizelgeleme, üretimden dağıtıma ve lojistiğe kadar geniĢ bir alanda
uygulanmaktadır. Kaynaklar iĢlemin gerçekleĢmesini sağlayan tüm etkenlerdir,
sadsece makinalar değil, kullanılan diğer araç gereçler, insanlar, hatta bilgiyi iĢleyen
bilgisayarlar bile kaynaklar arasında yer almaktadır.
Üretim çizelgeleme, planlama periodunda iĢletme kaynaklarının nasıl
kullanılacağının belirlenmesidir.
Üretim planlama iĢlemi üretim hattı ve veya makina parkındaki değiĢikler dikkate
alınarak aylık veya üç aylık periodlar halinde yapılır. Bir iĢletmede ürünlerin
üretilmesi veya iĢlemlerin yerine getirilmesi için zaman ve sıralama açısından plan
yapılır. Bu plan üretim çizelgesidir. Üretim çizelgeleme her ürün için ayrıntılı iĢlem
alternatiflerini dikkate alır ve optimum rota, kapasite gereksinimi, malzeme, araç
gereç ve değiĢiklik ve hazırlık duruĢlarını yönetir. Üretim çizelgeleme gün içerisinde
değiĢimlerine, makina arızalarına, malzeme stoklarına ve diğer etkenlere göre
değiĢtirilir
3.3 Sonlu Kapasite Çizelgelemenin Tanımı
Sonlu kapasite çizelgeleme; ürünleri üretmek için gerekli olan iĢlemlerin baĢlangıç
ve bitiĢ zamanlarının belirlenmesidir. Bilgisayar destekli çizelgeleme ugulamalarında
aĢağıdaki konuların iyileĢtirildiği tespit edilmiĢtir.
Termin sapmalarında azalma
EriĢim zamanlarında hızlılık
Toplam hazırlık zamanlarının kısalması ve maliyetlerin azaltılması
Ara stok miktarlarının azalması
Makina doluluk oranının artması
Bu modülünün çıktısı Gant Ģeması ile gösterilir. ġekil 3. 3 .de Gantt Ģeması örneği
gösterilmiĢtir.
14
ġekil 3.3 : Gantt ġeması Örneği
Kapasite planlama modülünde, sonlu kapasite çizelgeleme doğru ve kesin verilerin
mevcut olduğu kısa dönem üretim çizelgeleri için kullanılmaktadır. Çizelge tüm
üretim kaynaklarını kapsamlı ve zaman bazlı olarak iĢ yüklerini göstermelidir.
Teorik olarak çizelgeleme problemleri; bir makina, paralel makinalar, akıĢ tipi ve
atölye tipi gibi kategorilerde modellendirilir. Her kategorinin kendi varsayımları,
kuralları ve kısıtlamaları vardır. DeğiĢik endüstrilerde endüstrinin sahip olduğu
belirli önceliklere gore çeĢitli hedefler tespit edilir. Bu nedenle her üretim hattı için
aynı modelleme yapılması söz konusu değildir.
3.4 Sonlu Kapasite Planlaması Ġçin Yazılım Çözümleri
ĠĢletmeler müĢteri taleplerini yerine getirebilmek için daima yarıĢ içindedirler.
Planlama bölümleri haftalık, aylık dönemleri kapsayan planlar yapmaktadır. Planlar,
eğer manuel çizelgeleme aktivitesi olarak yapılır ise insan görüĢünü taĢıyan engeller
içerir. Bu engellerin olmaması için, iĢletmeler bilgisayar destekli çizelgeler
kullanmaktadırlar. Bu yazılımların amacı planlamacıların iĢlerini kolaylaĢtırmak ve
bir karar destek aracı olarak hizmet vermektir.
3.4.1 Manuel çizelgelemenin sakıncaları
Manuel çizelgelemede aĢağıda belirtilen engellere dikkat etmek gerekir.
Makine 1
Makine 2
Makine 3
Parça 1 Parça 3
Parça 2
Parça 2
Parça 1 Parça 3
Parça 3 Parça 2 Parça 1
zaman
15
Manuel çizelgeleme insana bağlı bir prosestir. Çizelgeleme yapan personelin
tercübesine bağlı olarak netice elde edilir. Tercübesi az olan bir personel
tarafından yapılan bir çizelge daha tecrübeli baĢka bir personel tarafından
kabul görmeyebilir.
Manuel çizelgeleme performans değerlendirmeden yoksundur. Çizelgeleme
karmaĢık bir görev olduğu için yapılması çok fazla zaman ve efor gerektirir.
Elde edilen neticenin alternatifi ile karĢılaĢtırılması söz konusu değildir. Daha
iyi çizelgelerin olması mümkündür.
Manuel çizelgelerin güncellenmesi geniĢ bir çalıĢmayı gerektirir. Yapılan
çizelge beklenmedik geliĢmeler, satıĢ planlarının güncellenmesi, ana üretim
planının revize edilmesi gibi değiĢiklikler nedeniyle değiĢtirilmesi gerekir.
Manuel çizelgeler otomatik güncellenemediği için bu tip küçük veya büyük
değiĢiklikler çok fazla zaman ve efor gerektirir.
Manuel çizelgeler görsellikten uzaktır. Genellikle bir cetvel veya liste halinde
hazırlanır.
Manuel çizelgeler ile iĢletmelerin diğer sistemleri entegre çalıĢmazlar.
3.4.2 Bilgisayar Destekli Sonlu Kapasite Çizelgelemenin AĢamaları
Bilgisayar destekli yazılımlara ihtiyaçların artması nedeniyle ticari yazılımların
sayıları artmıĢtır. Fakat çoğu yazılım değiĢik dizayn ihtiyaçlarına cevap veremediği
için, müĢteri ihtiyaçlarını karĢılayamaz hale geldikleriden sınırlı bir zaman
kullanıldıktan sonra kullanımından vazgeçilmektedir.
Modern firmalarda merkezi bir bilgisayar ve veri tabanı sistemi bulunmaktadır.
Lokal network bağlantıları, kiĢisel bilgisayarlar, iĢ istasyonları ve veri giriĢ
terminalleri bu merkezi veri tabanına bilgileri taĢır. Çizelgeleme iĢlemi geliĢmiĢ bir
kiĢisel bilgisayarda merkez veri tabanına bağlı olarak çalıĢır. Bu veri tabanından
bilgileri okur ve oluĢan çizelgeler yeniden veri tabanına yazılır. (Pinedo, 1995)
BaĢarılı bir uygulama amaçlayan çizelgeleme dört ana seviyede fonksiyonellik
sağlamalıdır.(IMS, 2000b)
16
Modelleme seviyesi; her özel çizelgeleme durumu özel amaçlar ve endüstri
iliĢkili kesin özelliklere sahip ki bu değiĢiklik Ģirket modelleme detayları
gerektirir. Çizelgeleme sisteminin modelleme seviyesi değiĢik endüstrilerin
özellik ve ihtiyaçlarını karĢılayacakĢekilde esnek olmalıdır.
Veri kaynağının yönetim seviyesi; üretimin alt yapısını gösteren verileri
yönetebilecek yeteneklere sahip olmalıdır. SatıĢ, atölye ve malzeme planları
gibi verilerin oluĢturulması ve güncellenmesi bu seviye ile oldukça
alakalıdır. Her sistem değiĢik veri yapısına sahiptir ve veri okumak,
meknizmayı veri ile beslemek için farklı ara yüzlere sahip olabilir. Örneğin
bir Ģirket; satıĢ verilerini Excel dosyalarında fakat stok bilgileri AS/400
temelli uygulamalarda tutuyor olabilir. Planlama manuel yapılıyor ise
gerçekleĢen üretim verilerinin ayrı bir iliĢkili veri tabanına girilmesi
gerekebilir. BaĢka bir Ģirket bütün entegre iĢlemleri (satıĢ, dağıtım, malzeme
yönetimi ve üretim planlama gibi) içeren ortak depolamaya uygun tam bir
ERP kullanıyor olabilir. Genellikle bu tip sistemler tek ERP ve tek bir veri
tabanında çalıĢmaktadırlar.
Çizelge oluĢturma seviyesinin ana amacı karar destek sistemi olarak hizmet
vermesidir. Çizelge oluĢturma seviyesi alternatif çözüm teknikleri
oluĢturmayı kolaylaĢtırır. ÇeĢitli çizelgeleme metotlarından probleme uygun
olanını seçme ve test edebilme yeteneğine sahip olmalıdır. Bazı iĢletmelerde
firmaya ait tecrübelere dayanarak firmanın hedeflerine ulaĢmasını sağlayan
özel algoritmalar geliĢtirilmektedir. Çizelge oluĢturma seviyesi tekrar
çizelgeleme için gerekli alt araçlarla donatılmıĢ olmalıdır.
Kullanıcı arayüzü seviyesi; pencere mekanizmalarının geniĢ bir kullanımını
içerir. Kullanıcı ara yüzleri elektronik Gantt Ģemaları olarak düzenlenir. Elde
edilen çizelgeler ile iĢlemlerin sonuçlarını analiz etmek ve değerlendirmek
mümkündür. Planlamacılar çizelge sonuçlarına dayanarak ortalama iĢ
kuyruk zamanı, çalıĢma zaman yüzdesi, toplam hazırlık süresi gibi
performansları değerlendirme istatistiklerini formulize ederek izleyebilirler.
17
3.4.3 Sonlu Kapasite Yazılım Seçimi Ve Uyarlaması
Sonlu kapasite planlama sistemlerinin sürekli büyümeleri, baĢarıları ve sürekli artan
sayıdaki uygulamaları giderek artan sayıdaki Ģirketin bu sistemleri kullanmasına yol
açmıĢtır. Sonlu kapasite planlama sistemleri MRP ve ERP ile birlikte
kullanılmaktadır.
Ġlk olarak sonlu kapasite modülü olan bir ERP sistemi düĢünülmelidir. Fakat bazı
uygulamalarda sonlu planlama paketi (FCS-Finite Capacity Scheduling) baĢka bir
program firmasından satın alınır ve ERP ile FCS arasında arayüz oluĢturulması
gerekmektedir. ERP ile FCS etkileĢimin düzenli olmasını sağlayacak en önemli
gereksinim doğru programın seçilmesidir.
FCS programını seçerken girdilere karĢı kapasitenin ölçülmesi gereklidir. Doğru
tercih, detay seviyede çizelgeleme yapılması gereken bütün parçalar çizelgeleme
yapmayı ve bu çizelge ile üst seviye planlama sistemi ile bütünleĢmeyi, müĢteri
taleplerine cevap vermeyi, üretim sahası organizasyonunun kurulmasını
desteklemeyi ve uygulanan iĢ tarzına uygun raporlama ihtiyaçlarının cevaplanmasını
sağlayacaktır. (Kuiper, 1997)
Sonlu kapasite planlama sistemlerini değerlendirmedeki en iyi kriter kapasite
kullanım oranı ölçüsüdür. Verili bir isteğe göre kapasite kullanım oranını maksimize
eden sistemler genel performans, artan akıĢ, daha tutarlı planlama, daha kısa akıĢ
zamanı bakımından daha iyi sonuç verirler.
19
4. ÇĠZELGELEME TEKNĠKLERĠ
4.1 Ġki Makine ĠĢ Sıralaması
En temel çizelgeleme konusu olan iki makinadaki iĢ sıralama çizelgeleme modelini
çizelge 4.1’deki örnekle izah edeceğiz. Biri torna biri freze olmak üzere iki
makinemiz olduğunu ve önce freze sonrada torna iĢleminden geçmek zorunda olan
altı ayrı iĢimiz olduğunu düĢünelim.
Çizelge 4.1 : Ġki Makine ĠĢ Sıralaması Ġçin Örnek ĠĢlem
ĠĢ 1 2 3 4 5 6
Freze 120 90 20 30 50 10
Torna 10 20 30 40 70 120
En hatalı yapılacak sıralama yolu, iĢleri oldukları pozisyonda bırakmaktır, yani iĢ
sıralamasının 1 – 2 – 3 – 4 – 5 - 6 olarak belirlenmesidir. (Woolsey ve Maurer, 1992)
Bu sıralama Gantt Ģeması olarak ġekil 4.1. de gösterilmiĢtir.
ġekil 4.1 : Ġki Makine ĠĢ Sıralaması Ġçin Örnek ĠĢleme Ait Gantt ġeması
ĠĢ 1 2 3 4 5 6
Freze
Zaman 120 210 230 260 310 320
ĠĢ 1 2 3 4 5 6
Torna
Zaman 130 230 260 310 380 500
20
Birinci iĢin freze makinasında ilk iĢlem zamanı 120 saat. Yani 120 saat süresince
torna makinası çalıĢmayacak, buna baĢlangıç boĢ zamanı denir. Ayrıca ikinci iĢin
yapımı için ilave 80 saat daha beklemeye ihtiyaç vardır. En sonunda ise freze
makinası torna makinasındaki iĢlerin bitmesi için 180 saat daha bekleyecektir. Bu
zamanada bitiĢ boĢ zamanı denir. ĠĢlerin en doğru Ģekilde uygulanması için Johson
algoraitması en iyi çözümdür. Johson algoraitması dört adımdan oluĢur.(Woolsey ve
Maurer, 1992)
1. Bir makinadaki en kısa iĢlem zamanı tepit edilir.
2. Bu süre iĢ önceliğine göre ilk makinede mevcut ise o iĢ sola yerleĢtirilir.
3. Eğer bu süre ikinci makinede ise o iĢ sağa yerleĢtirirlir.
4. YerleĢtirilen iĢ listeden çıkartırlır ve döngü tekrar baĢlatılır
Tüm iĢler bu Ģekilde sıralanır. AĢağıda bu kuralın uygulaması adım adım izah
edilmiĢtir. Her iki makinedeki en kısa süreli iĢ tepit edilirse 1 ve 6 numaralı iĢler
olduğu görülür. 1 nolu iĢ ikinci makineye 6 nolu iĢ birinci makineye ait olduğu için
6 nolu iĢ sıralamada en sola 1 nolu iĢ en sağa yazılır. Yani 6 _ _ _ _ 1sırası oluĢur.
Geri kalan iĢlere bakıldığında en kısa süreli iĢlerin 2 ve 3 nolu iĢler olduğu tespit
edilir. ĠĢ 3 birinci öncelikli tezgaha ait olduğu için sol tarafa, 2 nolu iĢ ikinci öncelikli
tezgaha ait olduğu için sağa tarafa yazılır. Sıralama 6 3 _ _ 2 1 olur. Bir sonraki
adımda en kısa süreli zaman 4. iĢe aittir. 4. iĢ birinci öncelikli iĢe ait olduğu için sol
tarafa yazılır. Sıralama 6 3 4 _ 2 1 olur. Geri kalan 5 nolu iĢ, sıralamada kalan son
aralığa yerleĢtirirlir. Sıralamanın son hali 6 3 4 5 2 1 olacaktır. Bu sıralamanın Gantt
Ģeması aĢağıdaki grafikte Ģu Ģekilde gösterilir.
ġekil 4.2 : Örnek ÇalıĢma Ġçin Johson Algoritmasına Ait Gantt ġeması
ĠĢ 6 3 4 5 2 1
Freze
Zaman 10 30 60 110 200 320
ĠĢ 6 3 4 5 2 1
Torna
Zaman 10 130 160 200 270 290 320 330
21
Elde edilen sıralamanın incelendiğinde, torna tezgahının ilk iĢ baĢlangıç için bekleme
zamanı 10 saattir. Tüm iĢlem süresine bakıldığında 1 nolu iĢin baĢlanılması için 30
saatlik bir bekleme zamanı olduğu tespit edilir yani toplam bekleme süresi 40 saattir.
Toplam iĢlem süresi 330 saattir. ĠĢler ilk geldikleri iĢ sırasında bırakılsalar idi yani iĢ
sıralaması 1,2,3,4,5,6 olacaktı. Toplam iĢ süresi 500 saat ve boĢ bekleme süresi 210
saat olacaktı. Johson algoritması bize toplam 170 saatlik boĢ zaman kazancı
sağlamıĢtır.
Bu yöntem için sıralanacak iĢ adedi önemli değildir. Önemli olan parametreler; iki
makinedeki iĢ sıralamasını yapmak ve bir makinede yapılacak iĢin diğer makinede
yapılacak iĢi takip etmesidir.
4.2 Üç Makine Çizelgeleme Algoritması
Üç ayrı iĢlem veya makinemiz var ise Johson algoritması bu iĢlemi yapamaz.
ĠĢlemler arasındaki baskınlık durumu tespit edilerek, üç makineli problemler iki
makineli probleme dönüĢtürülür.
Çizelge 4.2 : 3 Makine Çizelgeleme Ġçin Örnek ĠĢlem
ĠĢ Freze Torna Matkap
1 7 5 10
2 8 2 10
3 7 6 9
4 13 1 8
5 7 2 11
Makinelerdeki iĢlerin sürelerine bakıldığında tornadaki en uzun iĢlem zamanı
frezeden kısadır. Ayrıca yine tornadaki en uzun iĢlem zamanı matkapdaki en kısa
iĢlem zamanından kısadır. Bu duruma baskınlık denir.
22
Üç makineli iĢ sıralaması verildiğinde aĢağıdaki değerler kontrol edilir;
1. Birinci makinedeki en kısa iĢlem zamanı ≥ ikinci makinedeki en uzun iĢlem
zamanı yada
2. Üçünçü makinedeki iĢlem zamanı ≥ ikinci makinedeki en uzun iĢlem zamanı
Ġkinci makinedeki en uzun iĢlem zamanı birinci ve üçünçü makinedeki en kısa iĢlem
zamanlarından küçük veya eĢit ise bu yöntem uygulanabilir.
Üç makine probleminden iki makine problemi oluĢturulur. Ġlk iki iĢlem
zamanının toplamı birinci makine grubunun iĢlem zamanını, ikinci iki iĢin
zamanları toplamı ikinci makine grubunun iĢlem zamanını oluĢturur.
OluĢturulan bu iki yeni gruba Johson algoritması uygulanır.
Çizelge 4.3 : 3 makine Problemini 2 Makine Problemine Ġndirgeme
Freze+Torna Torna+Matkap
12 15
10 12
13 15
14 9
9 13
Johson algoritmasını uygularsak; 5.iĢin 9 olan en kısa iĢlem zamanı birinci makine
grubunun en kısa zamanı olduğu için sıralamada sağa yerleĢtirilir. 4. iĢteki en kısa
zaman ikinci makine grubuna ait olduğu için sıralmada en sola yerleĢtirilir. Sıralama
5 _ _ _ 4 olur. Daha sonra en kısa iĢlem zamanı olan 10 saatlik 2 nolu iĢ birinci gruba
ait olduğu için sıralamada sola yerleĢtirilir. Birinci iĢ 12 saatlik iĢlem zamanı ile 2.
iĢten sonra çizelgede yerini alır. Sıralamada kalan son boĢ yere 3.iĢ yerleĢtirilir.
Sıralama 5 2 1 3 4 olur.
Bu yöntemin uygulanması için üç iĢlemin olması, iĢlemler arasında baskınlığın tespit
belirlenmesi gerekir.
23
4.3 M Makine ĠĢ Çizelgeleme
Eğer üç veya daha fazla iĢ mevcut ve baskınlık yok ise J.N.D. Guptanın çalıĢması
incelenebilir. (Woolsey ve Maurer, 1992) Bu için 5 adet aynı iĢlem sırasına sahip 4
tane iĢin mevcut olduğu bir örneği inceleyeceğiz.
Çizelge 4.4 : BeĢ Makine ĠĢlem Süreleri
ĠĢ A B C D E
1 4 3 7 2 8
2 3 7 2 8 5
3 1 2 4 3 7
4 3 4 3 7 2
Gupta bu iĢleri sıralayabilmek için aĢağıdaki yöntemi oluĢturmuĢtur.
Eğer ilk makinedeki iĢlem zamanı son makinedeki iĢlem zamnanından büyük
veya eĢit ise pay değeri +1, ilk makinedeki iĢlem zamanı son makinedeki
iĢlem zamanından küçük ise pay değeri -1 dir.
Payda değeri soldan sağa toplanan iĢlem zamanlarının en küçüğüdür.
En iyi sıralama en küçük iĢlem zamanı değerinden en büyük iĢlem zamanına doğru
giden sıralamadır.
Çizelge 4.5 : Gupta Metodu Ġçin Örnek Çizelge
ĠĢ A B C D E Değer
1 4 3 7 2 8 -1/7
2 3 7 2 8 5 -1/9
3 1 2 4 3 7 -1/3
4 3 4 3 7 2 +1/7
24
Çizelge 4.5’de her iĢ için değerin nasıl belirlendiğini 1.iĢ için izah edersek. 1.iĢin A
makinesindeki iĢlem zamanı 4 saat, E makinesindeki iĢlem zamanı 8 saat olduğu için
pay değeri -1 dir. Payda değerini bulmak için iĢlemlerin ikiĢer ikiĢer toplanır. Yani
(A+B), (B+C), (C+D), (D+E) iĢlem zamanları toplanır, (4+3), (3+7), (7+2), (2+8)
değerleri toplandığında en küçük değerin 7 olduğu görülür.Birinci iĢ için payda
değeri 7 dir. ĠĢ değerlerini küçükten büyüğe doğru sıralar isek; (-1/3), (-1/7), (-1/9)
ve (+1/4) olarak sıralanır. Değer sıralamasına göre iĢ sıralaması 3, 1, 2, 4 olarak
gerçekleĢir.
Gupta yöntemi optimum değildir. Fakat problem büyüdükçe bu metot daha iyi
sonuçlar vermektedir.
Gupta çizelgeleme algoritması uygulama dahilinde ne kadar iĢlem ve ne kadar iĢ
olduğunu göz önüne almadan çalıĢır. Bu algoritmadaki tek kısıt tanımlanan iĢlerin
aynı sırada iĢlemlere tabi olmasıdır.
4.4 Sıra Önemli 2 makine ĠĢlerin Çizelgelenmesi
ġu an kadar izah edilen metotlarda bütün iĢlerin aynı sırada soldan sağa doğru iĢlem
göreceği varsayımına dayanılarak çizelgeleme yapılmıĢtır. ġimdi bu varsayımı
kaldırıp 2 makineli çizelgeleme iĢlemi incelenecektir. Bu sayede M adet makine olan
iĢlerin çizelgelenmesi daha kolay anlaĢılır. Bu bölümde incelenecek örnekte 2
makinede verilen iĢlerde en kısa toplam iĢlem zamanın elde edilecek Ģekilde sıralama
iĢlemi yapılacaktır. Bunun için Jackson algoritması kullanılacaktır. (Woolsey ve
Maurer, 1992)
Jackson algoritması aĢağıdaki adımlardan oluĢmaktadır.
Sadece 1.makindeki iĢler herhangi bir sırada yazılır.
3. Sadece 2. makinedeki iĢler herhangi bir sırada yazılır.
4. Her iki makinedeki A-B sırasında yapılan iĢler, Johson 2 makine
algoritmasına göre sıralanır.
5. Her iki makinedeki B-A sırasında yapılan iĢler, Johson 2 makine
algoritmasına göre sıralanır.
25
6. A makinesi için en iyi çizelge üçüncü adımda elde edilen sıranın yanına
birinci adımda elde edilen sıranın, onun yanınada dördüncü basamakta elde
edilen sıra yazılır.
7. B makinesi için en iyi çizelge dördüncü adımda elde edilen sıranın yanına
ikinci adımda elde edilen sıranın, onun yanınada üçüncü basamakta elde
edilen sıranın yazılması ile elde edilir.
Çizelge 4.6 : Sıra Önemli Ġki Makine Problemi Ġçin Örnek
ĠĢler Freze Torna Sıra
1 20 0 F
2 70 40 F-T
3 30 60 F-T
4 0 70 T
5 10 30 F-T
6 30 10 T-F
7 20 70 T-F
8 0 40 T
9 40 0 F
Çizelge 4.6’daki örneğe Jackson kuralı uygular isek;
Birinci adım olarak, freze tezgahında iĢlem görecek iĢler (1,9) olarak
sıralanır.
Ġkinci adımda, torna tezgahında iĢlem görecek iĢler (4,8) olarak sıralanır.
Üçüncü adımda, sadece freze – torna sırası ile iĢlem görecek iĢler en kısa
iĢlem zamanına göre (5,3,2) olarak sıralanır.
26
Dördüncü adımda torna - freze sırası ile iĢlem görecek iĢler en kısa iĢlem
zamanına göre (6,7) olarak sıralanır.
Freze tezgahı için sıralama Ģu Ģekilde olacaktır. (5,3,2) (1,9) (6,7)
Torna tezgahı için sıralama Ģu Ģekilde olacaktır. (6,7) (4,8) (5,3,2).
Her iki makineli iĢler sıralaması optimize edildiğinde ve iĢlemler devam ederken
oluĢabilecek boĢ zamanlar da sadece o makinede iĢlem görecek iĢler ile
yüklendiğinden dolayı bu yöntemin etkinliği yüksektir. Bu metot iĢ sıralarını ve iĢ
sayısını göz önüne almadan çalıĢır. Bu yöntemde ana parametre iki makine veya
iĢlem olmasıdır.
4.5 Sıra Önemli M Makine ĠĢ Çizelgelemesi
Bu bölümde M makine ve N adet iĢin sıralaması incelenecektir. Bir önceki örneğe
ilave olarak matkap iĢlemi de eklenerek aĢağıda görülen operasyonlar ve süreleri
çizelgelenecektir.
Çizelge 4.7 : M Makine N Adet ĠĢ Ġçin Örnek ĠĢler Ve Zamanlar
ĠĢler Freze Torna Matkap ĠĢ Sırası
1 20 10 30 F-T-M
2 50 20 10 F-M-T
3 40 60 50 T-F-M
4 60 70 20 T-M-F
5 50 10 20 M-T-F
6 80 20 10 M-F-T
7 40 60 0 F-T
8 40 0 70 F-M
9 0 40 40 T-M
10 20 30 0 T-F
11 20 0 40 M-F
12 0 60 50 M-T
13 100 0 0 F
14 0 120 0 T
15 0 0 90 M
27
Çizelge 4.7’deki örnek için aĢağıdaki algoritma takip edilir.
Freze tezgahı ile çizelgelemeye baĢlarsak, F-T-M ve F-M-T kombinasyonları olduğu
görülür. Freze tezgahında birinci iĢ ikinci iĢe göre 30 saat kısa sürdüğü için sıralama
(F-T-M) ve (F-M-T) Ģeklinde yapılır. Ġkinci adım olarak sadece freze-torna veya
freze-matkap tezgahlarında iĢlem görecek ikili iĢlem kombinasyonları için sıralama
yapılır. F-M iĢlem zamanı F-Tye göre 20 saat daha hızlı olduğu için önce F-M sonra
F-T sıralanır. Son olarak sadece freze tezgahında iĢlem görecek iĢler sıralanır. Bu
yöntemle freze, torna ve matkap tezgahlarında iĢ sıralaması Ģu Ģekilde oluĢur;
Freze için; (F-T-M), (F-M-T), (F-M), (F-T), (F)
Torna için; (T-F-M), (T-M-F), (T-F), (T-M), (T)
Matkap için; (M-T-F), (M-F-T), (M-F), (M-T), (M)
Bu adımdan sonra aynı tezgahda ikinci iĢlem görülen iĢler sıralanır.
Freze için; (F-T-M), (F-M-T), (F-M), (F-T), (F), (T-F), (M-F)
Torna için; (T-F-M), (T-M-F), (T-F), (T-M), (T), (F-T), (M-T)
Matkap için; (M-T-F), (M-F-T), (M-F), (M-T), (M), (F-M), (T-M)
Son adım olarak üç iĢlem kombinasyonu olan iĢler sıralanır,
Freze için; (F-T-M), (F-M-T), (F-M), (F-T), (F), (T-F), (M-F), (T-M-F), (M-T-F)
Torna için; (T-F-M), (T-M-F), (T-F), (T-M), (T), (F-T), (M-T), (F-M-T), (M-F-T)
Matkap için;(M-T-F), (M-F-T), (M-F), (M-T), (M), (F-M), (T-M), (F-T-M), (T-F-M)
Bu anlatılan yöntemler içinde 2 makineli olan iĢ kombinasyonları Johson metodu ile
çözülür, sıralı üç veya daha fazla makineli iĢ kombinasyonları Gupta yöntemi ile
çözülürken M makineli N iĢli problemlerde Woolsey’sin bu algoritması uygulanır.
Johson and Jackson yöntemleri optimum sonuç verirken, Gupta ve Wooley’s
metodları uygulanırken optimum sonuç elde edilmez iken kabullenmelere dikkat
edilmelidir.
28
4.6 Tek Makine Çizelgeleme
Bu bölümde sıralamamız gereken 8 farklı iĢimiz olduğunu varsayalım. ĠĢlere ait
proses zamanı ve iĢlerin bitirilmeyi beklendiği tarihe olan zamanlar (hedef zaman)
aĢağıda belirtilmiĢtir.
Çizelge 4.8 : Tek Makine ĠĢ Çizelgeleme Örneği
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Bu örnekteki sekiz iĢ 40.320 farklı yol ile sıralanabilir. Çünkü
1x2x3x4x5x6x7x8=40.320 dir
Bu örneği ele aldığımız aĢağıdaki neticeleri nasıl elde edebilirizin cevabını
inceleyelim. Ġstenen neticeler;
Ortalama bitiĢ zamanının minimum yapılması
Ortalam akıĢ zamanının minimum yapılması
Ortalama bekleme zamanının minimum yapılması
Tüm bunların tek bir metotla elde edilmesi ĢaĢırtıcı olabilir. Problemin çözümü için
Ģu Ģekilde düĢünebiliriz, ikinci iĢin yapılması için en az beklemek istersek birinci iĢ
ne olmalıdır. Bu sorunun cevabı en kısa iĢlem süresine sahip iĢtir. Üçüncü iĢi en kısa
beklem zamanı ile yapmak istersek ikinci iĢ olarak en kısa imalat süresine sahip
ikinci iĢ sıralamaya yerleĢtirilir. Bu metoda ‘en kısa iĢlem zamanı’ (SPT-Shortest
Processing Time) denir. ĠĢler artan iĢlem zamanına göre sıralanır. Yukarıdaki örnek
için sıralama; 2 – 4 – 1 – 5 – 6 – 7 – 3 - 8 olacaktır.
Çizelge 4.9 : En Kısa ĠĢlem Zamanı Metoduna Göre Elde Edilen ĠĢ Çizelgesi
ĠĢ 2 4 1 5 6 7 3 8
Hedef Zaman 20 42 40 68 74 93 80 108
ĠĢlem Süresi 10 11 20 21 22 40 50 60
29
Bu metot kısa vadede üretkenlik getirirken uzun vadede üretkenlik hesabının genel
ortalaması ‘sıfır’ olur.
4.7 Maksimum Gecikmelerin Minimize Edilmesi
Teslimatlardaki gecikmelerin en aza indirilmesi sağlanır. Çünkü geç teslimatlar
müĢteri memnuniyetsizliğini getirir. ĠĢler hedef zaman esas alınarak en küçükten en
büyüğe doğru sıralanır. Bu metoda ‘hedef zaman kuralı’ (DDR-Due Date Rule)
denir. Çizelge 4.10’de gösterilen orjnal örneğimizi inceleyelim.
Çizelge 4.10 : Hedef Zaman Kuralına Ġçin Örnek ĠĢ Çizelgesi
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Örneğimize hedef zaman kuralını uygular isek; iĢlerin sıralaması;
2 – 1 – 4 – 5 – 6 – 3 – 7 – 8 olacaktır.
Çizelge 4.11 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi
ĠĢ 2 1 4 5 6 3 7 8
Hedef Zaman 20 40 42 68 74 80 93 108
ĠĢlem Süresi 10 20 11 21 22 50 40 60
Bu metot bir önceki metot ile aynı neticeyi vermez. Bu metotda hiçbir Ģeyin çok geç
olmadığından emin olabilirsiniz, fakat her Ģey geç olabilir mantığı kötü haberdir.
4.8 En DüĢük Gecikmelerin Maksimum Edilmesi
Sıralama metotları içinde en çok kullanılan metotdur. Metot Ģu Ģekilde uygulanır;
hedef zamandan iĢlem zamanı çıkartılır. Bu fark zamana boĢ zaman denir. ĠĢler, boĢ
zaman değerlerinin artan sıra ile yerleĢtirilmesi ile elde edilir. Bu kurala ‘boĢ zaman
30
kuralı’ (Slack Rule) denir. Çizelge 4.12’de kuralı uygulayacağımız orijinal
örneğimize ait değer mevcuttur.
Çizelge 4.12 : BoĢ Zaman Kuralı Ġçin Örnek - 1
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
BoĢ Zaman 20 10 30 31 47 52 53 48
Yukarıdaki örnekiçin iĢ sıralaması; 2 – 1- 3 – 4 – 5 – 8 – 7 – 6 olacaktır.
Çizelge 4.13 : Hedef Zaman Kuralına Göre Elde Edilen ĠĢ Çizelgesi
ĠĢ 2 1 3 4 5 8 7 6
Hedef Zaman 20 40 80 42 68 108 93 74
ĠĢlem Süresi 10 20 50 11 21 60 40 22
BoĢ Zaman 10 20 30 31 47 48 53 52
Bu metodun en iyi yönü Ģudur; bir iĢin gecikme ihtimalini en aza indirmesidir. Zayıf
yönü ise, geç bir iĢ aldığınızda o iĢ gerçekten geç kalacaktır.
BaĢka bir örnek olarak aĢağıdaki iki iĢi inceleyelim.
Çizelge 4.14 : BoĢ Zaman Kuralı Ġçin Örnek - 2
ĠĢ No 1 2 2 1
Beklenen Zaman
Zaman
90 10 10 90
ĠĢlem Zamanı 5 5 5 5
BitiĢ Zamanı 5 10 5 10
BoĢ Zaman 85 5 5 85
31
Bu durumda boĢ zaman kuralına göre 2. iĢi önce, 1. iĢi sonra yapmamız
gerekmektedir. Soldaki düzende, en küçük bir gecikmede 2.iĢin zamanında teslimi de
gecikecektir. Ayrıca birinci iĢin önce yapılması üretilen ürünün bekleme süresi daha
fazla olacaktır.
BaĢka bir durum olarak çizelge 4.15’deki örneği incelersek. Gecikme süresinin nasıl
sıfırlandığı veya düĢürüldüğü görülmektedir. Bu örnekte boĢ zamanın aynı
olmasından dolayı, boĢ zaman düzeninin iki farklı dizi arasındaki farkı
açıklayamadığına dikkat edilmelidir. Burada değerlendirme kriteri, ikinci düzenin
gecikmesinin 0 gün, fakat birinci düzenin gecikmesinin 80 gün olmasıdır.
Çizelge 4.15 : BoĢ Zaman Kuralı Ġçin Örnek - 3
ĠĢ No 1 2 2 1
Beklenen Zaman
Zaman
90 10 10 90
ĠĢlem Zamanı 85 5 5 85
BitiĢ Zamanı 85 90 5 90
BoĢ Zaman 5 5 5 5
Gecikme 0 80 0 0
4.9 Geciken ĠĢ Sayısının Minimize Edilmesi
Bu yaklaĢım genel olarak gerçekleĢtirilmeye çalıĢılan bir metotdur. Elbette geciken
iĢlerin sayısını azaltmak gerekir. Sonuçta geciken iĢ sayısının sıfır olması istenir. Bu
metot için Çizelge 4.16’daki orjinal örneği inceleyeceğiz.
Çizelge 4.16 : Geciken ĠĢ Sayısının Minimize Edilmesi Ġçin Örnek
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
32
Yapılacak ilk uygulama; hedef zaman süresine göre yapılacak iĢleri küçük değerden
büyük değere göre sıralamaktır. Hedef zaman kuralı maksimum gecikmeyi minimize
edecektir. Geciken iĢlerin minimize edilmesi için geliĢtirilen Hodgson’s kuralı için
geliĢtirilen algoritmanın adımları Ģunlardır.(Woolsey ve Maurer, 1992)
ĠĢler hedef zamanın artan sırasında yerleĢtirlir.
ĠĢleri soldan sağa doğru geciken bir tane oluncaya kadar sıralayın.
Geciken iĢte dahil olmak üzere en büyük iĢlem süreli iĢ sıralamanın en
sonuna konur.
Ġkinci adıma dönülür ve iĢler bitinceye kadar devam edilir.
Çizelge 4.17 : Hodgson’s Kuralına Göre Elde Edilen ĠĢ Sıralaması
ĠĢ 2 1 4 5 6 7 3 8
Hedef Zaman 20 40 42 68 74 93 80 108
ĠĢlem Süresi 10 20 11 21 22 40 50 60
BitiĢ Süresi 10 30 41 62 83 123 173 233
Yukarıdaki problemde 8 iĢten 4’ü zamanında çıkacaktır. Diğer 4 iĢ gecikecektir. %50
performans sağlanmıĢ olacaktır. Daha iyi bir yol olarak zamanında olan iĢler için en
kısa proses zamanı uygulanabilir. Bu Ģekilde optimum sıra 2,4,1,5 olacaktır.Böylece
bekleme süreleri azalacak yarı mamul stokları azalacaktır. Fakat 1 iĢ daha gecikecek
ve performans %38’e düĢecektir
4.10 Van Drew ġeması
Kullanılan metotların sonuçlarının doğruluğu Van Drew Ģeması ile kontrol edilebilir.
(Woolsey ve Maurer, 1992) Yardımcı tanımlar aĢağıda listelenmiĢtir.
Bir iĢin tamamlama süresi: o iĢin bekleme zamanı + o iĢin iĢlem süresi
Gecikme: tamamlama süresi – hedef zaman
Ortalama gecikme: gecikmelerin toplamı / toplam iĢ sayısı
Ortalama akıĢ süresi: tamamlama sürelerinin toplamı / toplam iĢ sayısı
33
Ortalama bekleme süresi: bekleme zamanlarının toplamı / toplam iĢ sayısı
Toplam tamamlanma süresi: bütün iĢleri tamamlamak için gereken süre
Orjinal problemi tekrar yazarsak,
Çizelge 4.18 : Orijinal Problem
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
En kısa iĢlem zamanı çizelgemesi için Van Drew Ģeması Ģu Ģekilde oluĢacaktır.
Çizelge 4.19 : Algoritmaya Göre OluĢturulan Sıralama
ĠĢ 2 4 1 5 6 7 3 8
Hedef Zaman 20 42 40 68 74 93 80 108
ĠĢlem Süresi 10 11 20 21 22 40 50 60
Tamamlama Süresi 10 21 41 62 84 124 174 234
Bekleme Süresi 0 10 21 41 62 84 124 174
Gecikme -10 -21 1 -6 10 31 94 126
Buna göre;
Geciken ĠĢ sayısı: 5 Maksimum Gecikme : 126
Ortalama Gecikme : 225/8=28,125 Minimum Gecikme : -21
Ortalama AkıĢ Süresi : 750/8=93,75 Ortalama Proses Süresi : 234 / 8 =29,25
Ortalama Bekleme Süresi: 516/8=64,5 Toplam Tamamlama Süresi: 234
Ġlk gelen ilk çıkar (FIFO-First In First Out) kuralı hiçbir kriterde optimizasyon
getirmediği halde müĢterilere karĢı güvenilirlik sağlar. Çünkü ilk gelen sipariĢin ilk
çıkması adilane bir davranıĢ görüntüsü verir.
34
Ġlk gelen ilk çıkar kuralına göre Van drew Ģeması :
Çizelge 4.20 : Algoritmaya Göre OluĢturulan Sıralama
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Tamamlama Süresi 20 30 80 91 112 134 174 234
Bekleme Süresi 0 20 30 80 91 112 134 174
Gecikme -20 10 0 49 44 60 81 126
Buna göre;
Geciken ĠĢ sayısı: 6 Maksimum Gecikme : 126
Ortalama Gecikme : 350/8=43,75 Minimum Gecikme : -20
Ortalama AkıĢ Süresi : 875/8=109,375 Ortalama Proses Süresi :234/8=29,25
Ortalama Bekleme Süresi:641/8=80,125 Toplam Tamamlama Süresi: 234
Bu yöntem hiçbir Ģeyi optimize etmediği için diğer yöntemlere göre oldukça zayıftır.
Hedef zaman kuralı için Van Drew Ģeması:
Çizelge 4.21 : Hedef Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur
ĠĢ 2 1 4 5 6 3 7 8
Hedef Zaman 20 40 42 68 74 80 93 108
ĠĢlem Süresi 10 20 11 21 22 50 40 60
Tamamlama Süresi 10 30 41 62 84 134 174 234
Bekleme Süresi 0 10 30 41 62 84 134 174
Gecikme -10 -10 -1 -7 10 54 81 126
35
Buna Göre;
Geciken ĠĢ sayısı: 4 Maksimum Gecikme : 126
Ortalama Gecikme : 243/8=30.375 Minimum Gecikme : -10
Ortalama AkıĢ Süresi : 769/8=96.125 Ortalama Proses Süresi :234/8=29,25
Ortalama Bekleme Süresi:535/8=66,875 Toplam Tamamlama Süresi: 234
BoĢ zaman kuralına göre Van Drew Ģeması;
Çizelge 4.22 : BoĢ Zaman Kuralına Göre Algoritma ġu ġekilde OluĢur
ĠĢ 2 1 3 4 5 8 6 7
Hedef Zaman 20 40 80 42 68 108 74 93
ĠĢlem Süresi 10 20 50 11 21 60 22 40
Tamamlama Süresi 10 30 80 91 112 172 194 194
Bekleme Süresi 0 10 30 80 91 112 172 194
Gecikme -10 -10 0 49 44 64 120 141
Buna göre;
Geciken ĠĢ sayısı: 5 Maksimum Gecikme : 141
Ortalama Gecikme : 398/8=49,75 Minimum Gecikme : -10
Ortalama AkıĢ Süresi : 923/8=115,375 Ortalama Proses Süresi :234/8=29,25
Ortalama Bekleme Süresi:698/8=86,125 Toplam Tamamlama Süresi: 234
36
Geciken iĢleri minimize etmek için Van Drew Ģeması;
Çizelge 4.23 : Geciken ĠĢleri Minimize Etmek Ġçin Van Drew ġeması
ĠĢ 2 1 4 5 6 3 7 8
Hedef Zaman 20 40 42 68 74 80 93 108
ĠĢlem Süresi 10 20 11 21 22 50 40 60
Tamamlama Süresi 10 30 41 62 84 134 174 234
Bekleme Süresi 0 10 30 41 62 84 134 174
Gecikme -10 -10 -1 -7 10 54 81 126
Buna göre;
Geciken ĠĢ sayısı: 4 Maksimum Gecikme : 126
Ortalama Gecikme : 243/8=30,375 Minimum Gecikme : -10
Ortalama AkıĢ Süresi : 769/8=96,125 Ortalama Proses Süresi :234/8=29,25
Ortalama Bekleme Süresi:535/8=66,875 Toplam Tamamlama Süresi: 234
Yukarıdaki metotlar incelendiğinde; en kısa zaman kuralının ortalama iĢ akıĢ
zamanını, ortalama bekleme zamanını yani ortalama tamamlamazamanını azaltttığı
görülmektedir. Hedef zaman kuralı, maksimum gecikmeyi azaltmaktadır. BoĢ zaman
kuralı minimum gecikmeyi artırmaktadır. Hodgson’s kuralları geciken iĢlerin adedini
minimize etmek için bir sıralama bulur.
4.11 Öncelikli Tek Makine ĠĢ Çizelgeleme
Öncelikli ortalama tamamlama zamanını minimize etme
Öncelikli ortalama akıĢ zamanını minimize etme
Öncelikli ortalama bekleme zamanını minimize etme
Bu bölümün baĢında en kısa iĢlem zamanı kuralı ile yukarıdaki hedeflerin hepsinin
gerçekleĢtiğini izah ettiğimizi hatırlamak gerekmektedir. ġu ana kadar yapılan
37
çizelgelemelerde bütün iĢlerin aynı önemde olduğu kabul edildi.Gerçekte böyle bir
Ģeyin olması mümkün değildir. ġimdi problem, tekrar fakat bu defa ağırlık veya
öncelik faktörü ekleyerek gösterilecektir.
Çizelge 4.24’de iĢlerin öncelikleri ve iĢlem zamanlarına göre oran değerleri
görülmektedir.
Çizelge 4.24 : ÖnceliklerdirilmiĢ ĠĢlerin Oran Değerleri
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Önemi 5 2 4 3 7 8 1 6
Oran 4 5 12,5 3,66 3 2,75 40 10
Durum 1. Bütün iĢler aynı öneme, farklı iĢlem zamanı ile sahiptir.
Ortalama iĢ bekleme zamanını minimize etmek için en kısa iĢlem zamanı kuralı
kullanılır. ĠĢler en kısa iĢlem zamanından en uzuna doğru sıralanır.
2 – 4 – 1 – 5 – 6 – 7 – 3 – 8
Durum 2. Bütün iĢler farklı öneme, aynı iĢlem zamanına sahiptir.
En büyük önemden en küçük öneme doğru sıralanır.
6 – 5 – 8 – 1 – 3 – 4 – 2 – 7
Durum 3. Bütün iĢler farklı öneme ve farklı iĢlem zamanına sahiptir.
Genel yaklaĢım en büyük öncelik ve en kısa iĢlem zamanına sahip iĢi sıralamada en
sola yerleĢtirmek. En sağa en küçük öneme sahip en uzun iĢlem zamanı olan iĢ
yerleĢtirilir. Bu kurala göre sıralama yapılırsa;
6 – 5 – 4 – 1 – 2 – 8 – 3 – 7
38
4.12 Öncelik Bilgisine Göre Maksimum Gecikmeleri Minimize Etme
Ġzlenecek algoritmada temel kriter iĢlem zamanı esas alınarak belirlenen oran değeri
değil hedef zaman esas alınarak belirlenen oran değeridir.
Çizelge 4.25 : Oran Kuralına Göre Elde Edilen Çizelge Değerleri
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Önemi 5 2 4 3 7 8 1 6
Oran 8 10 20 14 3,71 9,75 93 18
En optimum sıralama : 5 – 1 – 6 – 2 – 4 – 8 – 3 – 7
Bu metot hedef zaman kuralına dayanmaktadır, hiç bir Ģey gecikmez fakat her Ģey
gecikebilir.
4.13 Öncelik Bilgisine Göre Minimum Gecikmeleri Maksimize Etme
Bu metotta oran kuralını uygularken boĢ zamanı öneme bölerek elde edilen oran
kullanılır. Elde edilen oranları artan değer sırasına göre sıralayınca optimum sıraya
ulaĢırız.
Çizelge 4.26 : Oran Değerleri Çizelgesi
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
BoĢ Zaman 20 10 30 31 41 52 53 48
Önemi 5 2 4 3 7 8 1 6
Oran 4 5 7,5 10,3 5,85 6,5 53 8
Bu kurala göre optimum sıralama ; 1 – 2 – 5 – 6 – 3 – 8 – 4 – 7
39
BoĢ zaman kuralı güvenli bir kural olmakla beraber yüksek önceliğe sahip bir iĢin
çok fazla gecikmesi neticesini verebilir. Sonuç olarak yüksek önceliğe sahip bir iĢin
daha az öneme sahip bir iĢi beklemesinin açıklamasının yapılabilmesi gerekir
4.14 Paralel Makine Çizelgeleme
Atölyede birden çok tezgahın paralel çalıĢması, sıralama problemleri için değiĢik
modeller oluĢturmayı gerektirmiĢtir. Paralel tezgah problemlerinde aĢağıda belirtilen
kısıtlamalar söz konusudur.
Bir atölyede bulunan tüm tezgahlar, mevcut n adet iĢi yapabilecek kapasite ve
yetenektedir.
m adet tezgah sürekli olarak çalıĢabilirler ve bir tezgah aynı anda birden çok
iĢi iĢleyemez.
BaĢlangıç anında mevcut birbirinden bağımsız n adet iĢ, yalnız bir tezgah
tarafından iĢlenerek atölyeyi terk ederler.
ĠĢ tarifleri önceden bilinmektedir, iĢlem süreleri belirli ve sabittir.
Paralel tezgah problemleri diğer problemlerden farklı olarak iki boyutlu bir kararı
geliĢtirmek için incelenmiĢtir. Kararın birinci boyutu; iĢlerin tezgahlara dağıtılması,
ikinci boyutu; bu tezgahlardaki iĢlenme sırasının belirlenmesidir.(BaĢlıgil, 1988)
4.14.1 Öne Geçmeli Hal
Bir iĢ, bir tezgahtan bitmeden baĢka bir tezgaha aktarabiliyorsa, problem oldukça
basit çözülür.Bu halde yapım süresinin minimum değeri aĢağıdaki förmülle
hesaplanır:
Mx
: minimum iĢlem zamanı
m : makine sayısı
Pj : iĢlem zamanları
j : iĢ
40
Bu yöntem aĢağıdaki adımlar takip edilerek uygulanır.
1- Herhangi bir iĢ, 0 anında baĢlamak üzere 1. tezgahta programlanır.
2- ProgramlanmamıĢ iĢlerden biri bu iĢten sonra gelecek Ģekilde aynı tezgahta
programlanır. Bu tezgahtaki iĢlem süreleri toplamı M oluncaya kadar aynı iĢlem
tekrarlanır.
3- Bir tezgahta planlanan en son iĢ M süresi içinde bitirilemiyorsa, bu iĢe ait geri
kalan iĢlem süresi bir sonraki tezgahta programlanır ve 2. adıma geri dönülür. 2.
adım ve 3.adım tümiĢler sıralanıncaya kadar devam eder.
AĢağıdaki problemi konunun daha iyi anlaĢılması için inceleyelim;
Çizelge 4.27 : Öne Geçmeli Hal Ġçin Örnek
ĠĢ No 1 2 3 4 5 6 7 8
ĠĢlemZamanı 1 2 3 4 5 6 7 8
Problemin için formülden elde edilen sonuç 12.dir. ĠĢler aĢağıdaki Gantt ġeması ile
gösterilir.
ġekil 4.3 : Ön Geçmeli Hal Ġçin Verilen Örneğin Gantt ġeması
Bir tezgahdaki iĢler bölünmeden sıralanırsa toplam iĢlem zamanının minimizasyonu
konusunda bazı güçlükler ile karĢılaĢılır. Bu metotlarda elde edilmek istenen farklı
hedefler vardır ve bu hedeflere ulaĢmak için metot seçilir.
1
8
6
2 3 4 5
5
7
7
12
Tezgah
1. Tezgah
2. Tezgah
3. Tezgah
Zaman
41
4.14.2 M Paralel Makinede ĠĢ AkıĢ Zamanının Minimize Edilmesi
AĢağıdaki çizelgedeki örneği inceleyerek bu metodu uygulayalım
Çizelge 4.28 : ĠĢ AkıĢ Zamanının Minimize Edilmesi Ġçin Örnek Uygulama
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Uygulanacak metot ‘en kısa iĢ zamanı’ metodudur. Uygulanırken aĢağıdaki adımlar
takip edilir.
Bütün iĢleri iĢlem zamanı büyüklüğüne göre küçükten büyüğe doğru
sıralayınız.
En küçük iĢlem dğerindeki iĢi 1. makineye, en küçük ikinci iĢlem değerine
sahip iĢi ikinci makineye yerleĢtirilir.Tüm makinelere iĢlem değerlerindeki
artıĢa göre birer iĢ yerleĢtirildikten sonra en baĢa dönülür ve birinci makineye
ikinci iĢ yerleĢtirilir ve iĢler bitinceye kadar bu döngü devam eder.
Bu metoda göre yukarıdaki örnekteki iĢleri sıralarsak, 2 – 4 – 1 – 5 – 6 – 7 – 3 – 8
olur. ĠĢlerin 3 paralel makineye yerleĢtirilmesi, aĢağıdaki Gantt Ģeması ile gösterilir
ġekil 4.4 : En Kısa ĠĢlem Zamanı Metoduna Göre OluĢan Gantt ġeması
Bu metot anlaĢılır ve kolay bir metotdur. Fakat en kısa iĢlem zamanına sahip iĢi
Makine1
Makine 2
Makine 3
Zaman 10 31 81
ĠĢ 4 6 8
Zaman 11 33 93
ĠĢ 1 7
Zaman 20 60
ĠĢ 2 5 3
42
sıralamada ilk sıraya yerleĢtirirken, gerçekten önceliği olan iĢin bir önemi yoktur.
Yukarıdaki örnekte birinci ve üçüncü makinelerde toplam 45 saat boĢta bekleme
zamanı mevcuttur.
4.14.3 Paralel Makinelerde Üretim Ve Ortalama ĠĢ AkıĢ Zamanının Azaltılması
Çizelge 4.29’daki örneği, ‘en uzun iĢlem zamanı’ metoduna göre inceleyelim.
Çizelge 4.29 : ÜretimVe Ortalama ĠĢ AkıĢ Zamanının Azaltılması Ġçin Örnek
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Bu metot Ģu Ģekilde uygulanır;
ĠĢlerin tamamı iĢlem zamanlarına göre büyük değerden küçük değere doğru
sıralanır.
En büyük iĢlem zamanı değerine sahip iĢ birinci makinaya ilk iĢ olarak
yerleĢtirilir sonra ikinci makinaya en büyük iĢlem zamanına ait iĢ yerleĢtirilir.
Bütün iĢler bu Ģekilde en son makinada yerleĢtirildikten sonra en son
makinaya sıradaki ilk iĢ yerleĢtirilerek ilk makinaya kadar iĢler yerleĢtirilir.
Bir makineye yerleĢtirilen iĢler en kısa iĢlem zamanından en uzun iĢlem
zamanına doğru ilk sıralamanın tersine sıralanır.
En uzun iĢlem zamanına göre örneğimizdeki iĢler; 8 – 3 – 7 – 6 – 5 – 1 – 4 – 2
olarak sıralanır.
3. basamaktaki kuralı uygulamadan elde edilecek Gantt Ģeması ile (Ģekil 4.5) 3.
basmaktaki kural uygulandıktan sonra elde edilecek Gantt Ģeması (Ģekil 4.6)
aralarındaki farklar görülmesi için ayrı ayrı gösterilmiĢtir.
43
ġekil 4.5 : En Uzun ĠĢlem Zamanının Ġlk Ġki Adımı Sonrası Gantt ġeması
Bu metot ile sıralama yapıldığında en son makinada iĢlem toplamı 81 saattir. Bir
önceki metota göre 12 saat daha kısadır. ĠĢlem süresi kısa olan iĢler için uzun
bekleme süreleri söz konusudur. Bunu düzeltmek için üçüncü adım uygulanır.
ġekil 4.6 : En Uzun ĠĢlem Zamanı Metodunu Ters Sıralanması
Makine 1
Makine 2
Makine 3
Zaman 20 80
ĠĢ 2 5 3
Zaman 10 21 81
93
ĠĢ 4 6 7
Zaman 11 33 73
ĠĢ 1 8
Makine1
Makine 2
Makine 3
Zaman 60 80
ĠĢ 3 5 2
Zaman 50 71 81
93
ĠĢ 7 6 4
Zaman 40 62 73
60
ĠĢ 8 1
44
4.14.4 Paralel makinelerde maksimum gecikmenin azaltılması
Çizelge 4.30’daki orjinal örneğimize, ‘hedef zaman kuralı’ metodunu uygulayalım.
Çizelge 4.30 : Paralel Makinelerde Hedef Zaman Kuralı Ġçin Örnek
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
Metot Ģu Ģekilde uygulanır;
Hedef sevk zaman değerlerine göre küçükten büyüğe doğru sıralanır.
En kısa iĢlem zamanına sahip iĢler yerleĢtirilirken, daha önce yerleĢtirilen
iĢlere göre en kısa toplam iĢlem zamanına sahip makineye iĢ yerleĢtirlir.
Hedef zaman değerlerine göre sıralama iĢler Ģu Ģekilde sıralanır;
2 – 1 – 4 – 5 – 6 – 3 – 7 -8
ġekil 4.7 : Hedef Zaman Kuralına Göre Gantt ġeması
Bu metotta hiçbir Ģey çok geç değildir. Fakat herĢey geç kalabilir.
Makine 1
Makine 2
Makine3
Zaman 10 31 71
ĠĢ 1 3
Zaman 20 70
ĠĢ 4 6 8
Zaman 11 33 93
ĠĢ 2 5 7
45
4.14.5 BoĢ Zaman Kuralına Göre Paralel Makinelerde Gecikmenin Azaltılması
Çizelge 4.31 : BoĢ Zaman Kuralı Uygulaması Ġçin Örnek Çizelge
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
BoĢ Zaman 20 10 30 31 47 52 53 48
Yukarıdaki orjinal örneğimize, ‘boĢ zaman’ metodunu uygulayalım. Metot Ģu Ģekilde
uygulanır;
BoĢ zaman değerlerinin küçükten büyüğe doğru artan miktarlarına göre iĢler
sıralanır.
ĠĢler makinalara yerleĢtirilirken en az iĢyüküne sahip makinelere iĢler sıra ile
yerleĢtirilir.
BoĢ zaman değerlerine iĢler Ģu Ģekilde sıralanır; 2 – 1 – 3 – 4 – 5 – 8 – 6 – 7.
ġekil 4.8 : BoĢ Zaman Kuralına Göre Gantt ġeması
Makine 1
Makine 2
Makine 3
Zaman 10 21 81
ĠĢ 1 5 6
Zaman 20 41 63
ĠĢ 3 7
Zaman 50 90
ĠĢ 2 4 8
46
4.14.6 Paralel Makinelerde Geç Kalan ĠĢ Adedinin Azaltılması
AĢağıdaki örneği bu hedefe ulaĢmak için inceleyelim
Çizelge 4.32 : DüzenlenmiĢ Hedef Zaman Kuralı Uygulaması Ġçin Örnek Çizelge
ĠĢ 1 2 3 4 5 6 7 8
Hedef Zaman 40 20 80 42 68 74 93 108
ĠĢlem Süresi 20 10 50 11 21 22 40 60
DüzenlenmiĢ hedef zaman kuralı diye adlandırılan metot Ģu Ģekilde uygulanır;
Hedef zamana göre iĢler küçük değerden büyük değere doğru sıralanır.
Her bir makine için bütün iĢlere bakarak geç kalan iĢ tespit edilir, makineye
yerleĢtirilir.
Eğer geciken bir iĢ tespit edilirse; geciken iĢ de dahil olmak üzere tüm iĢler
içinde en büyük iĢlem zamanına sahip iĢ sıralamada en sona yerleĢtirilir.
Tekrar ikinci adıma dönülerek tüm iĢler yerleĢtirilir.
Bu örneği üç makineye yerleĢtirirsek geç kalan iĢ olmayacaktır. Bu nedenle iĢlerin
yerleĢtirilmesi iki makine düĢünülerek yapılmıĢtır.
ġekil 4.9 : DüzenlenmiĢ Hedef Zaman Kuralının Gantt ġeması
Bu örnekte geciken iĢ adedinin sadece 2 adet olduğu. Bunlar 3 ve 8 nolu iĢlerdir.
Eğer sürekli geç kalan iĢler ile karĢılaĢılıyorsa, bunu çözümü için kapasite artırımına
gitmek gerekir.
Makine 1
Makine 2
Zaman 10 21 43 83 143
ĠĢ 1 5 3
Zaman 20 41 91
ĠĢ 2 4 6 7 8
47
5. ÇORAP ĠġLETMESĠNDE PARALEL MAKĠNE PLANLAMA
UYGULAMASI VE Ġġ AKIġINDA DAR BOĞAZ OLUġUMUNUN
ENGELLENMESĠ ĠÇĠN ÇÖZÜM ÖNERĠSĠ
Bu bölümde konuya giriĢ olarak uygulamanın yapıldığı çorap fabrikası ve çorap
imalatının genel iĢ akıĢı izah edilmiĢtir. Uygulma örneği ve çözüm yöntemi bu
bilgiler verildikten sonra incelenmiĢtir.
5.1 ĠĢletmenin Tanımı
Uygulamayı yaptığımız Çelik Çorap A.ġ.; fabrikası BayrampaĢa - Ġstanbul adresinde
kapalı 12.000m2
alana sahip, soket çorap imalatı ve ihracatı yapan ve sektöründe
Türkiye’nin önde gelen kuruluĢlarından birisidir.
Çelik Çorap A.ġ. 50 yıllık imalat tecrübesi, tecrübeli yönetim kadrosu, yeniliğe ve
geliĢmelere açık genç ve dinamik personeli, modern makine parkuru ile imalatının
%90 ’ını Almanya, Hollanda, Ġngiltere, Kanada ve Amerika BirleĢik Devletleri baĢta
olmak üzere ihraç etmektedir. Türkiye pazarında Style ve Corup markası ile kendi
ticari markaları ile ürünlerini pazarlarken, ülkenin önde gelen tekstil perakende
firmalarına kendi ticari markaları adı altında satıĢ yapmaktadır. Yıllık ortalama
20.000.000 çift imalat yapmaktadır.
Üretilen ürünler farklı kriterlere göre sınıflandırılır. Son kullanıcıya göre yapılan
sınıflandırmada erkek, bayan ve çocuk çorapları olarak adlandırılan ürünler, çorabın
elyaf kompozisyonunda baskın olan elyaf adına göre de pamuklu, yünlü, merserize,
modal, viskon, kaĢmir çoraplar olarak da adlandırılır. Bunun yanısıra coolmax,
thermolite, polypropilen, climayarn, kevlar gibi sentetik ipliklerin kullanıldığı teknik
çoraplar ürün yelpazesi içindedir. Bir baĢka sınıflandırma kriteride kullanılan makina
tipidir. Çorap makineleri tek silindir ve çift silindir olarak ikiye ayrılır. Ürünlerin
yapısı ve imalat teknikleri birbirinden farklıdır.
48
5.2 Organizasyon Yapısı
Çelik Çorap A.ġ.’de genel müdüre bağlı tek genel müdür yardımcısının yönetiminde
fabrika müdürü, finans müdür ve ihracat müdürü mevcuttur. Fabrika müdürü
ihracattan bölümünden gönderilen sipariĢlerin imalatı için gerekli tüm imalat
faaliyetleri yönetmek ve sipariĢlerin zamanında sevkedilmesinden sorumludur.
Fabrika müdürüne bağlı aĢağıdaki bölümler ve her bölümün sorumluluğunu almıĢ
müdür veya Ģef konumunda yöneticiler vardır.
- Ürün geliĢtirme ve numune hazırlama
- Ġplik planlama ve satın alma
- Ġmalat planlama
- Örgü bölümü
- Burun dikiĢ bölümü
- Yıkama bölümü
- Ütü paket bölümü
- Sevkiya bölümü
- Kalite Kontrol
Çelik Çorap A.ġ.’de parça boyama ve nakıĢ iĢleri fason imalat aĢaması olarak baĢka
firmalarda yaptırılmaktadır.
5.3 Ġmalatın ĠĢ AkıĢı
Çizelge 5.1’de izah edilen iĢ akıĢı çorap imalatında olabilecek tüm iĢlemlerin yer
aldığı bir iĢ akıĢıdır. Genel olarak çorap imalat yapan firmaları düĢündüğümüzde
belki bir çok çorap firmasında bunu göremeyebilirsiniz. Fakat Çelik Çorap A.ġ.’de
bu adımların tamamı uygulanmaktadır ve olağan iĢ akıĢı haline gelen iĢlem
adımlarıdır. Elbette tüm adımların tüm ürünlere uygulanması gibi bir durum
sözkonusu değildir. Her ürünün müĢteri taleplerine uygun olarak oluĢturulan bir iĢ
akıĢ planı mevcuttur. Ürün çeĢitliliği, kalite anlayıĢı ve müĢteriden gelen yeni istekler
firmaların iĢ akıĢlarını geliĢtirmeye ve iyileĢtirmeye yöneltmiĢtir.
49
Çizelge 5.1 : Çorap Ġmalatında ĠĢlem Adımları
Adım
Kodu
Tanım Grup
Adım
Kodu
Bağlı
Olunan
Adım
Fiziksel
Ortak
Adım
Stok
Noktası
Takip ĠĢ
Emri
Adımı
00 Ara Depo - - - - -
05 Numune - - - - -
06 Malzeme Planlama 05 - - - -
10 Örgü - - - - -
12 Depo 02 10 - - Evet -
14 Burun DikiĢ 10 - - - -
16 Depo 03 10 - - Evet -
18 QC 01 10 - - - Evet
20 Depo 03A 10 18 16 Evet -
22 Yıkam 01 10 - - - Evet
24 Depo 03B 10 22 16 Evet -
26 Ön Forma 01 10 - - - Evet
27 Depo 03C 10 26 16 Evet -
28 Konfeksiyon 01 10 - - - Evet
29 Depo 03D 10 28 16 Evet -
30 Boyama 10 - 22 - Evet
31 Depo 03E 10 30 16 Evet -
32 Yıkama 02 10 - 22 - Evet
33 Depo 04 10 - - Evet -
34 Ön Forma 02 10 - 26 - Evet
36 Depo 04A 10 34 33 Evet -
38 NakıĢ 10 - - - Evet
40 Depo 04B 10 38 33 Evet -
42 Baskı 10 - - - Evet
44 Depo 04C 10 42 33 Evet -
46 QC 02 10 - 18 - Evet
48 Depo 04D 10 46 33 Evet -
50 Konfeksiyon 02 10 - 28 - Evet
52 Depo 04E 10 50 33 Evet -
70 Forma/Çiftleme - - - - Evet
72 Depo 04F 70 70 - Evet -
74 Paketleme 70 - - - Evet
76 Depo 05 70 74 - Evet -
78 Asortileme 70 - 74 - Evet
80 Depo 06 70 78 - Evet -
82 Depo 07 70 - - Evet -
84 Sevkiyat 70 - - - Evet
86 Depo 08 70 - - Evet -
50
5.4 SipariĢ Alımı Ve Planlama Süreci
MüĢteriden gelen sipariĢler fabrikalarda önce ihracat bölümüne gelir. SipariĢler
ihracat bölümü tarafından kabul edilir ise, fabrika sipariĢi olarak planlama bölümüne
bildirilir. Ġlk dikkat edilecek husus; imalata baĢlamak için tüm onaylarn müĢteriden
alınmıĢ olup olmadığının kontrol edilmesidir. Eğer bu adımda eksiklik var ise bunun
ne zaman tamamlanacağının belirlenmesi gerekmektedir. Ġkinci adım hammadde
tedariğinin yapılması ve planlamaya ham madde geliĢ zamanının teyit edilmesidir.
Üçüncü adım; imalat adımlarının zamansal planlamasının yapılmasıdır. Bu
aĢamalardan sonra planlama müdürü tarafından ihracat bölümüne sipariĢin sevk
tarihi teyit edilir.
Yapılan planlamanın zamansal çizelgesi, ilgili bölümler tarafından takip edilir.
Planlama bölümü tarafından yapılan plan imalatın diğer bölümleri tarafından
gerçekleĢtirilmek ve zamansal olarak görevlerin yerine getirilmesi gerekmektedir.
Ġmalat birim sorumluları kendi birimlerinde, genel plana sadık kalmak kaydı ile planı
değiĢtirme yetkisine sahiptirler.
SipariĢler planlanırken; önceki dönemlere veya numune yapım aĢamasına ait veriler,
gelecek dönemlere ait beklentiler, sipariĢ rezervasyonları ve imalat tecrübeleri
kullanılmaktadır.
Üretim süresince; planlama yapılırken gerçekleĢeceği ön görülen veya kabul edilen
değerlerin baĢak bir ifade ile planlama tarafından belirlenen hedeflerin gerçekleĢip
gerçekleĢmediğinin günlük bazda kontrol edilmesi gerekir. Aksi durumda planın
gerçekleĢmemesi sevkiyatların zamanında gönderilememesi gibi ciddi problemler ile
karĢılaĢılabilinir. Planlamayı aksatacak belli baĢlı hataları; hazırlık zamanının
gerekenden daha fazla uzaması, belirlenen adette günlük imalatın yapılmaması,
öngörülen imalat fire oranlarının aĢılması, makine arızalarına hızlı müdahale
edilmemesi ve kayıp zamanların artması, iĢ baĢlangıç ve bitiĢ tarihlerinin
yakalanamaması gibi sayabiliriz. Planlamayı yapan pesonel bu kontrlu günlük takip
etmediği sürece her yapacağı yeni plan yanlıĢ bir temel üzerine oturmuĢ olacaktır.
Dolayısı ile ilk yapılan planlar zamanında gerçekleĢemeyeceği için yeni planlarda
zamanında gerçekleĢmeyecektir.
51
5.5 Çorap ĠĢletmesi Ġçin Önerilen Paralel Tezgah Planlama Tekniği
Paralel tezgah planlamasında anlatılan metotların her birisinden elde edilen farklı
neticeleri vardır ve iĢletme için ulaĢılmak istenen hedefler doğrultusunda metot
seçimi yapılır. Stokların azaltılmaya çalıĢıldığı günümüzde sevkiyat terminleri esas
alınarak minimum stoklar ile imalat yapılmaya çalıĢılmaktadır. Minimum tezgah ile
maksimum zamanda iĢin tamamlanması genelde tercih edilen çalıĢma yöntemidir. Bu
yöntemde iĢin aynı özellikte farklı makinalarda aynı anda iĢleme alınması, yani iĢin
bölünmesi söz konusudur. Bu metodun uygulamasında aĢağıdaki avantajlar söz
konusudur;
sevkiyat tarihine kadar olan süreçte minimum stokla imalat yapılması
minimum personel istihdam edilmesi
üretim maliyetinin ödeme zamanının daha uzun sürece yayılması
çalıĢan aktif makina adedinin çalıĢma zamanının maksimum zamanda
planlaması,
kapasite pazarlama, yeni sipariĢ alımı için zaman elde edilmesi
5.6 Örgü ĠĢletmesinde Dar Boğaz OluĢum Noktası
Çorap imalatında dar boğaz oluĢmaması için imalat aĢamalarına ait kapasitelerin
doğru hesaplanması gerekmektedir. Böylece ara stokların oluĢması engellenir. Çorap
imalatının ana iĢlem adımları olan örgü, burun dikiĢ, nakıĢ, baskı ve ütü paketleme
bölümlerin de ürünler adet olarak takip edilir ve kullanılan birim çifttir. Teorik olarak
stok oluĢmaması için bu birimlere ait kapasiteler en azından birbirine eĢit veya örgü
sonrası birimlerin kapasiteleri örgü kapasitesinden büyük olması gerekir. Sadece
yıkama bölümünde ürün takibinde kullanılan birim kilogramdır. Yıkama kapasitesi
iĢletmenin büyüklüğü, günlük üretim adedine göre ortalama olarak hesaplanır. Çünkü
üretilen her ürünün birim ağırlığı aynı değildir. Günlük üretilen ürünlerin toplam
ağırlığı yıkama kapasitesinden az veya fazla olabilir. Bu nedenle örgü makinalarına
iĢler yüklenirken yıkama iĢleminde oluĢturulabilecek yıkama lotlarının büyüklükleri
dikkate alınarak planlama yapmak gerekmektedir.
52
5.7 Dar Boğaz OluĢumunun Engellenmesi Ġçin Çözüm Önerisi
Bir önceki bölümde dar boğaz oluĢumunun örgü sonrası imalat adımlarında
oluĢabileceği ve çözüm için bölümler arası kapasite hacimlerin nasıl uyumlu olması
gerektiğini izah etmiĢtik. Yıkama bölümde dar boğaz oluĢumunu engellemek için
artikelin birim ağırlığı, birim üretim zamanı ve yıkama lotunun toplam ağırlığı
dikkate alınarak günlük üretim kapasitesi belirlenmelidir. Günlük örgü makine
adedini belirlemek için aĢağıdaki formulasyon dizisini uygulamak gerekir. Kurumsal
kaynak planlama ( ERP ) yazılımına sahip firmaların bu formulasyonu uygulatmak
için yazılımda kendileri için özelleĢtirme yaptırmaları gerekirken, orta ölçekli
firmalarda bu iĢlemlerin Excel dosyalarında oluĢturulması oldukça basittir. AĢağıdaki
adımlarda giriĢ yapılması gereken bilgiler, hesaplanması gereken veriler sırası ile
anlatılmıĢtır.
Çizelge 5.2 : Optimum Makine Adedi Hesaplama Adımları
ĠĢlem
Adımı
Tanım Simge Değer Birim
1 –
Artikel : D.3791
2 –
SipariĢ Net Adedi : A 10.000 Çift
3 –
Örgü Fire Yüzdesi (%) : B 5%
4 –
SipariĢ Brüt Adedi : C 10.526 Çift
5 –
Ağırlık (gr/çift) : D 60,00 gr/çift
6 –
Üretim Zamanı (dk/çift) : E 8,50 dk/çift
7 –
1 Yıkama Lotunun Ağırlığı (gr) : F 30.000 Gr
8 –
SipariĢ BaĢlangıcı : G 01.01.2009
9 –
SipariĢ Sevk Tarihi : H 01.02.2009
10 –
Toplam SipariĢ Zamanı : I 31 Gün
11 –
Örgü Öncesi Sabit Zaman : J 15 Gün
12 –
Örgü Sonrası Sabit Zaman : K 7 Gün
13 –
Örgü Zamanı : L 9 Gün
53
14 –
1 yıkama lotunu adedi (çift) : M 500 Çift
15 –
1 makinanın günlük üretim adedi (çift) : N 169 çift/makine
gün
16 –
1 lot için olması gereken minimum
makine adedi:
P 2 Adet
17 –
1 lot için tespit edilen makine adedi ile
örme zamanı süresinde yapılacak üretim
adedi :
R 3.049 Çift
18 –
Örme zamanı süresinde günlük
üretilecek lot adedi :
S 3 lot/gün
19 –
Artık Kalan SipariĢ Adedi : T 1.378 Çift
20 –
Günlük lot adedi için olması gereken
makine sayısı :
U 6 Makine/gün
21 –
Artık kalan sipariĢ adedi için olması
gereken makine sayısı :
V 1 Makine/gün
22 –
Toplam Makine Sayısı : Y 7 Makine/gün
Yukarıdaki iĢlem sıralamasında 4, 10, 13, 14, 15, 16, 17, 18, 19, 20, 21 ve 22
numaralı adımlarda aĢağıdaki formüller kullanılır.
4. adım için; C = A / (1 – B )
10. adım için; I = H – G
13. adım için; L = I – J – K
14. adım için M = F / D
15. adım için N = ( 24 x 60 ) / E
16. adım için P = AġAĞIYUVARLA ( M / N ; 0 )
17. adım için R = L x N x P
18. adım için S = ASAĞIYUVARLA ( C / R ; 0 )
19. adım için T = C – ( R x S )
20. adım için U = P x S
21. adım için V = YUKARUYUVARLA ( T / ( L x N )
22. adım için Y = U + V
54
Bu matematiksel hesaplamalar sonucunda elde edilen makine sayısı ile imalat
yapıldığında yıkama bölümünde iĢ yoğunluğu belli bir dengede olacaktır ve iĢ
akıĢında süreklilik olacaktır. Çözüm önerisinin uygulanmasında uyulması gereken
kural formulasyondan elde edilen makina adedinin ondalık kısmı aĢağı yuvarlanır
yani sıfır kabul edilir.
Konunun daha iyi anlaĢılması için çizelge 5.3’deki örnekle izah etmeye çalıĢacağım.
Hesaplamların yukarıda nasıl yapıldığını açıkladığım için örnekte sadece sonuç
verileri kullanılarak problemin çözümünde önerilen yöntemin sağladığı olumlu
neticeler belirtilmiĢtir.
Çizelge 5.3 : Sürekli ĠĢ AkıĢı Ġçin Ġçin Uygulama Örneği
ĠĢ No Toplam ĠĢ
Adedi
Günlük Ġmalat
Adedi/Makina
Birim Yıkama
Lot Adedi
Max Örgü
Zamanı (Gün)
1. ĠĢ 240 12 40 30
2. ĠĢ 448 16 32 30
3. ĠĢ 500 20 50 30
Aynı özellikteki 3 makineye klasik çözüm metoduna uygun olarak yerleĢtirelim ve
günlük oluĢacak iĢlem hacimlerinin dağılımının nasıl olacağını tespit edelim.
En az toplam iĢ zamanına sahip 1.iĢ 1.makineye yerleĢtirilir, sonra ikinci iĢ birinci
makinede birinci iĢin bitiminden devam ettirlir, daha sonra üçüncü iĢ ikinci iĢin
ikinci makinede bitiminden itibaren yerleĢtirilir. ĠĢlerin günlük çıkan adetlerinin
yıkama bölümünde iĢlem görebilmesi için gruplar oluĢturulur. Grupları oluĢtururken
ana etkin faktör ürünün birim ağırlığıdır. Çünkü yıkama kazan kapasitesi sabit
olduğu için yıkanacakçorap adedi ürün ağırlığına göre farklı olacaktır. Ürünlerimize
ait birim gramlara karĢılık gelen adetler birer yıkama lotu oluĢturacak Ģekilde tespit
edersek; 1.iĢ için 40 düzine, 2.iĢ için 32 düzine, 3.iĢ için 50 düzine olacaktır. Her üç
makinede üretilen iĢlerin oluĢturduğu günlük iĢ yoğunluğu yıkama bölümündeki
kapasite göz önüne alınmadan yapıldığı için düzensizdir. Bazı günler iĢler birikirken
bazı günler iĢlem görecek hiçbir yıkama olmayacaktır. Bu sorun iĢ akıĢında
düzensizliği, gereksiz stok birikmelerine, fiziksel yer darlığına ve performans
kaybına neden olacaktır. Metodun iĢ çizelgesi çizelge 5.4 de gösterildi ve iĢ dağılım
grafiğini çizelge 5.5’de görebilirsiniz.
55
Çizelge 5.4 : Klasik Öne Geçmeli Hal Metodu Göre ĠĢ Çizelgelem
56
Çizelge 5.5 : Klasik Öne Geçmeli Hal Metodunda ĠĢYükü Dağılımı
57
Çizelge 5.6 : 3 Makine 3 Farklı ĠĢlem Örneği
ĠĢ No Toplam ĠĢ
Adedi
Günlük Ġmalat
Adedi/Makina
Birim Yıkama
Lot Adedi
Max Örgü
Zamanı (Gün)
1. ĠĢ 240 12 40 30
2. ĠĢ 448 16 32 30
3. ĠĢ 500 20 50 30
Çizelge 5.6’deki örneğimizi inceleyeceğiz. Önerdiğimiz dengeli iĢ dağılım metoduna
göre iki ayrı algoritma uyguladığımız da aĢağıdaki sonuçlar elde edilecektir.
Dengeli iĢ dağılımı için önerilen algoritma 1 :
Toplam çalıĢma zamanı en az olan iĢ, formülle elde edilen adet kadar
makineye yerleĢtirilir.
Toplam iĢ zamanı en az olan ikinci iĢ, birinci iĢin bitiminin son iĢ gününden
bir sonraki iĢ gününden itibaren birimci adımdaki kurala uyularak
yerleĢtirme yapılır.
Eğer ikinci iĢin yerleĢtirilmesi esnasında yeterli boĢ makina yok ise bir
sonraki makinanın ilk boĢ zamanından baĢlayarak yeni iĢin yerleĢtirilmesi
yapılır.
En son iĢ yerleĢtirilinceye kadar ikinci ve üçüncü adımların tekrarlanması
devam eder.
Bu algoritma uygulandığında elde edilen iĢ çizelgeleme çizelge 5.7’de gösterilmiĢtir.
Önerilen algoritmanın olumlu neticesi olan iĢ yükü dağılımı çizelge 5.8’de
görülmektedir, bu grafik incelendiğinde sadece 2 günde iĢ birikmesi olurken, bir gün
de yıkanacak iĢ olmadığı görülür. Çizelge 5.5’deki grafik ile karĢılaĢtırdığımızda iĢ
akıĢında nasıl bir iyileĢmenin olduğu çok net görülmektedir. Planlama yaparken
dikkate alınacak bir kriterin iĢletmede sağlayacağı etkinin ve yararın bu kadar büyük
olması, planlamanın ne kadar önemli bir rolüstlendiğini bir kez daha ispatlamıĢ
olmaktadır. Fakat varılan netice için en iyi çözüm denilemez bir adım daha ileri
gidilerek önerilen yeni bir algoritma ile oluĢan iĢ yükü yığılma sayısı azaltılması
mümkündür. Bu iyileĢtirmenin sağlanması dengeli iĢ dağılımı için ikinci algoritma
önerilmiĢtir.
58
Çizelge 5.7 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma – 1’e Göre ĠĢ Çizelgeleme
59
Çizelge 5.8 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma-1’e Göre ĠĢ Yükü Dağılımı
60
Dengeli iĢ dağılımı için önerilen algoritma 2 :
Toplam çalıĢma zamanı en az olan iĢ, formülle elde edilen adet kadar
makineye yerleĢtirilir.
Toplam iĢ zamanı en az olan ikinci iĢ, birinci iĢin bitiminin son iĢ gününden
bir sonraki iĢ gününden itibaren birimci adımdaki kural uyularak yerleĢtirme
yapılır.
Eğer ikinci iĢin yerleĢtirilmesi esnasında yeterli boĢ makina yok ise bir
sonraki makinaya ikinci iĢin ilk iĢlem baĢlangıç gününden baĢlayarak iĢin
yerleĢtirilmesi yapılır.
En son iĢ yerleĢtirilinceye kadar ikinci ve üçüncü adımların tekrarlanması
devam eder.
Bu algoritma uygulandığında elde edilen iĢ çizelgeleme çizelge 5.9’da gösterilmiĢtir.
Çizelge 5.10’de önerilen algoritmanın olumlu neticesi olan iĢ yükü dağılımındaki
ulaĢılabilecek en son durum görülmektedir, bu grafik incelendiğinde sadece 1 günde
iĢ birikmesi olurken, diğre günlerin tamamında iĢ yükü aynı dengede olması
sağlanmıĢtır. Çizelge 5.5’deki grafik ile karĢılaĢtırdığımızda aynı iĢletmede
yaĢanabilecek iki hal arasındaki büyük farklılığı çok net gözlemleyebiliyoruz.
Planlama bölümünün sürekli uygulamalarını geliĢtirmesi, yenilemesi neticesinde bu
baĢarılara ulaĢmak çok zor değildir. Tek tipmetot ileyıllarca planlamayapabiliriz
fakat bu zaman zarfında ne kadar zarar ettiğimizi görmemiĢ oluruz. Önerieln ikinci
algoritmaile dengeli iĢ dağılımı firmayı memnun edecek iĢ bir seviyeye ulaĢmıĢtır.
Pratik çalıĢmalarda bunun getirdiği en güzel yorum Ģudur, eskiden bu alanda iĢleri
döndüremez iken, Ģimdi aynı hacimde iĢ yapmamıza rağmen iĢ alanımız yeterli
gelmektedir. Fiziksel alan geniĢliği ve stokların düĢük seviyede olması iĢlerin
kontrollü ilerlemesini sağlar, bunun tersi kurulan cümlede doğrudur, stoklar ve alan
darlığı iĢletmede kaos oluĢturur.
61
Çizelge 5.9 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma -2 ‘e Göre ĠĢ Çizelgesi
62
Çizelge 5.10 : Dengeli ĠĢ Dağılımı Ġçin Önerilen Algoritma – 2 ye Göre ĠĢ Yükü Dağılımı
63
5.8 Küçük Ve Orta Ölçekli ĠĢletmeler Ġçin Planlamada Excel Uygulaması
Kurumsal kaynak planlama yazılımına sahipolmayan küçük iĢletmelerde planlama
yaparken Gantt Ģeması manuel uygulanmaya çalıĢırken, harcanan zaman, efor ve iĢin
zorluğu olması gerekenden çok fazladır.
Zaman kazanmak, pratik çözüm elde etmek ve değiĢiklikleri planlama evrağında çok
hızlı yapabilmek için Ģahsım tarafından geliĢtirlen Excel uygulaması çizelge 5.11’de
gösterilmiĢtir.
Dengeki iĢ dağılım çözüm önerisininde izah edilen formüller ile tespit edilen
çalıĢacak örgü makine sayısı Excel tablosunda her bir artikel için ayrılan bölüme
örgü baĢlangıç tarihine dikkat edilerek yazılır. ÇalıĢılacak gün sayısı kadar makine
sayısı yazılınca tablo örülen ve kalan adetleri kendisi hesaplar.
Bu çalıĢmanın kazandırdığı zaman, manuel Gantt Ģemasına ayrılan zamnala
kıyaslanamayacak derecedir. Ayrıca yapılan çizelgeler bir kere yapılıp aylarca
kullanılmamaktadır, bazen aynı gün, hafta veya ay içinde güncelleme gerekebilir.
Bunun manuel Gantt Ģemalarında yapımı saatler sürerken, Excel uygulamamızda
iĢyoğunluğunuza bağlı olarak çok daha kısa zamanda güncellemeyi
gerçekleĢtirebilirsiniz.
Excel uygulamasında herbir makinenin hangi artikeliçalıĢtığını göremezsiniz. Sadece
toplam çalıĢan makine sayısıtakip edilir.Planlama bölümğnden verilen çizelgenin
detaylı uygulanması örgü bölümü sorumlusuna aitolduğu için bu derece detayın
planlamabölümü tarfaından bilinmesine gerek olup olmadığı tartıĢılır. Ben
planlamanın bu derece detaya inmesine gerek olmadığına ve ana plan değiĢmedikçe
günlük değiĢimlerin bölümler tarafından yapılması gerektiğine savunan fikrin
savunucularındanım. Küçük iĢletmelerin planlama bölümlerinin çalıĢmalarına çok
faydalı olacağına inandığım bu uygulamanın kullanımı için herhangi bir eğitime de
gerek yoktur. Excel kullanımı bilen herhangi bir operatör uygulamayı baĢarılı
kullanırken firmasına uygun isteklere cevap verecek eklentiler ile geliĢtirebilir.
64
Çizelge 5.11 : Planlama Ġçin Excel Uygulaması
65
6. SONUÇ
ĠĢletmeler sahip oldukları dinamik yapıları ve geliĢmeye açık olmaları sayesinde
piyasadaki mevcut konumlarını sürdürebilmektedirler. ĠĢletmeler; altyapılarını
güçlendirmek ve yönetim metotlarını sürekli geliĢtirmek için zaman ve maddi
kaynak ayırmaktadırlar. ĠĢletmeler üretim ve planlama bölümlerinin daha iyi
organize edilmesi ile etkinliklerinin artırılmasını sağlamıĢtır. Kurumsal kaynak
planlaması, iĢletmelerin kendilerini geliĢtirmeleri konusunda hedefledikleri en
önemli adımdır. Kurumsal kaynak planlama ile iĢletmeleri daha iyi organize
edebilmeleri ve hedefleri doğrultusunda yönetmeleri mümkün olmaktadır. Kurumsal
kaynak planlaması ile sipariĢlerin alımı ve öngörüye dayalı tahmini sipariĢlerin
yazılımı ile baĢlayan iĢlemler serüveni müĢteriye sevk edilinceye kadar olan zaman
diliminde tüm iĢlemlerin planlaması ve doğru bilgilere en hızlı ulaĢılması
iĢletmelerin en önemli hedefleridir.
Kurumsal kaynak planlama yazılımları içinde en önemli bölümlerden biride kapasite
planlamasıdır. Kapasite planlamaları genellikle sonlu kapasite planlaması olarak
yapılır. Sonlu kapasite planlamaları yapılırken atölyelerdeki tezgahların
çizelgelemesi için iĢletmeye en uygun metot iĢletmenin amaçları doğrultusunda
seçilir.
Planlama yapacak personel mutlaka konu ile ilgili temel teorik bilgiye sahip
olmalıdır ki, çalıĢmalarında firması için en uygun metodu seçebilsin. Ayrıca teorik
bilginin yanında yeterli tecrübenin olması gerekmektedir. Firma yöneticileri personel
görevlendirmede bilgi ve tecübeye önem vermektedirler, fakat bilgi seviyesinin
ölçümünde konunun çok detaylı ve geniĢ olması nedeniyle,sorulmasıgereken ilk soru
görev alacağı konuda eğitim alıp almadığı olmalıdır. Eğitim almıĢ ise aldığı eğitimin
detaylarının ne olduğu sorulmalıdır. Planlama bölümünün ne derece önemli
olduğunu düĢünerek, bu bölümde çalıĢacak personelin mutlaka yaptığı iĢe hakim
olmasına dikkat etmeliyiz. Bu bölümü iĢletmenin beyni olarak düĢünmeliyiz.
66
OnbeĢ yıllık iĢ tecrübeme dayanarak ve uygulamadaki baĢarısınıda emin olduğum
dengeli iĢ akıĢını sağlayacak algoritmalar, her yenigöreve baĢladığım iĢletmede
olumlu neticelerini en kısa zamanda göstermiĢtir. ĠĢletmede görev yapan yönetici ve
Ģef konumundaki personel iĢi yaparken dikkat edilmesi gereken hususların iĢe
baĢlamadan tespit edilip, kurala bağlanmasının ne kadar önemli olduğunu bir kere
daha öğrenmiĢlerdir. Her iĢletme kendine has iĢ akıĢında yaĢadığı problemleri doğru
tespit edebilir ise en doğru çözümüde kendisi bulacaktır.
6.1 ÇalıĢmanın Uygulama Alanı
Çorap iĢletmelerinde yönetim kadroları ve uygulamalardaki profesyonellik çok
yaygın görülen bir durum değildir. Firma sahipleri kendi iĢlerini sıfırdan kuran ve
hala yöneten asıl mesleği çok iyi derece makine ustası olan kiĢilerdir. DeğiĢim her
zaman zordur, yılların tecrübesi yanında genç yöneticilerin önerileri her zaman hak
ettiği değeri görmeyebilir. Çorap iĢletmeleri ihracat yaptıkları firmaların kendileri
zorladıkları değiĢimve sağladıkları eğitim nedeniyle bir geliĢim sürecindedirler.
Fakat iĢletme yönetimindeki uygulamalar geleneksel anlayıĢa veya taklite dayalı bir
yapı içindedirler.
Tezimde izah ettiğim tüm bilimsel bilgilerin planlama yapan personel tarafından
okunması bu konudaki temel bilgiye sahip olmalarını sağlayacaktır.Aynı zamanda
firma müdürlerinin bu tezi incelemesi planlama bölümünü yönetimindeki bilgilerine
katkıları olacaktır.
Dengeli iĢ dağılımının sağlanması için önerilen algoritmalar çorap iĢletmeleri için
yeni bir bakıĢ açısı olmakla birlikte firmalarının verimliliğini artırmak için
kaçınılmazdır. Uygulamanın baĢlatılması, üretilen ürünlere ve kapasitelere bağlı
olarak giriĢ verilerin tespiti firmaların dikkatlice üzerinde düĢünmelerive karar
vermeleri gereken adımdır.
Planlama için sunulan Excel Ģeması, küçük iĢletmeler için bir çözüm olmakla
beraber, asıl sunulmak istenen bir fikir Ģudur, problemin çözümü, konuya hakim ve
problemi doğru tespit etmiĢiseniz, çok zor değildir. Her zaman çok büyük maliyetli
yatırımlar gerektirmez.
67
KAYNAKLAR
Altınkeser, H., 1999 : ‘Kurumsal Kaynak Planlaması’ Yıldızteknik Üniversitesi,
FBE, Yüksek Lisans Tezi.
Balaban, M.E., 1999: Kurumsal Kaynak Planlaması Sisteminin Seçimi ve BaĢarısı’
http://www.tbd.org.tr.
BaĢlıgil, H., 1998: Sıralama ve Programlama (Çizelgeleme) Yıldız teknik
Üniversitesi
Browne, J., Harhen, J., Shivnan, J., 1988. Production Management systems.
Wesley Publishing Company, Inc..
Düzalın, E., Sevinç, S., 2002: ‘Kurumsal kaynakPlanlaması’Uludağ Üniversitesi
Ġktisadi ve Ġdari Bilimler Fakültesi , Cilt XXI, Sayı 1, s.189-218.
IMS, (2000b) MMS Finite capacity planner, MMS Basic Concepts, IMS yazılım
danıĢmanlık & Ticaret Ltd.ġti.
Kuiper, D., (1999). Selecting Finite capacity Planning Software, Volume 3,No:8.
http://www.lionhrtpub.com
Levine, S., 1999: ‘The ABC of ERP’, America’s Network, C.103, S.13, s.54.
http://trial.epnet.com..
Mabert,V.A.,A.Soni,M.A. Venkataramanan, 2000: ‘Enterprise Resource Planning
Survey Of USA manufacturing Firms’ Production and Inventory
Management Journal, Second Quarter, s52-58.
Özgül, Ö., 2006: ‘Bir iĢletme için Topsis ve AHP ile ERP yazılımının seçimi’
Yüksek Lisans Tezi, Skarya Üniversitesi FBE..
Palanisvamy, R., T.Frank 2000: ‘Enhancing Manufacturing Performance With
ERP Systems Management’ C.17,S.3,s.43
Pinedo, M., 1995. Scheduling; Theory, Algorithmis and Systems, Colombia
University, Printice Hall International..
Shankaranarayanan, S., 2000: ‘ERP systems, using IT togain a competitive’
http://www.baan.com.
Talu , ġ., 2004 : ‘Sorularla Kurumsal Kaynak Planlaması’ Ġstanbul Ticaret Odası.
Yedigül, M., 2002: ‘Enterprise Resource Planning’ Gazi Üniversitesi, FBE, Yüksek
Lisans Semineri.
Woolsey, R.E.D., Maurer, R. 1992 Production Scheduling. Mathematical and
Computer sciences The Colorado School Of Mines
69
ÖZGEÇMĠġ
Ad Soyad: Erdal ALTIPARMAK
Doğum Yeri ve Tarihi: Rize, 1973
Adres: BaĢakĢehir Konutları, 4.Etap,1.Kısım, B.17 D.28 BaĢakĢehir Ġstanbul
Lisans Üniversite: Ġstanbul Teknik Üniversitesi