Entegre ileri ve tersine lojistik ağ tasarımı problemi için bir bulanık matematiksel programlama model önerisi

Abstract

Rekabet koşulları altında üretim süreçlerinin yanı sıra lojistik süreçlerinin de optimize edilmesinin önemi günümüzde neredeyse tüm endüstriler tarafından kabul edilmektedir. Ancak lojistik süreçler genellikle tedarikçiden müşteriye doğru ileri yönlü olarak ele alınmakta, müşteriden ürünlerin geri dönüş süreçlerine ise gerekli özen gösterilmemektedir. Son yıllarda tersine yönlü bu lojistik faaliyetlerin optimize edilmesine yönelik çalışma sayısı artsa da bu çalışmaların uygulamadaki etkisi oldukça kısıtlı olmuştur. Lojistik kapsamındaki bu ileri ve tersine yönelik hareketliliklerin tek başına optimize edilmesi yeterli olmamaktadır. Bu nedenle son dönemlerde ileri ve tersine hareketliliklerin entegre olarak ele alınmasına yönelik akademik çalışmalar yapılmaya başlanmıştır. Bu tezde özel koşullar altında entegre ileri ve tersine ağ tasarım problemi ve problemin bir endüstriyel uygulaması ele alınmıştır. Problem kapsamında üretim, dağıtım, depolama ve toplama süreçlerini içeren çok aşamalı bir dağıtım ağı tasarlanmıştır. Problem kapsamında taktik seviyede önceden belirlenebilmesi zor olan parametreler bulanık olarak modellenmiştir. Bulanık olarak oluşturulan modelin çözülebilmesi amacıyla literatürde yer alan beklenen aralıklar yaklaşımının karşılaştırılması yoluyla bulanık sayı sıralaması yaklaşımından yararlanılmıştır. Bu çalışma kapsamında ayrıca tedarik zinciri ağ tasarımı literatüründe ilk defa parsiyel, komple ve hibrit taşıma alternatifleri de ağ tasarımı aşamasında dikkate alınmıştır. Bu sayede ileri ve geri yönlü ağın daha etkin olarak kullanılması amaçlanmıştır. Oluşturulan modelin geçerliliği gerçek bir endüstriyel uygulama kullanılarak test edilmiştir. Ayrıca problemin çözüm sonuçlarını daha iyi değerlendirebilmek için farklı parametreler üzerinden duyarlılık analizi gerçekleştirilmiştir. Sonuçlar modelin ekonomik açıdan etkin olduğunu göstermektedir. Tez sonucunda modelin operasyonel düzeyde hizmet ağının oluşturulması ve stratejik düzeyde yatırım kararlarının alınmasına yardımcı olabilecek düzeyde olduğu gösterilmiştir.

The importance of optimizing logistical processes as well as manufacturing processes under competitive conditions is recognized by most industries nowadays. However, while the logistical processes are generally studied in terms of forward flow from the supplier to the customer, the necessary attention is not paid to the return processes of the products from the customer. Although the number of studies about optimizing reverse logistics activities has increased in recent years, the impact of these studies on implementation has been quite limited. Since it is not sufficient to optimize forward and reverse flow in logistics separately, academic studies have been started in order to integrate forward and reverse flow. In this study, integrated forward and reverse network design problem under special conditions and an industrial application of the problem are discussed. Within the scope of the problem, a multi-stage distribution network is designed including production, distribution, storage and collection processes. The parameters that are difficult to determine at the tactical level in advance are modeled as fuzzy. In order to solve the fuzzy model, the fuzzy number ordering approach is utilized by comparing the expected intervals approaches in the literature. Partial, full and hybrid transportation alternatives are also taken into consideration in the network design stage for the first time in the supply chain network design literature. Therefore it is aimed to use forward and backward network more effectively. The validity of the model has been tested on a real life industrial problem. In addition, sensitivity analysis is performed on different parameters in order to better evaluate the solution results of the problem. The results show that the model is economically effective. As a result of this study, it is shown that the model is at a level that can help to establish service network at operational level and to make investment decisions at strategic level.