Üç boyutlu palet yükleme probleminin metasezgisel çözüm yaklaşımı ile bir otomotiv fabrikasında uygulaması
The application of the three-dimensional pallet loading problem in an automotive factory with a metaheuristic solution approach
- Tez No: 845895
- Danışmanlar: DOÇ. DR. İHSAN HAKAN SELVİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 93
Özet
Bu çalışma, lojistik yönetimini yakından ilgilendiren iç ve dış lojistik disiplinlerinin her ikisinde de kullanılabilecek olan palet yükleme problem tipi üzerine yoğunlaşan bir çalışmadır. Bu tezin konusu olan üç boyutlu palet yükleme problemi (3B-PYP) sevkiyat zincirinin önemli bir halkasını oluşturur. Çalışmada, literatürde palet yükleme veya konteyner atama problemlerinin önümüze çıktığı bir diğer alt bölüm olan kutulama problemleri önceliklendirilmiştir. Bu çalışmanın amacı tır yükleme problemlerinin bir türevi olan 3B-PYP'yi kutulama başlığında ele alarak, sektörün ihtiyacı olan bazı özel kısıtlar altında en uygun çözümü üretmek ve sevk edilecek olan ürünlerin en az sayıda palete yüklenerek , kutulama için tam bir küp yaparken en az sayıda boş kutu kullanılarak sevk edilmesini sağlamaktır. Kutulama problemleri, yüke dayanım, kırılgan kutu tipleri (karton) üzerine başka nesne konulmaması ve her bir palete tek bir tedarikçinin tek bir iç rotasının ürünlerinin yerleştirilmesi (bağlantılı nesnelerin bir arada olması) kısıtları altında ele alınmıştır. Kutuluma problemleri ve 3B-PYP'leri için Türkiye'nin sayılı büyük otomotiv üretim tesislerinden montaj bölümü iç lojistik birimine bu çalışma ile çözüm önerisi sunulmaktadır. Farklı kutu tipinin en verimli nasıl küplenip sevk edileceği mevcutta, ilgili birimde sadece manuel olarak kutu tiplerinin tanınması ve tecrübeye dayalı şekilde planlanıyordu. Diğer taraftan tedarikçiler ise gelen siparişleri karmaşa ve tecrübeye dayalı el yordamıyla bulunan çözümler ile sevkiyata hazırlıyorlardı. Günümüzde teknolojinin gelişmesi ve küreselleşme ile artan ticaret hacmi, lojistik operasyonlarının optimizasyonunu zorunlu hale getirmiştir. Bu operasyonları yüksek hızda, yüksek doğrulukta ve düşük maliyetle yürütmek için matematiksel optimizasyon araç ve modelleri kullanılarak bu çalışma ile optimum çözüm sunmak amaçlanmıştır. Sevkiyatta kullanılan kutuların en, boy ve yükseklik ölçüleri dikkate alınarak sevkiyatta kullanılan ve firmanın ana kuralı olan standart tabanlara yükseklik limitleri içinde en az boş kutu kullanacak şekilde 3 boyutlu palet yükleme problemi örnek bir tedarikçi seçilerek örnek bir rotasında uygulanmaya çalışılmıştır. Bu örnek olarak seçilen tedarikçi firmanın yerel tedarikçiler içinde en yüksek sipariş hacmine sahip olan tedarikçidir. Sipariş hacmi dışında kullanılan kutu türleri ve rota çeşitliliği ve kısıtların %90'ı hedeflenerek test problemi oluşturulmuştur. Çalışma sonucunda, tabu arama sezgiselleri ile genetik algoritma kullanılarak firmaya 3B-PYP'leri çözümleri sunulmuştur. Bu çalışmadaki sonuçlar doğrultusunda firmada manuel yöntemlerden otomasyona geçiş ve boş kutu ile toplam palet kullanım oranında azaltma sağlanmaya çalışılmıştır. Paletlerin dolu kullanım hacmi artırılarak verimli paletleme yapılması ile maliyet azaltılması önerilmiştir. Genetik algoritma ve yükleme sezgiselleri ile amaç fonksiyonu ve problemin kısıtları Python da tanımlanarak sonuçlar listelenmiştir. Mevcut durumda insan beyni ile manuel olarak yerleştirme işlemi yapılan paletleme operasyonunda yerleşim kararı verilirken her kutu için yüzlerce farklı iterasyon yaparak en iyi sonucu seçmesi ve tüm iterasyonları değerlendirip dakikalar içerisinde en verimli paletleme çözümü yapması mümkün olmamaktadır. Fakat bu çalışmada kurulan GA ve TA algoritması ve çözüm yöntemleri ile örnek test problemi seçilen 1 tedarikçi 8 farklı kutu tipi ve 1 rota ve toplam 42 kutu için bile her bir kutuyu yerleştirirken ortalama 640 ile 450 arasında değişen çözüm seçenekleri oluşturulup verilen skorlama sonuçlarına göre en iyi çözüm seçilerek doluluk oranlarını maksimize etmesi saniyeler içinde tamamlanmıştır. Modelleme çalıştırıldığında tek 1 tedarikçinin 1 rotasına ait olan 8 farklı kutu tipi ve 46 adet kutunun maksimum verimle yerleştirilmesi problemi, sunulan bu çalışma ile toplam 5 palete sığdırılmıştır. Bu paletin 4 adeti %100, 1 adeti %32 oranında doluluk hacmine sahiptir. Son paletin doluluk hacmindeki düşüklük ise yerleştirilmesi gereken kutuların bitmiş olması kaynaklıdır. Bunun yanı sıra bu paletlerin yerleştirilmesinde paletleme dengesini sağlamak için hiç boş kutu kullanımı olmadan dengeli bir palet yerleşim düzeni sunulmuştur. Tüm bu sonuçlar tek seferde çalıştırıldığında ortalama 0.10 saniyede çözüm sunabilmiştir. Kullanılan kutuların elenerek programın ayrı ayrı yeniden çalıştırılması ile ise toplamda 0.42 saniyede çözüme ulaşılmıştır. Bu örneklem büyüklüğü için tüm kutuların yerleştirilmesi, verilerin manuel olarak hazırlanma süresi dahil 32 dakika sürmektedir. Bu çalışma kapsamında aynı problem 6 yıllık deneyimli bir çalışan ve 1 yıllık deneyimli bir çalışan tarafından ayrı ayrı çözülmüştür. Bu durumda 6 yıllık deneyimli çalışan tüm kutuları toplamda 6 palete, 1 yıllık deneyimli çalışan ise toplamda 7 palete sığdırabilmiştir. Sisteme göre deneyimli personel ve tecrübesiz operatör tarafından yapılan paletleme çözümünde palet sayısındaki artışın yanı sıra boş koli kullanımında da artış ortaya çıkmıştır. Bu çalışma ile firmaya manuelden dijitale geçiş, gelecekteki firma vizyonuna uygun olan robotik çalışma alanına kolay entegrasyon, iş yapış süresinde iyileşme ve maliyet kazancı sağlanmıştır. Toplam palet sayısında azalma elde edilerek sadece çalışma yapılan firmaya değil, tedarikçilere de işgücü ve maliyet kazancı fırsatı sunulmuştur.
Özet (Çeviri)
This study focuses on the type of pallet loading problem that can be used in both internal and external logistics disciplines, which are closely related to logistics management.The three-dimensional pallet loading problem (3D-PYP), which is the subject of this thesis, constitutes an important link in the shipping chain. In this study, boxing problems, another subsection where pallet loading or container assignment problems are encountered in the literature, are prioritized. The purpose of this study is to handle 3D-PYP, which is a derivative of truck loading problems, under the title of boxing, to produce the most suitable solution under some special constraints that the industry needs, to load the products to be shipped. Also,another purpose is the minimum number of pallets, and to produce a complete cube for boxing, with the least number of It is to be shipped using an empty box. Boxing problems are handled under the constraints of load resistance, no other objects placed on fragile box types (carton), and placing products of a single supplier's single internal route on each pallet (linked objects together). With this study, a solution proposal is presented for boxing problems and 3D-PYPs to the assembly division's internal logistics department, which is one of the largest automotive production facilities in Turkey. Currently, in this department, it is planned manually how different types of boxes will be diced and shipped in the most efficient way, based on the recognition of box types and experience. Nowadays, the development of technology and the increasing trade volume with globalization have made the optimization of logistics operations mandatory. In this study, it is aimed to provide an optimum solution with mathematical optimization tools and models to carry out these operations at high speed, high accuracy and low cost. Considering the width, length and height dimensions of the boxes used in the shipment, the 3D pallet loading problem was tried to be applied on a sample route by choosing a sample supplier, using the least empty boxes within the height limits on the standard floors used in the shipment and which is the main rule of the company. The supplier selected for this example is the supplier with the highest order volume among local suppliers. A test problem was created by targeting 90% of the box types and route diversity and constraints used. As a result of the study, 3D-PYPs solutions were presented to the company by using tabu search heuristics and genetic algorithm. In line with the results of this study, it was tried to switch from manual methods to automation in the company and to reduce the use of empty boxes and total pallets. It has been proposed to reduce the cost by increasing the full usage volume of the pallets and making efficient palletizing. Genetic algorithm and loading heuristics, objective function and constraints of the problem are defined in Python and the results are listed. Parameters of genetic algorithms in the application part of the study; box types and size information were defined as gene structure. As the population, all box types used in the selected supplier were defined. The roulette wheel selection as the selection operator was determined and applied. Thus, the chance of selecting chromosomes with high fitness values is increased. Since the box used as the crossover structure is a non-reusable constraint, the most suitable“partially mapped crossover”structure was preferred. Since the performance of genetic algorithms depends on the change of parameters, the most optimal parameters were tried to be defined in the study. In the study, the test problems were run repeatedly and parameter selection and consistency were also checked. The genetic algorithm parameters defined in the study were determined as follows. Thanks to these parameters, the study has become able to offer the solution in seconds. -Maximum number of iterations: 80 -When it iterations 25 times and does not improve, it stops finding a solution, that is, iteration. -Crossover rate: 70% -30% mutates. -Mutation rate: 0.15 After defining all the parameters and operators of this genetic algorithm, the necessary loops and commands in accordance with the general working principle of the genetic algorithm were added and the classes in Python were made ready. When the codes were run by combining the work with the Tabu Search algorithm, which is another of the main solution foundations of the study, the data results of the pallets created by GA by making random selections in each study and the occupancy rate of these pallets were obtained. Briefly the algorithm of the study, After activating the txt.file containing the initial parameters defined in the system and the box information that will serve as an input in the box.py class, the initial population is created. After the fitness values of all chromosomes (blocks and boxes) in the population are calculated, they are kept in memory according to the relevant score points. This score is evaluated as a result of scoring, and selection is made and mutation takes place according to the cross-chromosomal crossover and the defined mutation rate. Iteration limit and tabu search as maximum 80 iterations stop searching for a new solution when the limited results do not get a better result in the 25th iteration. After all these definitions were made, the model was run in python. Solution results were obtained according to the number of boxes and the solution pool iteration probability between 0.16 and 0.1 seconds on average for each pallet. In the conclusion and evaluation part of the study, the solution results provided by the modeling in python and the solution results made manually in the company are compared. One of the most important findings in this study is that since the operation was transferred from manual to digital, the results were made independent of being dependent on the person and experience. This provided flexibility in operation as well as increased productivity. As a result of the comparison of inexperienced operator, experienced operator and system results, it is presented that cost and labor savings are provided to the company and the processing time is reduced. When the modeling is run, the problem of placing 8 different box types and 46 boxes belonging to 1 route of a single supplier with maximum efficiency has been fit into a total of 5 pallets with this study. 4 of these pallets have a 100% filling volume and 1 have a 32% filling volume. The reason why the final pallet efficiency is like this is because the boxes to be placed are finished. All these results were able to provide a solution in an average of 0.10 seconds when run at once. By eliminating the boxes used and rerunning the program separately, the solution was reached in 0.42 seconds in total. On the other hand, placing all boxes for this sample size takes 32 minutes, including the preparation time of the data manually. Within the scope of this study, the same problem was solved separately by a 6-year-experienced employee and a 1-year-experienced employee. In this case, the 6-year-experienced employee was able to fit all the boxes on 6 pallets in total, and the 1-year-experienced employee was able to fit 7 pallets in total. In addition to the increase in the number of pallets, an increase in the use of empty boxes has emerged in the palletizing solution made by the experienced member and the inexperienced member, according to the system. As can be seen from the results of the comparison, this study presented the company with an improvement in terms of reducing 1 operator due to the reduction of handling operations on the supplier side and the efficiency of shipping more boxes with fewer pallets. In addition, it is planned to submit proposals for the implementation of the improvement in all company chains as a global kaizen. The general contribution and difference of the study to the literature is that, apart from the fast and highly efficient solution it offers to a real life problem with such large masses, it is generally focused on the external logistics departments in case of boxing or container problems, while it includes both the manufacturer and distributor principles in which the box distribution is made, such as internal logistics. It has been shown that solutions can be proposed within the chapters and can be considered as a study subject. In addition, it is possible to integrate the proposed GA for use in robotics in unmanned and contactless automatic palletizing projects, which is one of the company's future projects to be carried out within the scope of Industry 4.0.
Benzer Tezler
- Üç boyutlu palet yükleme probleminin karışık tam sayılı programlama (MILP) ve hibrit genetik algoritma ile çözümü
Solving the 3D-pallet loading problem by a mixed integer linear programming and a hybrid genetic algorithm
SENA KIR
Doktora
Türkçe
2019
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN REŞİT YAZĞAN
- Üç boyutlu stok kesme probleminin matematiksel programlama teknikleri ile optimizasyonu ve sünger endüstrisinde bir uygulama
Three-dimensional cutting stock problem optimization in using mathematical programming techniques and an application in foam industry
AYŞE KÜTAHNECİ
Yüksek Lisans
Türkçe
2013
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. LALE ÖZBAKIR
- Fonksiyonel derecelendirilmiş kirişlerin mekanik analizi
Mechanical analysis of functionally graded beams
UĞUR ÖZMEN
Doktora
Türkçe
2021
Makine MühendisliğiManisa Celal Bayar ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. BOZKURT BURAK ÖZHAN
- An application of pallet loading problem
Palet yükleme problemi
ÖZLEM AKMAN
Yüksek Lisans
İngilizce
2013
Endüstri ve Endüstri MühendisliğiYaşar ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ADALET ÖNER
- Kabuk yapıların sonlu elemanlar yöntemi kullanılarak yapısal olarak incelenmesi
Structural analysis of shell structures by using the finite element method
HASAN KIYIK
Yüksek Lisans
Türkçe
2020
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ORHAN KAYA