Araç rotalama için kümeleme yaklaşımı

Günümüzde işletmelerin en önemli amaçlarından biri ürünlerin müşterilere zamanında teslim edilebilmesidir. Ürünlerin müşteriye teslim sürecinde dağıtım yapacak araç sayısı, müşteriler ve dağıtım merkezleri arası mesafeler, teslimat zamanlaması, doğru ürününün doğru miktarda teslimi, ürünlerin araç içi yerleştirilmeleri, vb. çok fazla kriter dikkate alınmaktadır. Araç Rotalama Problemleri tüm bu kriterleri dikkate alarak hem müşteri memnuniyetini sağlanmasında hem de sürecin maliyetlerinin minimize edilmesinde kullanılmaktadır. Bu nedenle araç rotalama problemleri hem literatürde hem de uygulamada oldukça sıklıkla çalışılmaktadır. Rotalama yapılırken kapasite, mesafe, depo sayısı vb kısıtlara bağlı olarak kapasite kısıtlı, mesafe kısıtlı, çok depolu önce dağıt sonra topla, eşzamanlı ve karışık topladağıt, zaman pencereli vb farklı teknikler kullanılmaktadır. Bu tekniklerin ortak amaçları: sevkiyatta maliyetlerin azaltılması, en az sefer sayısı ile en fazla teslimatı yapacak rotanın belirlenmesi ve bunları sağlarken teslimat ve hizmet kalitesinin arttırılmasıdır. Rotalamada faydalanılan yaklaşımlardan biri dağıtım yapılacak merkezleri gruplandırmak için kullanılan kümeleme yaklaşımıdır. K-means Kümeleme Algoritması, Hiyerarşik Kümeleme Algoritması, Model Tabanlı Kümeleme metotları, Grid Temelli metotlar, Yoğunluk Temelli metotlar vb. kümeleme algoritmaları kullanılabilir. Bu çalışmada beyaz eşya sektöründe faaliyet gösteren bir imalat işletmesinin nihai ürünlerinin bayilere doğru ve verimli şekilde sevkiyatı için araç rotalama uygulaması anlatılmaktadır. Problemin çözümünde teslimatların yapılacağı bayilerin rotalanmasında "önce kümele sonra rotala" yaklaşımı kullanılmıştır. Öncelikle bayi konumları, sipariş hacimleri ve bilgileri gibi veriler elde edilmiştir. Bayilerin ana depoya olan uzaklıkları dikkate alınarak Google Maps uygulaması aracılığı ile mesafe matrisi oluşturulmuştur. Önce kümele sonra rotala yaklaşımına dayanarak bayilerin kümelemesinde K-means ve Bulanık c-means olmak üzere iki farklı kümeleme algoritması kullanılmıştır. Her iki algoritma ile belirlenen kümeler üzerinden Yapay Arı Kolonisi Algoritması ve Ateş Böceği Algoritması olmak üzere iki farklı sezgisel algoritma ile rotalama yapılmıştır. Sonuç olarak K-means ve Yapay Arı Kolonisi, K-means ve Ateş Böceği, Bulanık c-means ve Yapay Arı Kolonisi, Bulanık c-means ve Ateş Böceği eşleştirmeleri ile dört farklı rota elde edilmiştir. Hem kümeleme hem de rotalama için kullanılan tüm algoritmalara ait kodlar Phyton programında çalıştırılmıştır. Bu rotalar: araç sayısı, kat edilen toplam mesafe, araç kapasitelerinin dolulukları açısından kıyaslanmıştır. Çözümler arasından en uygun yöntem belirlenmiştir.