--- title: Üretim Çizelgeleme slug: uretim-cizelgeleme-2 url: /detay/uretim-cizelgeleme-2 type: article language: Türkçe entity: primary: Üretim Çizelgeleme type: article disambiguation: Üretim Çizelgeleme: Zamanı optimize edin, verimliliği artırın. Kaynak planlaması için ideal çözümler. categories: - name: Endüstri, Üretim Ve Otomasyon Sistemleri slug: endustri-uretim-ve-otomasyon-sistemleri url: /kategori/endustri-uretim-ve-otomasyon-sistemleri tags: - Sezgisel Yöntemler - Çizelgeleme - üretim - Optimizasyon author: İsmail Akgün created_at: 2025-02-22T13:31:12.632885+03:00 updated_at: 2025-04-17T11:48:35.755984+03:00 --- # Üretim Çizelgeleme ## Article Content Çizelgeleme, [üretim](/tr/detay/uretim-750525/llms.txt) ve hizmet sektörlerinde [yaygın](/tr/detay/yaygin-748456/llms.txt) olarak kullanılan kritik bir [karar verme](/tr/detay/karar-verme-2/llms.txt) sürecidir. Belirli bir [zaman](/tr/detay/zaman-2/llms.txt) dilimi içinde sınırlı kaynakların çeşitli görevlere tahsis edilmesini içerir ve temel amacı, belirlenen hedefleri en iyi şekilde optimize etmektir. Kaynaklar; makineler, insan gücü, pistler, bilişim sistemleri veya inşaat ekipleri [gibi](/tr/detay/gibi-749510/llms.txt) farklı formlarda olabilirken, görevler ise üretim operasyonları, uçuş planlamaları, proje aşamaları veya bilgisayar işlemleri gibi çeşitli süreçleri kapsayabilir. Günümüzün rekabetçi iş dünyasında, işletmelerin [hız](/tr/detay/hiz-3/llms.txt), esneklik ve verimlilik odaklı çözümler geliştirmesi kaçınılmaz hale gelmiştir. Müşteri taleplerini zamanında, kaliteli ve maliyet [etkin](/tr/detay/etkin/llms.txt) şekilde [karşılamak](/tr/detay/karsilamak/llms.txt), sürdürülebilir büyüme ve [rekabet](/tr/detay/rekabet-2/llms.txt) avantajı açısından büyük [önem](/tr/detay/onem/llms.txt) taşımaktadır. Teknolojik gelişmeler ve değişen [piyasa](/tr/detay/piyasa/llms.txt) koşulları, kaynakların etkin kullanımını ve üretim süreçlerinin verimli yönetilmesini zorunlu kılmaktadır. ### **Üretim Çizelgeleme** Üretim çizelgeleme problemleri genellikle α|β|γ gösterimi ile ifade edilir. Burada, α üretim ortamını, β işlem özelliklerini ve kısıtlarını, γ ise optimize edilmesi gereken hedefi temsil eder. Üretim ortamı, genellikle tek makineli ve çok makineli ortamlara göre sınıflandırılır. Çok makineli çizelgeleme problemleri, çeşitli üretim süreçlerini kapsar ve bunlar arasında akış tipi [atölye](/tr/detay/atolye-750528/llms.txt) (flow shop), esnek akış tipi atölye (flexible flow shop), iş atölyesi (job shop) ve paralel makine sistemleri (parallel machine systems) gibi farklı üretim ortamları bulunur. Her bir üretim süreci, kendine özgü karakteristikler ve kısıtlamalar içerir. İşlem özellikleri ve kısıtlar, üretim sürecindeki çeşitli kısıtlamaları tanımlar. Bu kısıtlar arasında kurulum süresi (setup time), işlerin bölünebilmesi (preemption), aşamalar arası beklemenin yapılamaması (no-wait) ve permütasyon gibi kısıtlamalar [yer](/tr/detay/yer-2/llms.txt) alır. Bu kısıtlar, üretim sürecinde her bir işin ne zaman ve hangi koşullar altında işleme alındığını belirler. Optimize edilmesi gereken hedefler ise, genellikle en son işin sistemden ayrılma zamanı (makespan) ve toplam gecikme süresi (total tardiness) gibi performans ölçütleridir.  Çizelgeleme problemleri, problemin büyüklüğü ve karmaşıklığına bağlı olarak P problemleri (Polinomial) veya NP problemleri (Nondeterministic Polynomial) olabilir. P problemleri, matematiksel algoritmalarla [makul](/tr/detay/makul-750541/llms.txt) bir sürede kesin sonuca ulaşılabilirken, NP problemleri için aynı [şey](/tr/detay/sey-2/llms.txt) söylenemez. Bu nedenle, çeşitli sezgisel ve meta-sezgisel yöntemler geliştirilmiştir. Bu yöntemler kesin [çözüm](/tr/detay/cozum/llms.txt) [vaat](/tr/detay/vaat/llms.txt) etmez, ancak doğruya en [yakın](/tr/detay/yakin-750943/llms.txt) çözümün makul bir sürede bulunmasına [olanak](/tr/detay/olanak/llms.txt) tanır. ![Image](https://cdn.kureansiklopedi.com/media/uploads/2025/02/22/DT5aNxr5ncfzvFeIPbFg1UflQy0ErJyG.jpeg) *Gantt Şeması - Medium.com* #### **Makine Ortamları** ##### **Tek Makine** Tek makineli [problem](/tr/detay/problem/llms.txt), çeşitli çizelgeleme konularını ele almak için kullanılabilen yönetilebilir bir model sunar. Farklı performans ölçütlerini ve çeşitli çözüm tekniklerini incelemek için bir bağlam sağlar. Bu nedenle, çizelgeleme kavramlarını kapsamlı bir şekilde anlamanın temel taşlarından biridir. Karmaşık bir sistemin davranışını [tam](/tr/detay/tam/llms.txt) olarak anlayabilmek için önce onun parçalarını kavramak önemlidir ve tek makineli problem genellikle daha büyük bir çizelgeleme probleminin bir parçası olarak karşımıza çıkar. Bazen, tek makineli problem [bağımsız](/tr/detay/bagimsiz-2/llms.txt) olarak çözülebilir ve elde edilen sonuç daha büyük probleme entegre edilebilir. Örneğin, çok aşamalı üretim süreçlerinde bir darboğaz aşaması bulunabilir ve bu darboğazı tek makineli analiz ile ele almak, tüm çizelgenin özelliklerini belirleyebilir. ##### **Paralel Makine** [Klasik](/tr/detay/klasik/llms.txt) paralel makineli çizelgeleme probleminde, n adet iş ve m adet makine bulunur. Her işin belirli bir işlem süresi boyunca bir makinede işlenmesi gerekir. Burada amaç, belirli bir performans ölçütünü optimize eden bir [çizelge](/tr/detay/cizelge-b27f4/llms.txt) oluşturmaktır. Çizelgeleme sürecinde iki temel karar alınır: sıralama (işlerin hangi sırayla işleneceği) ve iş-makine ataması (hangi işin hangi makinede işleneceği). Tek makineli problemler yalnızca optimal iş sıralamasını belirlemeyi gerektirirken, çok makineli problemlerde aynı zamanda optimal iş-makine atamasını da bulmak gerekir. ![Image](https://cdn.kureansiklopedi.com/media/uploads/2025/02/22/3KYXSGmiuxy0sg2G53Ub6B19ad5W7t9C.png) *Paralel Makine Tipi Üretim - Kaabi, J., & Harrath, Y. (2014)* ##### **Akış Tipi Atölye** Akış tipi atölye düzenleri, makinelerin sıralı bir şekilde dizildiği ve işlerin belirli bir rota boyunca işlendiği üretim ortamlarını ifade eder. İşler, ilk makinede başlar, ara makinelerden geçer ve son makinede tamamlanır. Bu [düzen](/tr/detay/duzen-3/llms.txt) genellikle akış tipi atölye olarak adlandırılsa da, [gerçek](/tr/detay/gercek-2/llms.txt) üretim sistemleri genellikle daha karmaşık yapılara sahiptir. Akış tipi atölye çizelgelemesi, makinelerden belirli bir [sıra](/tr/detay/sira-3/llms.txt) ile geçmesi gereken işlere yönelik optimal bir çizelge oluşturmayı içerir. İşler, her makinede farklı işlem sürelerine sahip olabilir. Bu problem, iki temel bileşenden oluşur: m adet makine ve her biri aynı sırayla işlenecek ancak farklı işlem sürelerine sahip n adet iş. ![Image](https://cdn.kureansiklopedi.com/media/uploads/2025/02/22/xln6LzJ16vwCh46ALsEhkNqqN94IOG0Q.jpeg) *Akış Tipi Atölye - Aslan, E. (2017)* ##### **Esnek Akış Tipi Atölye** Temel akış tipi atölye problemlerinde her işlem merkezi yalnızca bir makine içerir. Ancak, en az bir işlem merkezi birden fazla makine içeriyorsa, problem esnek akış tipi atölye problemi haline gelir. Esnek akış tipi atölyeler, basit akış tipi atölyelerin genelleştirilmiş bir versiyonudur. Esnek akış tipi atölye çizelgeleme problemleri, hem akış tipi atölye hem de paralel makineli çizelgeleme özelliklerini bir araya getiren bir yapıya sahiptir. Proses esnekliği, farklı türde işlemleri gerçekleştirebilme yeteneği olarak tanımlanabilir. Operasyonel esneklik ise, farklı [parça](/tr/detay/parca-702ab/llms.txt) türleri için işlem sırasını yeniden düzenleyebilme kapasitesini ifade eder. Bu iki esneklik türü sayesinde, herhangi bir [operasyon](/tr/detay/operasyon/llms.txt) belirli bir aşamadaki herhangi bir paralel makineye atanabilir. Bu atamalar değiştikçe, makinelerdeki işlem süreleri de buna bağlı olarak farklılık gösterebilir. ![Image](https://cdn.kureansiklopedi.com/media/uploads/2025/02/22/odXX1l7bOXyYIUMkOSsDLZgunaiOdFEW.jpeg) *Esnek Akış Tipi Atölye - Aslan, E. (2017)* ##### **İş Atölyesi** Klasik iş atölyesi çizelgeleme problemi, akış tipi atölye çizelgeleme probleminden [önemli](/tr/detay/onemli-0325c/llms.txt) bir noktada farklılık gösterir, İş akışı tek yönlü değildir. Problemin temel bileşenleri, m adet makine ve çizelgelenecek n adet işten oluşur. Her iş, akış tipi atölye modelindeki gibi doğrusal bir öncelik ilişkisine sahip bir dizi operasyondan meydana gelir. Bir işin herhangi bir sayıda operasyon içermesi mümkün olsa da, iş atölyesi çizelgeleme problemlerinin en yaygın formülasyonu, her işin tam olarak m operasyon içermesini ve her operasyonun farklı bir makinede gerçekleştirilmesini varsayar. Ancak, [ana](/tr/detay/ana-751169/llms.txt) fikirleri uyarlayarak, bir işin aynı makineyi birden fazla kez ziyaret edebildiği veya bazı makineleri atlayabildiği daha genel durumlara uygulamak mümkündür. Akış tipi atölye modelinden farklı olarak, [sadece](/tr/detay/sadece-e8b50/llms.txt) ilk operasyonu gerçekleştiren bir başlangıç makinesi veya sadece son operasyonu gerçekleştiren bir bitiş makinesi bulunmaz. #### **İşlem Özellikleri ve Kısıtlar** ##### **Kurulum Süresi** Kurulum süresi (Setup time), bir makinenin bir işin işlenmesine başlamadan önce yapılan hazırlık süresidir. Bu hazırlık süresi, makinenin önceki işten sonraki işe geçiş yapabilmesi için gerekli olan işlemleri içerir. Bu işlemler arasında makine ayarlarının değiştirilmesi, gerekli ekipman ve malzemelerin yerleştirilmesi, yazılım güncellemeleri veya özel kalıpların takılması gibi adımlar bulunabilir. ##### **Bölünebilme** Bölünebilme (Preemption), bir makinede işlemekte olan bir işin, o işin tamamlanmadan önce başka bir özdeş makineye veya aynı makinede farklı bir zaman dilimine kaydırılabilmesini ifade eder. Bu, bir işin tamamlanmadan önce geçici olarak durdurulması ve daha sonra başka bir işin önceliklendirilmesi için yeniden başlatılması anlamına gelir. ##### **Aşamalar Arası Beklemenin Yapılamaması** No-wait kısıtı, bir üretim sisteminde, işlerin bir işlemden diğerine geçerken beklememesi gerektiğini ifade eden bir kısıttır. Bu kısıt, bir işin bir makinede işlem yapmayı bitirdikten sonra, hemen sonraki makinede işlem yapmaya başlaması gerektiği anlamına gelir. Yani, işler, her makinede işlem bitiminden sonra hiç beklemeden, doğrudan bir sonraki işlemi başlatacak şekilde sıralanmalıdır. ##### **Permütasyon** Permütasyon çizelgeleme, işlerin sıralanmasının yalnızca işlerin birbirine göre sırasının değiştirilmesine dayandığı bir çizelgeleme türüdür. Yani, bu tür bir çizelgeleme probleminde, belirli bir dizi işin belirli makinelerde veya işleme istasyonlarında belirli bir sırayla yapılması gerekmektedir ve işlerin sırasını değiştirmek dışında herhangi bir başka değişiklik yapılmaz. #### **Amaç Fonksiyonu** ##### **En Son İşin Sistemden Ayrılma Zamanı** En son işin sistemden ayrılma zamanı (makespan), bir dizi işin tamamlanması için geçen toplam süredir. Matematiksel olarak, makespan, son işin bitiş zamanı ile ilk işin başlangıç zamanı arasındaki farktır. Yani, tüm işlerin tamamlanmasının en son zamanıdır ve üretim sürecinin verimliliğini ölçmede önemli bir performans göstergesidir. ##### **Toplam Gecikme Süresi** Toplam gecikme süresi (total tardiness), bir üretim çizelgeleme probleminde, her bir işin teslim tarihine göre ne kadar geciktiğini ölçen bir performans göstergesidir. Yani, bir işin teslim tarihi ile gerçek tamamlanma tarihi arasındaki farkın toplamını ifade eder. Matematiksel olarak, bir işin gecikmesi, tamamlanma zamanı ile teslimat zamanı arasındaki farktır. Eğer tamamlanma zamanı teslimat zamanından önceyse, o işin gecikmesi sıfırdır (yani zamanında tamamlanmıştır). Ancak, tamamlanma zamanı teslimat zamanından sonra ise, gecikme süresi pozitif olur ve bu [fark](/tr/detay/fark-2/llms.txt) toplam gecikmeye eklenir. #### **Çözüm Yolları** ##### **Kesin Çözüm** Kesin [algoritma](/tr/detay/algoritma-6/llms.txt), bir optimizasyon probleminin her zaman optimal çözümünü bulan bir algoritma olarak tanımlanır. Bu, bazen yakın optimal çözüm elde edebilen sezgisel yaklaşımlardan farklıdır. Bunların bir alt kümesi de yakınsama algoritmalarıdır. Bunlar, optimal çözüm ile algoritma tarafından üretilen çözüm arasındaki oran için [garanti](/tr/detay/garanti-749837/llms.txt) edilmiş bir sınırın kanıtlanabileceği algoritmalardır. NP-zor gibi zor optimizasyon problemleri için, genellikle bazı polinomal süreli yakınsama algoritmaları bulunurken, en iyi bilinen kesin algoritmalar üstel zaman gerektirir. Dal-Sınır algoritması, çizelgeleme problemlerini çözmek için doğrudan bir yaklaşım olarak kabul edilebilir. Bu algoritma, ayrık ve kombinatoriyel optimizasyon problemleri için bir algoritma tasarım paradigması olarak tanımlanır. Dal-Sınır algoritmasında, aday çözümler kümesi, köklü ağacın kökü olarak tanımlanırken, çözüm kümesinin alt kümeleri bu ağacın dallarıyla temsil edilir. Algoritma, dalları keşfeder ve optimal çözüm için üst ve alt sınırları belirler. Algoritma, optimal çözüm elde edilene kadar çözümleri iteratif olarak elemek suretiyle çalışır. ##### **Sezgisel Yöntemler** Sezgisel yöntemler, verilen bir [hedef](/tr/detay/hedef-751630/llms.txt) için tatmin edici bir çözüm arama sürecidir ve bu çözümün optimal olacağı garanti edilmez. Sezgisel yöntemler, problem çözme, öğrenme sistemleri ve optimizasyon için kullanılabilir. Sezgisel yöntemler grubu, yapıcı prosedürler ve iyileştirme prosedürleri olarak ikiye ayrılmıştır. Yapıcı prosedürler, çözümün iş bazlı veya [aşama](/tr/detay/asama-750088/llms.txt) bazlı olarak inşa edilerek oluşturulmasına yönelik yöntemlerdir. İyileştirme prosedürleri kategorisi ise verilen bir başlangıç veya inşa edilmiş çözümü iyileştiren yöntemleri ifade eder. Sezgisel yöntemler için NEH, CDS ve Palmer algoritmaları örnek olarak verilebilir. ##### **Meta Sezgisel Yöntemler** Meta-sezgisel yöntemler, potansiyel çözümleri iteratif bir şekilde iyileştiren süreçlerdir. Diğer bir deyişle, meta-sezgisel yaklaşım, geniş bir problem setine uygun sezgisel algoritmaları tanımlamak için kullanılabilecek matematiksel fikirlerin bir koleksiyonudur. [Tabu](/tr/detay/tabu-2/llms.txt) Arama, [Genetik](/tr/detay/genetik-748095/llms.txt) Algortimalar, Simüle Tavlama, Parçacık Sürü Optimizasyonu ve [Karınca](/tr/detay/karinca-748779/llms.txt) Kolonisi Optimizasyonu, meta sezgisel yöntemlere örnek olarak verilebilir. ## Academic Sources and References 1. Pinedo, Michael. Scheduling: Theory, Algorithms, and Systems. 3. baskı. Springer, 2008. Son erişim: 23 Şubat 2025. Erişim Adresi.Mokotoff, Ethel. "Parallel Machine Scheduling Problems: A Survey." Asia-Pacific Journal of Operational Research 18, no. 2 (2001): 193–242. Son erişim: 23 Şubat 2025. Erişim Adresi.Palmer, Douglas Stephen. "Sequencing Jobs through a Multistage Process in the Minimum Total Time: A Quick Method of Obtaining a Near Optimum." Operational Research Quarterly 16 (1965): 101–107. Son erişim: 23 Şubat 2025. Erişim Adresi.Tomazella, Caio Paziani, ve Nagano, Marcelo Seido . "A Comprehensive Review of Branch-and-Bound Algorithms: Guidelines and Directions for Further Research on the Flowshop Scheduling Problem." Expert Systems with Applications 158 (2020): 113556. Son erişim: 23 Şubat 2025. Erişim Adresi.Tapkan, Pınar Zarif., Özbakır, Lale., Kulluk, Sinem., ve Telcioğlu, Burak. "Raylı Sistemlerde Görev Çizelgeleme Probleminin Modellenmesi ve Çözümü." Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 2018. Son erişim: 23 Şubat 2025. Erişim Adresi.Baker, Kenneth., ve Trietsch, Dan. Principles of Sequencing and Scheduling. 2. baskı. Wiley, 2019. Son erişim: 23 Şubat 2025. Erişim Adresi.Campbell, Herbert., Dudek, Richard., ve Smith, Milton. "A Heuristic Algorithm of the N-Job, M-Machine Sequencing Problem." Management Science 16, no. B (1970): 630–637. Son erişim: 23 Şubat 2025. Erişim Adresi.Guzman, Eduardo., Andres, Beartiz., ve Poler, Raul. "Models and Algorithms for Production Planning, Scheduling, and Sequencing Problems: A Holistic Framework and a Systematic Review." Journal of Industrial Information Integration, 2022. Son erişim: 23 Şubat 2025. Erişim adresi.Kaabi, Jihene., ve Harrath, Youssef. "A Survey of Parallel Machine Scheduling Under Availability Constraints." International Journal of Computer and Information Technology 3, no. 2 (2014). Son erişim: 23 Şubat 2025. Erişim Adresi.Lee, Tian., ve Loong, Ying-Tai. "A Review of Scheduling Problem and Resolution Methods in Flexible Flow Shop." International Journal of Industrial Engineering Computations 10, no. 1 (2019): 67–88. Son erişim: 23 Şubat 2025. Erişim Adresi.Miyata, Hugo Hissashi., ve Nagano, Marcelo Seido. "The Blocking Flow Shop Scheduling Problem: A Comprehensive and Conceptual Review." Expert Systems with Applications 137 (2019): 130–156. Son erişim: 23 Şubat 2025. Erişim Adresi.Nawaz, Muhammad., Enscore Jr, Emory., ve Ham, Inyong. "A Heuristic Algorithm for the M-Machine, N-Job Flowshop Sequencing Problem." OMEGA International Journal of Management Science 11, no. 1 (1983): 91–95. Son erişim: 23 Şubat 2025. Erişim Adresi.Singh, Harpreet., Oberoi, Jaspreet Singh., ve Singh, Doordarshi. "Multi-objective Permutation and Non-permutation Flow Shop Scheduling Problems with No-wait: A Systematic Literature Review." RAIRO-Operations Research 55, no. 1 (2021): 27–50. Son erişim: 23 Şubat 2025. Erişim Adresi.Singh, Manas Ranjan., ve Mahapatra, Siba Sankar. "A Swarm Optimization Approach for Flexible Flow Shop Scheduling with Multiprocessor Tasks." International Journal of Advanced Manufacturing Technology 62 (2011): 267–277. Son erişim: 23 Şubat 2025. Erişim Adresi.Ying, Kuo-Ching., ve Lin, Shih-Wei. "Minimizing Makespan for the Distributed Hybrid Flowshop Scheduling Problem with Multiprocessor Tasks." Expert Systems with Applications 92 (2018): 132–141. Son erişim: 23 Şubat 2025. Erişim Adresi.Sarıcan, Bünyamin., ve Engin, Orhan. "Makine Çizelgeleme Problemlerinin Çözümünde Pekiştirmeli Öğrenme Etkisinin Analizi." ALKÜ Fen Bilimleri Dergisi 6, no. 2 (2024): 116–140. Son erişim: 23 Şubat 2025. Erişim Adresi.