Tesis yerleşim problemleri için ürün çeşitliliği ve taleplerindeki değişiklikler karşısında, yerleşimin yeniden değerlendirilmesini sağlayacak araçların geliştirilmesi, esnek ve modüler üretim teknolojilerinin hızla gelişmesiyle birlikte önem kazanmıştır.
Kareli atama problemleri (KAP), tesis yerleşimi problemlerinin ifade edilmesinde uzun yıllardır kullanılmaktadır. Ancak bu yaklaşımla; 15 ve daha fazla bölümlü problemler için en iyi çözümü garanti etmek zor olduğu gibi, bir çok gerçek uygulamanın gereksinimleri de karşılanamamaktadır.
Takım zekası tabanlı rassal eniyileme (TZRE) algoritması, yakın bir zamandan itibaren; özellikle sürekli problemlerin dahil olduğu bazı problem alanları için rassal ve arama tabanlı eniyileme tekniği olarak kullanılmaya başlanmasına rağmen literatürde, kesikli problemlerle ilgili yeterli sayıda kapsamlı çalışma mevcut değildir.
Bu çalışmada, kalitesi yüksek (en iyi ya da en iyiye yakın) çözümler bulmak amacıyla takım zekası tabanlı rassal bir algoritma geliştirilerek (i) bilinen KAP-tabanlı blok yerleşim problemlerine benzeyen ya da benzemeyen birtakım kısıtları olan bölümlerin atamasının yapılmasına olanak veren tesis yerleşimine (ii) rassal arama yaklaşımları alanına katkıda bulunacak yeni bir yaklaşım önerilmektedir.
Önerilen takım zekası tabanlı üç rassal eniyileme algoritması, 80’in üzerinde probleme uygulanmıştır. Ayrıca, belli bölümlerin belli yerleşim alanlarına istenmeyen atamaların yapılmaması ve bölüm boyutlarından kaynaklanan birtakım kısıtların gözönüne alınması için QAPLIB problemleri bölüm-bazlı kısıtları temsil edecek şekilde geliştirilmiştir.
Bu çalışma, TZRE’nin, KAP olarak modellenen tesis yerleşim problemlerinin çözümünde kullanılabilir bir yöntem olabileceğini göstermektedir.
Development of new tools enables the evaluation of facility layouts against the changes of product mix and demand fluctuation have gained importance with advances in flexible and modular manufacturing technologies.
The quadratic assignment problem (QAP) has been used to deal with facility layout problems extensively for decades. This approach can neither resolve the intractability of larger problems (with more than 15 departments) by assuming the optimal solutions nor satisfy the requirements of many real-world applications.
Swarm intelligence based stochastic optimization (SISO) algorithm has been recently introduced as a stochastic, search-based optimization method for numerous problem domains especially including continous problems. There haven’t been enough researches about discrete problems yet.
In this study, a new approach that will contribute to (i) the facility layout domain by enabling the assignment of departments with some restrictions similar and unsimilar traditional QAP-based layout problems, and (ii) the stochastic search methods domain by developing a swarm intelligence based stochastic optimization algorithm is proposed to find high-quality (optimal or near-optimal) solutions efficiently in a robust manner.
Proposed SISO approach is tested on more than 80 problems. In order to represent department-specific restrictions for generating more practical test problems including undesired assignment of certain departments to certain locations as well some considerations related to department sizes.
This study reveals that SISO is a promising algorithm for solving layout problems formulated as QAP.