TOBB ETÜ Endüstri Mühendisliği Öğrencileri YAEM 2024'te Türkiye Birincileri

Bu yıl 43. kez düzenlenen Yöneylem Araştırması ve Endüstri Mühendisliği Ulusal Kongresi (YAEM) kapsamında gerçekleştirilen öğrenci bitirme projeleri yarışmasına, Türkiye genelinden birçok takım katılım göstermiştir. Ön eleme ve yarı final aşamalarını başarıyla geçerek finalist olmaya hak kazanan 8 takım arasından, TOBB ETÜ Endüstri Mühendisliği Bölümü’nden iki takımımız yer almış ve her iki takımımız da Türkiye birinciliği elde etmiştir. Birincilik kazanan takımlarımız “Evreka-Dijital Atık Yönetimi Üzerine Araç Rotalama Optimizasyonu” ve  “Trendyol - Spot Araç Atama ve Rotalama Problemi” başlıklı projeleri yürütmüşlerdir. Bu projelerde yer alan Evreka grubu öğrencilerimiz Necati Yiğit Aksoy, Ezgi Begüm Albaşoğlu, Tahir Arda İngör, Burak Kızılkoca, Bensu Ocaktan, Kağan Seyirden ve akademik danışmanları Dr. Öğr. Üyesi Gül Çulhan Kumcu'yu; Trendyol grubu öğrencilerimiz Doğa Gemalmaz, Atahan Günay, İnci Sıla Kaleli, Mustafa Yiğit Önen, Melis Semizer, Nilsu Yaraneri ve akademik danışmanları Doç. Dr. Eda Yücel’i tebrik ediyoruz.

YAEM 2024 Türkiye Birincisi:

Evreka - Dijital Atık Yönetimi Üzerine Araç Rotalama Optimizasyonu

Takım Elemanları: Necati Yiğit AKSOY,  Ezgi Begüm ALBAŞOĞLU, Tahir Arda İNGÖR, Burak KIZILKOCA, Bensu OCAKTAN, Kağan SEYİRDEN

Akademik Danışman: Dr. Öğr. Üyesi Gül ÇULHAN KUMCU

Proje Özeti:

Bu projede, atık yönetimi üzerine dijital çözümler tasarlayan bir firma olan Evreka ile çalışılmıştır. Çalışılan lokasyonda bulunan konteyner konumları, mesafe matrisleri, konteyner doluluk oranları ve araç sayısı rotayı etkileyen değişkenlerdendir. Firma, sunduğu çözümde bir kapasite kısıtı kullanmaksızın Google OR-Tools aracılığıyla Gezgin Satıcı Problemi (TSP) uygulamaktadır. Kapasite kısıtının göz ardı edilmesi ile sabit sayıda araç kullanımı sunulan çözümü optimalden oldukça uzaklaştırmaktadır. Bu çalışmada, bir ilçe belediyesi için taşıma rotalarının uzunluğunu minimize etmek ve araç sayısını azaltmak amacıyla Kapasiteli Araç Rotalama Problemi (CVRP) üzerine çalışılmıştır. İki aşamalı bir çalışma gerçekleştirilmiştir. Öncelikli olarak karmaşık tam sayılı lineer (MILP) bir matematiksel modelleme geliştirilmiştir. Model, belirli bir örneklem grubu için Python ile Gurobi Optimizer kullanılarak çözdürülmüştür. Elde edilen sonuçta toplam rota uzunluğunun iyileştiği görülmüş ve araç sayısında azalma sağlanmıştır. Ancak VRP’nin NP-Hard bir problem olmasından ötürü çözümü uygulanabilir sürelere indirmek amacıyla ikinci aşamada sezgisel yöntemlere başvurulmuştur. Mevcut matematiksel model üzerine Clarke & Wright Savings (Tasarruf) algoritması uygulanmış ve elde edilen rotalar bir metasezgisel yöntem olan Tabu Search algoritması ile geliştirilmiş, 2-Opt algoritması kullanılarak mevcut yaklaşım desteklenmiştir. Tüm bu çalışmalar göz önünde bulundurulduğunda, atık yönetimi alanında rota optimizasyonu problemlerinin çözümüne yönelik kapsamlı ve etkili bir yaklaşım sunularak araç sayısında ve kat edilen mesafelerde iyileşmeler elde edilmiştir.

YAEM 2024 Türkiye Birincisi:

Trendyol - Spot Araç Atama ve Rotalama Problemi

Takım Elemanları: Doğa GEMALMAZ, Atahan GÜNAY, İnci Sıla KALELİ, Mustafa Yiğit ÖNEN, Melis SEMİZER, Nilsu YARANERİ

Akademik Danışman: Doç. Dr. Eda YÜCEL

Özet:

Bu projenin temel amacı, Trendyol' un kendi filo kapasitesinin yetersiz olduğu durumlarda tedarikçilerden alınacak ürünlerin farklı nakliye firmaları aracılığıyla minimum maliyetle toplanması ve depolara ulaştırılmasını sağlamaktır. Projede iyileştirilmiş bir çözüm bulabilmek için toplanacak siparişlerin hangi nakliye firmaları ve araç tipleri ile taşınacağına karar verilebilmesi için atama ve araç rotalama işlemlerini kapsayan matematiksel model oluşturulmuş ve Python dilinde ilgili kütüphaneleri kullanarak (Gurobi, Pandas) kodlanmıştır. Karışık tam sayı programlama (MIP) modelinde veri sayısının artmasıyla yanıt süresi uzamış ve bir sezgisel algoritma ihtiyacını doğurmuştur. Mevcut sistem, yapısal sezgisel (constructive heuristics) algoritma olarak geliştirilmiş ve ALNS (Adaptive Large Neighbourhood Search) kullanılarak üzerinde iyileştirmeler (improvement heuristics) yapılmıştır. Problem çözümü kapsamında operasyonel güvenilirliği artırmak adına bir yedekleme stratejisi uygulayarak birden fazla kargo firmasıyla dağıtım yürütmek amaçlanmıştır. Algoritma girdilerinin kullanıcıdan alındığı ve çıktıların kullanıcıya sunulduğu kullanıcı dostu bir ara yüz geliştirilmiştir. Bu sayede, karmaşık bir ön işleme süreci gerektiren kapasiteli araç yönlendirme problemine ve atama problemine çözüm getirilmiştir. Bu proje sonucunda, Trendyol'un tedarik zincirindeki operasyonel verimliliğin artırılması ve nakliye maliyetlerinin düşürülmesi sağlanmıştır.