Makine bozulma etkileri olan esnek iş atölyesi zamanlama problemleri için geliştirilmiş bir balina optimizasyon algoritması

Fabrika zamanlama sorunlarının önemi

Telefonlar, otomobiller ve paketlenmiş gıda gibi günlük ürünlerin arkasında gizli bir bulmaca vardır: hangi makinenin hangi görevi, hangi sırayla yapacağına karar vermek. Bu planlama zorluğu, zamanlama olarak bilinir ve bir fabrikanın işi zamanında teslim edip etmemesini belirler. Bu makale, makinelerin zamanla yıprandığı durumlarda fabrika işlerini nasıl planlayacağınızı inceliyor ve daha hızlı, daha gerçekçi üretim planları bulabilen balina esinli bir bilgisayar algoritması sunuyor.

Atölyede gerçek makineler nasıl yaşlanır

Kitaplarda anlatılan zamanlamada makineler mükemmel kabul edilir: işlem hızları hiç değişmez. Gerçek atölyeler farklıdır. Makineler uzun saatler çalıştıkça parçalar aşınır, ısı birikir ve performans düşer. Aynı makinede daha geç başlayan işler, daha önce işlenen aynı işlerden daha uzun sürebilir. Bu bozulma etkisi, çelik, plastik, makine ve savunma gibi sektörlerde yaygındır. Bunu yok saymak, kağıt üzerinde iyi görünen ama uygulamada hayal kırıklığı yaratan çizelgelere yol açar; çünkü gerçek bitiş zamanları tahmin edilenden çok daha uzun olur.

Aşınmayı basit bir kurala dönüştürmek

Yazarlar, her işin her adımının birden fazla makinede yapılabildiği esnek bir iş atölyesini inceliyor ve makine yaşlanması için gerçekçi bir kural ekliyor. İşlem süresinin sonsuza dek arttığını varsaymak yerine kademeli bir model benimsiyorlar: erken kullanımda makine temel hızda çalışır; belirli bir iş yükünden sonra aşınma arttıkça her işe ekstra süre eklenir; üst bir sınırı aştığında yavaşlama artmayı bırakır ve sabit bir ek gecikmede kalır. Bu kural kullanılarak, iş sırasına, makine seçimlerine ve bozulmanın neden olduğu artan gecikmelere saygı gösterirken tüm işlerin bitimine kadar geçen toplam zamanı minimize etmeyi amaçlayan matematiksel bir model oluşturuluyor.

Avlanan balinalardan fikir ödünç almak

Bu karmaşık planlama sorununu ele almak için makale, kambur balinaların avları çevreleme ve tuzağa düşürme davranışından esinlenen Whale Optimization Algorithm üzerinde iyileştirmeler yapıyor. Algoritmadaki her “balina” bir olası çizelgeyi temsil eder. Bu çizelgeler sürekli güncellenerek grup daha iyi planlar arar. Yazarlar bu sürecin birkaç bölümünü yeniden tasarlıyor. İlk topluluk çizelgelerini oluşturmak için küresel mantık, yerel iyileştirme ve rastgeleliği harmanlayan daha akıllı bir yöntem geliştiriyorlar. Ayrıca sanal balinaların başta geniş keşiften sonra ince ayara geçiş şeklini eğri bir yakınsama kuralı ve adım büyüklüğünü kontrol eden değişken bir “atalet” kullanarak ayarlıyorlar.

Aramayı çeşitli tutmak ve çıkmazlardan kaçınmak

Standart balina yöntemleri, yalnızca makul bir plan etrafında dönerek daha iyisini bulamamak üzere takılı kalabilir. Bunu önlemek için yazarlar, yeni aday çizelgelerin mevcut çizelgeler arasındaki farkları birleştirerek oluşturulduğu başka bir algoritma ailesinden bir mutasyon hilesi ödünç alıyorlar. Bu rastgele diferansiyel adım gruba çeşitlilik kazandırır. Ayrıca altın sinüs stratejisini tanıtıyorlar; düzgün dalga benzeri hareketler ve altın oran kullanarak aramayı çözüm alanının daha geniş bir bölgesine doğru itiyor ve yine de umut verici alanlara yönelmesini sağlıyor. Bu değişiklikler birlikte cesur keşif ile dikkatli iyileştirmenin dengesini kuruyor.

Testler pratikte ne gösteriyor

Ekip, makine aşınmasını içerecek şekilde uyarlanmış standart kıyas zamanlama problemleri üzerinde geliştirilmiş algoritmalarını test ediyor. Sonuçları orijinal balina yöntemi, klasik bir genetik algoritma ve bir gri kurt optimizatörü ile karşılaştırıyorlar. Çoğu test setinde yeni yöntem daha erken biten çizelgeler buluyor ve çalışmadan çalışmaya daha tutarlı sonuçlar veriyor. Ayrıntılı bir örnekte, makine bozulması eklenince yeniden planlama yapılmazsa tahmini bitiş süresinin neredeyse iki katına çıktığı gösteriliyor. Geliştirilmiş balina yöntemi uygulandığında, bozulma dahil toplam süre bu basit plana kıyasla yaklaşık üçte bir oranında azalıyor ve verimlilikte belirgin kazanımlar sağlıyor.

Gerçek fabrikalar için anlamı

Düz bir ifadeyle, çalışma makinelerin hiç yavaşlamıyormuş gibi plan yapmanın yöneticileri ciddi şekilde yanıltabileceğini gösteriyor. Makine yaşlanmasını çizelgeye dahil ederek ve rafine edilmiş balina esinli bir arama kullanarak, fabrikalar görevleri ve makine seçimlerini gerçeğe daha uygun şekilde düzenleyebilir, bekleme sürelerini kısaltıp verimi artırabilir. Yaklaşım hâlâ kararlı koşullar ve dikkatle ayarlanmış parametreler varsaysa da, esnekliğe ve aşınmaya uyum sağlamada atölyelere yardımcı olacak daha akıllı dijital araçlara doğru bir yön gösteriyor ve bilgisayar yapımı planları atölyede gerçekte olanlara daha da yaklaştırıyor.

Atıf: Li, K., Tian, S. An improved whale optimization algorithm for flexible job shop scheduling problems with machine deterioration effects. Sci Rep 16, 14604 (2026). https://doi.org/10.1038/s41598-026-44409-4

Anahtar kelimeler: zamanlama, optimizasyon, imalat, makine aşınması, meta-sezgisel yöntemler