Page 38 - LCW LIFE | ŞUBAT 2021

Bizden Haberler - News
36
Çözüm Yaklaşımı ve Tasarruf
Optimizasyon modellerinin altında yatan fikirler yardımıyla sezgisel algoritma tasarlanarak bu problem için kısa süren optimuma yakın bir çözüm üretilebilir. Coursera’da karşılaştığım eğitimde (Discrete Optimization) çözüm yaklaşımları (local search, constraint optimization gibi) anlatılıyor. Bu yaklaşımları irdeleyerek tasarladığınız algoritmayı iyileştirmek mümkündür. Bu kapsamda X firmasına ait toplama algoritması tasarımında “Large Neighboorhood” yönteminden
faydalanarak iyileştirme yaptık. Bu yöntem, kombinasyonel optimizasyon problemine (çözümü polinomiyal zaman alan), optimizasyon modellerinin tekrarlı çözümünü sağlayarak optimum veya daha iyi bir çözüm yaklaşımı sunar. Bir başka deyişle, problemi alt kümelere indirger ve alt kümelerin ardıl çözümünü klasik optimizasyon yöntemleriyle çözer. Bu yaklaşımdan esinlenerek yapılan geliştirme sonrasında mağazalara gönderilen koli dolulukları maksimum ve ürün toplama süreleri minimum seviyeye getirilerek firma için bir iyileştirme yapılır. Bu iyileştirmeyle birlikte mevcut durumdaki maliyetlere kıyasla yüzde 1’lik bir azalma meydana geldi. Bu tasarruf (milyonlarca Türk lirası) ile firma rakiplerine kıyasla ciddi bir rekabet avantajı elde etmeye hazır hâle geliyor. Optimizasyon modellerinin veya bu modeller altında yatan fikirlerin tetiklediği düşüncelerle problemler, firmaya ve geliştirme yapan kişilere katkı sağlayacak şekilde çözülebiliyor.
Bir perakende firmasının gerçek hayat problemine uygulanan optimizasyon yönteminden hareketle elde edilen faydayı açıkça görebiliyoruz. Bilimsel bilgi ile sektör know-how’ının birleştiği bu örnekle verimlilik esaslı işler yapılabileceğinin mümkün olacağı gösteriliyor. Firmalar için potansiyel faydaya ulaşmada online eğitim platformlarının tetikleyici rolü olduğunun farkında olmak gerekir. Son olarak buradaki yaklaşım, farklı sektörlerde pek çok optimizasyon yöntemlerinin kullanılabileceğini göstermektedir.
Solution Approach and Saving
With the help of the ideas underlying the optimization models, an intuitive algorithm can be designed and a nearly optimum solution
for this problem can be produced in a short time. In the training (Discrete Optimization) I encountered on Coursera, solution approaches (such as local search, constraint optimization) are explained. It is possible to improve
the algorithm you designed by examining
these approaches. In this context, we made improvements in the collection algorithm design of X company by using the "Large Neighborhood" method. This method provides an optimum or better solution approach to
the combinational optimization problem (the solution takes polynomial time) by providing iterative solution of optimization models. In other words, it reduces the problem to subsets and solves the successive solution of subsets by classical optimization methods. Inspired by this approach, an improvement is implemented for the company by minimizing the parcel loadings sent to the stores and minimizing the collection times. With this improvement, there has been
a 1 percent reduction in the costs compared to the current costs. With this savings (millions
of Turkish liras), the company is ready to gain
a serious competitive advantage compared to its competitors. With the thoughts triggered
by optimization models or the ideas underlying these models, problems can be solved in a way that contributes to the company and the people who realize the development.
We can clearly see the benefit obtained from the optimization method implemented to the real-life problem of a retail company. With
this example, where scientific knowledge and industry know-how are combined, it is shown that it will be possible to do productivity-based work. It is necessary to be aware of the trigger role of online training platforms in achieving potential benefits for companies. Finally, the approach here proves that many optimization methods can be used in different sectors.