KANTİTATİF KARAR

VERME TEKNİKLERİ

SDÜ, Orman Fakültesi

Orman Endüstri Mühendisliği Bölümü
4. Sınıf, Bahar Dönemi
GİRİŞ
Karar verme, iş dünyasının çalışmasını sağlayan temel unsurlardandır.
Tüm yöneticiler, bulundukları faaliyet alanı ve kademelerinden
bağımsız olarak stratejik düzeyden operasyonel düzeye kadar
çeşitlenen geniş bir yelpazede kısa, orta, uzun dönemli kararlar
verirler.
Ancak iyi karar verebilmek kolay bir iş değildir. Klasik anlamda
düşünüldüğünde, iyi kararlar verebilmek için deneyim önemli bir
faktör olarak öne çıkmaktadır. Öte yandan son derece karmaşık bir
yapıya dönüşmüş, rekabetin yoğun olduğu, sürekli değişimin
yaşandığı, milyonlarca insanın yer aldığı, yoğun bir veri bulutunun
içinde işleyen, yüksek teknoloji kullanan günümüz iş dünyası
koşullarında klasik yaklaşımla sadece deneyimi kullanarak verilen
kararlar işletmeler açısından çok talihsiz sonuçlar doğurabilir.

• Bu dersin temel amacı, Yöneylem Araştırması (Operations

Research-OR) modellerinin bilimsel karar verme sürecinde
kullanılmasını sağlamaktır.
• İkinci temel amaç; karmaşık matematiksel algoritmaları olan
Yöneylem Araştırması modellerini, bilgisayar üzerinde oluşturup,
kullanımı kolay yazılımlar yardımıyla, detaylı matematiksel
hesaplamalara girmeden MS Excel ve onun üzerinde çalışan çeşitli
eklentiler ile gerçekleştirmeyi öğrenmektir.
 Eş Seçimi

Duygusallık Çekicilik Yetişkin Mücadeleci Sorumluluk Espirili Zeki

Psikolojik drm. Fiziksel drm. Sosyo-kültürel yp. Fizyolojik yp. Estetik grnş.

Pozitif enerji Yemek Sosyallil Dünya görüşü Evcimen

& Problem çözücü
Koruyucu Ekonomik drm
Aile & Çocuk Dini duygular Bakımlı
& Zeki
Cinsellilk Anlayışlılık
Sinirlilik

Güven

Şefkat
Durum 1: Evlen Evlenme
Sadakat Durum 2:

Ayşe Fatma Suzan Zekiye

Ders İçeriği

Yöneylem araştırması ile ilgili genel kavramlar ve tanımları, Karar, Karar problemlerinin
yapısı, Karar verme ve Modelleme, Doğrusal Programlama (Simpleks yöntemi, Dualite ve
duyarlılık analizleri), Tam sayılı doğrusal programlama, Ulaştırma modelleri, Ağ (Şebeke)
modelleri ve analizi, Hedef programlama, Envanter modelleri.

Haftalık Ders Planı

Hafta İşlenecek Konular

1 Yöneylem araştırması ile ilgili genel kavramlar ve tanımları, karar, karar problemlerinin
yapısı, karar verme ve modelleme.
2 Doğrusal programlamaya giriş ve doğrusal programlama modelinin kurulması.
3 Maksimizasyon ve minimizasyon modellerine örnekler ve grafik yöntemle çözümü.
4 Doğrusal programlama örnek çözümleri
5 Ms Excel solver ve WinQSB yazılımları ile örnek çözümleri
6 Duyarlılık analizleri
7 ARA SINAV
8 Tam sayılı doğrusal programlama modelleri ve çözüm algoritmaları.
9 Ulaştırma problemlerinin matematiksel modelleri, ulaştırma algoritması.
10 Atama modeli, şebeke modellerine giriş.
11 Örnek çözümleri
12 AHP Yöntemi ve örnek uygulamalar.
13 Envanter modellerine giriş, deterministik envanter modelleri.
14 Simulasyon
 Yararlanılacak kitaplar 1
İçindekiler

1 Yönetim Bilimi İle Modelleme Sürecine

Giriş............................................... 1

Doğrusal Programlama.............................................................. 19
2.1. Doğrusal Programlamaya Giriş............................................. 20
2.2. Doğrusal Programlama Modellerinin Formülasyonu............. 22
2.3. Doğrusal Programlama Modellerinin Grafik Çözüm Yöntemi
ile Çözülmesi......................................................................... 28
2.3.1. Grafik Çözüm Yönteminde Özel Durumlar................. 35
2.4. Doğrusal Programlama Modellerinin Hesap Tablosu
Üzerinde Formülasyonu..........................................................38
2.5. Doğrusal Programlama Modellerinin SOLVER ile Çözülmesi..46
Problemler..................................................................................... 54
Şebeke Modelleri.............................................. 153
5.1. Giriş................................................... 154
Doç.Dr. Aydın ULUCAN 5.2. Şebeke Modellemesi Terminolojisi.... 155
5.3. Ulaştırma Modelleri............................ 156
5.4. Atama Modelleri................................ 162
5.5. Aktarma Modelleri............................. 168
5.6. En Kısa Yol Modelleri........................ 177
.......................................

http://yunus.hacettepe.edu.tr/~aulucan/index_tur.htm
Proje Yönetimi........................................................................................ 253
8.1. Giriş................................................................................................... 254
8.2. CPM – Kritik Yol Metodu........................................................................ 256
8.3. PERT – Program Değerlendirme ve İrdeleme Tekniği............................... 268
8.4. Projelerin Hızlandırılması (Crashing)...................................................... 275
Problemler................................................................................................ 284

Karar Analizi........................................................................................... 289

9.1. Giriş................................................................................................... 290
9.2. Belirsizlik Altında Karar Verme.............................................................. 293
9.2.1. Maksimaks Karar Kriteri.............................................................. 294
9.2.2.Maksimin Karar Kriteri................................................................. 295
9.2.3. Minimaks Pişmanlık Karar Kriteri.................................................. 296
9.3. Risk Altında Karar Verme...................................................................... 297
9.3.1. Beklenen Değer Karar Kriteri....................................................... 298
9.3.2. Beklenen Fırsat Kaybı (Pişmanlık) Karar Kriteri.............................. 299
9.3.3. Tam Bilginin Beklenen Değeri (TBBD)........................................... 300
9.4. Karar Ağaçları..................................................................................... 301
9.5. Çok Aşamalı Karar Verme...................................................................

Simülasyonla Modelleme............................................................................ 437

13.1. Giriş................................................................................................. 438
13.2. Monte Carlo Simülasyonu ve Rassal Sayı Üretilmesi............................... 438
13.3. Excel’de Simülasyon Uygulaması.......................................................... 439
13.4. Excel’de Sürekli Dağılımlara Uygun Rassal Sayı Üretilmesi...................... 443
13.5. @Risk ile Simülasyon......................................................................... 444
13.6 Kiralık Otomobil Rezervasyonu Örneği................................................... 451
Problemler................................................................................................ 454
 2
Prof.Dr. Emin Zeki Başkent,
Yöneylem Araştırması: Doğal
Kaynak Uygulamaları, KTÜ
Orman Fakültesi, Trabzon,
2003.
Hamdy A. Taha
Literatür Yayıncılık Dağıtım
35.00 TL

Ahmet Öztürk
Ekin Kitabevi
33.00 TL
 TERMİNOLOJİ
• "Yöneylem Araştırması" (YA), İngiliz ve Avrupalılar tarafından
"Operational
Research" ve Amerikalılar tarafından "Operations Research" olarak
isimlendirilir ve "OR" olarak kısaltılır.
• Bu alanda kullanılan bir diğer terim de "Yönetim Bilimi"dir
(Management Science) ve uluslararası literatürde MS olarak
kısaltılır. İki terim birleştirilerek "OR/MS" veya "ORMS" de denilir.
• YA genelde bir "Sorun Çözme" (problem solving) ve "Karar Verme
Bilimi" (decision science) olarak da değerlendirilir.
• Bazı kaynaklarda YA yerine Endüstri Mühendisliği (Industrial
Engineering - IE) kavramı da kullanılır. Son yıllarda bu alan için tek
bir terim kullanılmaya çalışılmaktadır: OR. Biz de derste bu alan
için Yöneylem Araştırmasının Türkçe kısaltması olan YA'yı
kullanacağız.
• “Yöneylem Araştırması (Yönetim Bilimi) genellikle kıt
kaynakların tahsis edilmesi gereken durumlarda en
iyi şekilde bir sistemi tasarlamaya ve işletmeye yönelik
karar verme sürecine bilimsel bir yaklaşımdır.”
• Belirli bir hedefi gerçekleştirmek için birlikte çalışan birbirine bağlı
bileşenlerin oluşturduğu düzen sistemdir.
 "YA, gerçek hayat sistemlerinin
matematiksel modellerle temsil edilmesi
ve en iyi çözümü bulmak için kurulan
modellere sayısal yöntemler
(algoritmalar) uygulanmasıdır."

Bir eniyileme (optimizasyon) modeli verilen

kısıtları sağlayan karar değişkenlerinin
tüm değerleri arasında amaç fonksiyonunu
eniyileyen (enbüyükleyen veya
enküçükleyen) değerleri bulmayı hedefler
 Örnek
Two Mines Şirketi özel bir cevher çıkardığı iki adet maden
ocağına sahiptir. Ocaklarda üretilen cevher üç sınıfa
ayrılır: yüksek, orta, düşük kaliteli. Şirket bir fabrikaya
haftalık olarak 12 ton yüksek, 8 ton orta ve 24 ton düşük
kaliteli cevher sağlamak üzere anlaşmıştır. Söz konusu iki
maden ocağı (X ve Y) ayrıntıları aşağıda verilen farklı
işletim özelliklerine sahiptir.
Üretim (ton/gün)

Maden Maliyet (£'000 / gün) Yüksek Orta Düşük

X 180 6 3 4
Y 160 1 1 6

Anlaşmayı gerçekleştirmek için haftasonu üretim

yapılmayan maden ocakları haftada kaç gün
işletilmelidir?
• • haftada bir gün X madenini, bir gün Y
madenini işletme

"olurlu (uygun) olmayan" (infeasible) çözüm denilir.

• haftada 4 gün X madenini, 3 gün Y

madenini işletme

"olurlu" (feasible) çözüm denilir. Fakat söz konusu çözüm önerisi

çok pahalıdır.
Çözüm
Yapmamız gereken Two Mines örneğini sözel olarak ifade
edip, söz konusu ifadeyi matematiksel bir tanıma
çevirmektir. Bu tipte sorunları çözmeye uğraşırken
öncelikle aşağıdaki kavramları belirlemeliyiz:
• değişkenler (variables)
• kısıtlar (constraints)
• amaç.(objective)
Bu belirleme sürecine "formülasyon" ya da daha resmi bir
şekilde sorunun matematiksel modelinin formülasyonu
denilir.
Değişkenler
Bunlar verilmesi gereken kararları veya bilinmeyenleri temsil eder. İncelenen
sorunda
iki adet karar değişkeni (decision variable) vardır:
x = Bir haftada X maden ocağının işletileceği gün sayısı
y = Bir haftada Y maden ocağının işletileceği gün sayısı
Doğal olarak x >= 0 ve y >= 0 olacaktır
• Kısıtlar
Kısıt, soruna özgü durumların getirdiği sınırlamalardır. Kısıt
belirlemenin en iyi yolu
önce sınırlayıcı durumları sözel olarak ifade edip daha sonra
değişkenleri kullanıp matematiksel biçimde yazmaktır:
Cevher üretim kısıdı – üretilen cevher ile müşteri gereksiniminin
dengelenmesi
• Cevher çeşitleri
• Yüksek 6x + 1y >= 12
• Orta 3x + 1y >= 8
• Düşük 4x + 6y >= 24

• Haftalık gün kısıdı - Haftada belirli bir günden fazla

çalışılamaz. Örneğin haftada 5
gün çalışılırsa
• x <= 5
• y <= 5
Haftalık gün sayısı gibi kısıtlar genellikle saklı (implicit) kısıtlar
olarak isimlendirilir
çünkü bu kısıtlar değişkenlerin tanımlanmasında saklıdır
 • Amaç
Şirketin amacı toplam maliyeti (180x + 160y) en
az seviyede tutarak müşteri gereksinimlerini
karşılamaktır.
matematiksel model aşağıdaki biçimdedir:
• tüm değişkenler süreklidir (continuous)
tam matematiksel modeli • tek bir amaç vardır (enbüyükleme
(maximize) veya enküçükleme (minimize))
enküçükle (minimize)
• amaç ve kısıt fonksiyonları doğrusaldır.
180x + 160y
Fonksiyondaki her terim ya sabit
öyle ki (subject to)
sayıdır ya da bir sabitle çarpılmış
6x + y >= 12
değişkendir (örneğin 24, 0, 4x, 6y
3x + y >= 8
doğrusal terimlerdir fakat xy, x2 doğrusal
4x + 6y >= 24
değildir).
x <= 5
Yukarıdaki üç koşulu sağlayan
y <= 5
herhangi bir formülasyon bir "Doğrusal
x,y >= 0
Program"dır
(DP; linear program - LP).
YA problem
çözme mantığı

Kaynak: Öztürk A.,

KARAR VERME SÜRECİ
DOĞRUSAL PROGRAMLAMA
bir matematiksel modelin bir "Doğrusal Program" (DP;
linear program - LP) olması için aşağıdaki koşulları sağlaması gerekir:
• Tüm değişkenler süreklidir (continuous)
• Tek bir amaç vardır (enbüyükleme (maximize) veya enküçükleme (minimize))
• Amaç ve kısıt fonksiyonları doğrusaldır. Fonksiyondaki her terim ya sabit sayıdır
ya da bir sabitle çarpılmış değişkendir
DP'ler önemlidir çünkü:
• çok sayıda sorun DP olarak formüle edilebilir
• "Simpleks algoritması" kullanılarak DP'ler çözülebilir ve en iyi çözüm bulunabilir
DP'lerin temel uygulama alanlarına aşağıda çeşitli örnekler verilmiştir:
• Üretim planlama
• Rafineri yönetimi
• Karışım
• Dağıtım
• Finansal ve ekonomik planlama
• İşgücü planlaması
• Tarımsal planlama
• Gıda planlama
 DP varsayımlar
• • Oransallık
• Her karar değişkeninin amaç fonksiyonuna katkısı karar değişkeninin
değeri ile orantılıdır (Dört asker üretmenin amaç fonksiyonuna (kâra)
katkısı (4×$3=$12) bir askerin amaç fonkisyonuna katkısının ($3) tam
olarak dört katıdır.)
• Her karar değişkeninin kısıtların sol tarafına katkısı karar değişkeninin
değeri ile orantılıdır. (Üç asker üretmek gerekli montaj zamanı (2 saat × 3 =
6 saat) tam olarak bir asker üretmek için gerekli montaj zamanının (2 saat)
üç katıdır.)

• • Toplanabilirlik
• • Bölünebilirlik
• Kesinlik
BURAYA KADAR YAZILAN DENKLEM VE EŞİTSİZLİKLER
BİR ARAYA GETİRİLİRSE ÖRNEĞİN DOĞRUSAL
PROGRAMLAMA MODELİ:

MAKS Z 50 X1 + 9X2 (AMAÇ FONK.)

=
3 X1 + X2 ≤ 3000 (1. İŞLEM KAP. KISITI)
2 X1 + 1.6X2 ≤ 3200 (2. İŞLEM KAP. KISITI)
X1 + 0.5X2 ≤ 1200 (3. İŞLEM KAP. KISITI)
X1 ≤ 800 (A ÜRÜNÜ TALEP KISITI)
X2 ≤ 1800 (B ÜRÜNÜ TALEP KISITI)
X1 ≥ 0
X2 ≥ 0

AMAÇ FONKSİYONU TEKNİK SAĞ TARAF

KAYSAYILARI KATSAYILAR SABİTLERİ
CAM FABRİKASI ÖRNEĞİ

BİR CAM FABRİKASI ALÜMİNYUM ÇERÇEVELİ CAM KAPI VE

AHŞAP ÇERÇEVELİ ÇİFT CAMLI PENCERE ÜRETMEKTEDİR.
BU FABRİKADA ÜÇ ADET ATÖLYE MEVCUT OLUP, 1.
ATÖLYEDE ALÜMİNYUM ÇERÇEVE VE DONANIMLAR, 2.
ATÖLYEDE AHŞAP ÇERÇEVE VE DONANIMLAR, 3 ATÖLYEDE
DE CAM ÜRETİLMEKTE VE ÜRETİLEN CAMLARIN
ALÜMİNYUM VEYA AHŞAP ÇERÇEVELERE MONTAJI
YAPILMAKTADIR. PAZARLAMA BÖLÜMÜ, HER İKİ ÜRÜNÜNDE
PAZAR PAYININ OLDUKÇA YÜKSEK OLDUĞUNU, MEVCUT
İMKANLAR DAHİLİNDE ÜRETİLECEK HEP KAPI VE
PENCERENİN MUTLAKA SATILABİLECEĞİNİ BELİRLEMİŞTİR.
BUNUN ÜZERİNE FABRİKA YÖNETİM KURULU YÖNEYLEM
ARAŞTIRMASI BÖLÜMÜNDEN BİR GÜNDE HER BİR ÜRÜNDEN
KAÇAR ADET ÜRETİLİRSE KARIN EN ÜST SEVİYEYE
ÇIKARILABİLECEĞİNİ ARAŞTIRMASINI İSTEMİŞTİR.
KONUYU İNCELEYEN YÖNEYLEM ARAŞTIRMASI UZMANLARI
ŞU BİLGİLERE İHTİYAÇ OLDUĞUNU BELİRLEMİŞTİR:
1. HER BİR ATÖLYENİN BİR GÜNDEKİ TOPLAM ÜRETİM
KAPASİTESİ. (ÜRETİM KAPASİTESİNİ OLUŞTURAN
BİRÇOK FAKTÖR (HAMMADDE, PARA, MAKİNE
SAYISI, VB.) OLMAKLA BİRLİKTE PROBLEMİ SADE
VE ANLAŞILABİLİR BİR SEVİYEDE TUTMAK İÇİN,
ÜRETİM KAPASİTESİNİN SADECE İŞÇİLİK
SAATİNDEN OLUŞTUĞU VARSAYILMIŞTIR.)
2. HERBİR ÜRÜNDEN BİR BİRİM ÜRETMEK İÇİN HER
BİR ATÖLYEDE KULLANILACAK ÜRETİM KAPASİTESİ
(İŞÇİLİK SAATİ).
3. ÜRETİM SONUNDA HER BİR ÜRÜNÜN SATIŞINDAN
ELDE EDİLECEK KAR MİKTARI.
FABRİKA İSTATİSTİK UZMANLARI ÜRETİM VE PAZARLAMA
BÖLÜMÜYLE KOORDİNELİ BİR ŞEKİLDE İHTİYAÇ DUYULAN
BİLGİLERİ TOPARLAMIŞ VE YÖNEYLEM ARAŞTIRMASI
EKİBİNE VERMİŞTİR. BU BİLGİLER:
 Atölye Birim Ürün Başına Gerekli Mevcut Kapasite
Kapasite (İşçilik Saati) (İşçilik Saati)
Ürün 1 Ürün 2
1 1 0 4
2 0 2 12
3 3 2 18
Birim Kar 3 birim 5 birim -

1.KARAR DEĞİŞKENLERİ
ÖRNEKTEN, FABRİKA YÖNETİM KURULUNUN KARAR
VERMESİ GEREKEN İKİ ADET FAALİYET MEVCUT OLDUĞU
GÖRÜLÜR. BUNLARA SIRASIYLA X1 VE X2 DERSEK:
X1 :BİR GÜNDE ÜRETİLECEK ALÜMİNYUM ÇERÇEVELİ CAM
KAPI MİKTARI
X2 :BİR GÜNDE ÜRETİLECEK AHŞAP ÇERÇEVELİ ÇİFT
CAMLI PENCERE MİKTARI
2.AMAÇ FONKSİYONU
YÖNETİM KURULUNUN AMACI ÜRETİLECEK ÜRÜNLERİN
SATIŞINDAN ELDE EDİLECEK KARI MAKSİMUM YAPMAK İSE:

MAKS Z = 3 X1 + 5 X2
3.KISITLAR
BİRİNCİ ATÖLYEDE ÜRETİM İÇİN BİR GÜNDE KULLANILACAK
TOPLAM KAPASİTE 4 İŞÇİLİK SAATİNDEN FAZLA OLAMAZ,
YANİ X1 ≤ 4. BENZER ŞEKİLDE BİR YAKLAŞIMLA:
X1 ≤ 4 (1. ATÖLYE KAPASİTE KISITI)
2 X2 ≤ 12 (2. ATÖLYE KAPASİTE KISITI)
3 X1 + 2 X2 ≤ 18 (3. ATÖLYE KAPASİTE KISITI)
4.NEGATİF OLMAMA KISITLARI
KARAR DEĞİŞKENLERİ YA SIFIR YADA POZİTİF DEĞERLER
ALABİLİR:
X1 ≥ 0
X2 ≥ 0
KURULAN DOĞRUSAL PROGRAMLAMA MODELİ
MAKS Z = 3 X1 + 5 X2 (AMAÇ FONKSİYONU)
X1 ≤4 (1. ATÖLYE KAPASİTE KISITI)
2 X2 ≤ 12 (2. ATÖLYE KAPASİTE KISITI)
3 X1 + 2 X2 ≤ 18 (3. ATÖLYE KAPASİTE KISITI)
X1 ≥0
X2 ≥ 0
GRAFİK ÇÖZÜM
 GRAFİK ÇÖZÜM, İKİ DEĞİŞKENİ OLAN DOĞRUSAL
PROGRAMLAMA MODELLERİNİN KOORDİNAT EKSENİ
ÜZERİNDE GÖZLE İZLENEREK OPTİMAL ÇÖZÜMÜNÜN
BULUNMASINI SAĞLAYAN BİR TEKNİKTİR.
 GRAFİK ÇÖZÜM GENEL OLARAK İKİ AŞAMADAN OLUŞUR:
1. BÜTÜN KISITLARI SAĞLAYAN UYGUN ÇÖZÜM
BÖLGESİNİN BELİRLENMESİ,
2. BU BÖLGE İÇERİSİNDE OPTİMAL AMAÇ
FONKSİYONU DEĞERİNİ VEREN ÇÖZÜMÜN
BULUNMASI
 GRAFİK ÇÖZÜMÜ, İKİ DEĞİŞKENLİ BİR PROBLEM OLAN
CAM FABRİKASI ÖRNEĞİ ÜZERİNDE UYGULAMALI OLARAK
ANLATALIM.
1.UYGUN (GEÇERLİ) ÇÖZÜMLERİN BULUNMASI
NEGATİF OLMAMA KOŞULU DAHİL BÜTÜN KISITLARI SAĞLAYAN
BÖLGE UYGUN ÇÖZÜM BÖLGESİDİR.

X2
10

7
3X1+2X2≤18
6
A B X1≤4
5
2X2≤12
4

3
C X1≥0 VE X2≥0
UYGUN
2 ÇÖZÜM
1
BÖLGESİ
D
0
E 1 2 3 4 5 6 7 8 X1
2.OPTİMAL ÇÖZÜMÜN BULUNMASI (2. YÖNTEM)
AMAÇ FONKSİYONUNU TEMSİL EDEN DOĞRU, AMAÇ FONKSİYONU
DEĞERİNİN İYİLEŞTİĞİ İSTİKAMETTE KAYDIRILDIĞINDA UYGUN ÇÖZÜM
BÖLGESİNİ TERK ETTİĞİ SON NOKTA OPTİMAL ÇÖZÜM NOKTASIDIR.

X2
10
(1) Z = 10 = 3X1+ 5X2
(2) Z = 20 = 3X1+ 5X2
9
(3) Z = ? = 3X1+ 5X2
3 8

7
A B
6 3X1+2X2=18 VE 2X2=12
5 DENKLEMLERİ ORTAK
2
4 ÇÖZÜLÜRSE:
C
1
3
UYGUN OPTİMAL ÇÖZÜM
2 ÇÖZÜM
1
BÖLGESİ X1=2,
D X2=6,
0
E 1 2 3 4 5 6 7 8 X1 Z=36
BAĞLAYICI VE BAĞLAYICI OLMAYAN KISITLAR
 KARAR DEĞİŞKENLERİNİN OPTİMAL DEĞERLERİ “≤” VEYA “≥”
ŞEKLİNDEKİ HERHANGİ BİR EŞİTSİZLİK KISITINDA YERİNE
KONULDUĞUNDA:
 KISITIN SAĞ VE SOL TARAF DEĞERLERİ BİRBİRİNE
EŞİTSE BU KISITA BAĞLAYICI KISIT,
 KISITIN SAĞ VE SOL TARAF DEĞERLERİ BİRBİRNE
EŞİT DEĞİLSE BU KISITA BAĞLAYICI OLMAYAN KISIT
DENİR.
 BAĞLAYICI KISITLAR OPTİMAL ÇÖZÜM NOKTASINI
OLUŞTURUR VE KIT KAYNAKLARI İFADE EDER.
 BAĞLAYICI OLMAYAN KISITLAR İÇİN ATIL KAPASİTE SÖZ
KONUSUDUR.
 CAM FABRİKASI ÖRNEĞİNDE (X1=2, X2=6) 2X2≤12 VE
3X1+2X2≤18 KISITLARI BAĞLAYICI X1≤4 İSE BAĞLAYICI
OLMAYAN KISITLARDIR.
1.BİRDEN FAZLA (ALTERNATİF) OPTİMAL
ÇÖZÜM

2.GEÇERSİZ ÇÖZÜM

3.SINIRSIZ ÇÖZÜM BÖLGESİ

 DOĞRUSAL PROGRAMLAMA PROBLEMLERİNDE KULLANILAN BAZI
PARAMETRELERİN DEĞERİ ZAMAN İÇERİSİNDE DEĞİŞEBİLİR.

 PARAMETRELERDEKİ OLASI DEĞİŞİKLİKLERİN OPTİMAL ÇÖZÜMÜ

VE OPTİMAL AMAÇ FONKSİYONU DEĞERİNİ NASIL ETKİLEDİĞİNİN
İNCELENMESİNE DUYARLILIK ANALİZİ DENİR.

 MEVCUT DEĞERLERE GÖRE ELDE EDİLEN OPTİMAL ÇÖZÜMDEN

SONRA YAPILAN DUYARLILIK ANALİZİ, PARAMETRELERİN
DEĞERİNİN HANGİ SINIRLAR ARASINDA KALDIĞI SÜRECE,
PROBLEMİ TEKRAR ÇÖZMEYE GEREK KALMADAN YENİ OPTİMAL
ÇÖZÜMÜN VE OPTİMAL AMAÇ FONKSİYONU DEĞERİNİN
BULUNABİLECEĞİNİ VE ÇÖZÜMÜN NASIL GÜNCELLEŞTİRİLECEĞİNİ
ARAŞTIRIR.

 DUYARLILIK ANALİZİNİN YAPILMASI BAŞTA ZAMAN VE EMEK OLMAK

ÜZERE BİRÇOK KAYNAĞIN İSRAFINI ENGELLER.
 DUYARLILIK ANALİZİ YAPILIRKEN HER DEFASINDA SADECE BİR
PAREMETRENİN DEĞİŞTİĞİ VE DİĞERLERİNİN SABİT OLDUĞU KABUL
EDİLİR.

 DUYARLILIK ANALİZİNDE GENEL OLARAK AŞAĞIDAKİ

DEĞİŞİKLİKLERİN OPTİMAL ÇÖZÜME ETKİSİNİN İNCELENMESİ
MÜMKÜNDÜR.
1. AMAÇ FONKSİYONU KATSAYILARINDAKİ DEĞİŞİKLİK,
2. KISITLARIN SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİKLİK,
3. KISITLARIN KATSAYILARINDAKİ (TEKNİK KATSAYILARDAKİ)
DEĞİŞİKLİK,
4. YENİ BİR KISITIN EKLENMESİ,
5. YENİ BİR DEĞİŞKENİN EKLENMESİ

 BU BÖLÜMDE BUNLARDAN SADECE İLK İKİSİ ELE ALINACAKTIR.

 ÖRNEK UYGULAMA
Bir oyuncak firması iki tip ahşap oyuncak üretmektedir; oyuncak
asker ve oyuncak tren. Oyuncak askerin satış fiyatı 27 birim
olup, her bir askerin üretimi için 10 birim hammadde maliyetine
ve 14 birim işçilik ve diğer maliyetlere katlanılmaktadır. Oyuncak
trenin satış fiyatı ise 21 birim olup her bir trenin üretilmesi için
katlanılan hammedde maliyeti 9 birim, işçilik ve diğer maliyetler
ise 10 birimdir. Bu oyuncaklar doğrama ve montaj atölyelerinde
işlem görerek üretilmektedir. Bir askerin üretilmesi için doğrama
atölyesinde 1 işçilik saati ve montaj atölyesinde 2 işçilik saati
kapasite, bir trenin üretimi için ise her iki atölyede de 1 işçilik
saati kapasite kullanılmaktadır. Doğrama ve montaj atölyelerinin
haftalık toplam işçilik kapasiteleri sırasıyla 80 ve 100 saattir. Bu
bilgiler aşağıdaki tabloda verilmiştir. Ayrıca oyuncak trenin
üretim miktarı ile ilgili bir sınırlama olmamakla birlikte, oyuncak
askerin haftada en fazla 40 adet satıldığı görülmüştür.
ÖRNEK UYGULAMA
Birim Ürün için Gerekli
Mevcut Kapasite
ATÖLYE Kapasite
(Saat/Hafta)
ASKER TREN
MONTAJ 2 1 100
DOĞRAMA 1 1 80
BİRİM KAR 3 BİRİM 2 BİRİM

X1 :BİR HAFTADA ÜRETİLECEK OYUNCAK ASKER SAYISI,

X2 :BİR HAFTADA ÜRETİLECEK OYUNCAK TREN SAYISI
Mak sZ  3X1  2X 2
S .T . 2 X1  X2  100 ( Montaj)
X1  X2  80 ( Dograma)
X1  40 (Talep)
X1, X2, 0

OPTİMAL ÇÖZÜM: Z=180, X1=20, X2=60,

TEMEL DEĞİŞKENLER=(X1, X2, S3)
AMAÇ FONKSİYONU KATSAYILARINDAKİ DEĞİŞİMİN
OPTİMAL ÇÖZÜME ETKİSİ
HERHANGİ BİR KARAR DEĞİŞKENİNİN AMAÇ FONKSİYONU
KATSAYISI HANGİ ARALIKTA DEĞİŞİRSE OPTİMAL ÇÖZÜM (KARAR
DEĞİŞKENLERİNİN DEĞERLERİ) DEĞİŞMEZ?

Z=C1X1+C2X2

C1’İN DEĞİŞİM ARALIĞI

Z=C1X1+2X2 → Eğim=-C1/2
-2≤-C1/2≤-1 →
4≥C1≥2 (Geçerlilik Aralığı)

C2’İN DEĞİŞİM ARALIĞI

Z=3X1+C2X2 → Eğim=-3/C2
-2≤-3/C2≤-1 →
3≥C2≥3/2 (Geçerlilik Aralığı)
AMAÇ FONKSİYONU KATSAYILARINDAKİ DEĞİŞİMİN
OPTİMAL ÇÖZÜME ETKİSİ

 AMAÇ FONKSİYONU KATSAYILARINDA MEYDANA GELEN

DEĞİŞİKLİK GEÇERLİLİK ARALIĞI İÇERİSİNDE KALDIĞI SÜRECE:

1. OPTİMAL ÇÖZÜM (TEMEL VE TEMEL OLMAYAN

DEĞİŞKENLER VE BUNLARIN DEĞERİ) DEĞİŞMEZ.

2. KATSAYISI İNCELENEN DEĞİŞKEN TEMEL DEĞİŞKEN (YANİ

OPTİMAL ÇÖZÜM DEĞERİ SIFIRDAN BÜYÜK) İSE OPTİMAL
AMAÇ FONKSİYONU DEĞERİ DEĞİŞİR.

3. KATSAYISI İNCELENEN DEĞİŞKEN TEMEL OLMAYAN BİR

DEĞİŞKEN İSE (YANİ OPTİMAL ÇÖZÜM DEĞERİ SIFIR İSE)
OPTİMAL AMAÇ FONKSİYONU DEĞERİ DEĞİŞMEZ.
SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİMİN OPTİMAL
ÇÖZÜME ETKİSİ
HERHANGİ BİR KISITIN SAĞ TARAF DEĞERİ HANGİ
ARALIKTA DEĞİŞİRSE TEMEL DEĞİŞKENLER AYNI KALIR (YANİ
BAĞLAYICI KISIT SETİ DEĞİŞMEZ)?

Montaj Atölyesi Kısıtı (2X1+X2≤100)

A Noktası(0,80 ) → b1=0+80=80
D Noktası(40,40) → b1=2(40)+40=120
Artış Miktarı ∆ → -20≤∆≤20
BAĞLAYICI KISITLAR OLAN
2X1+X2=100+∆ VE X1+X2=80 ORTAK
ÇÖZÜLÜRSE:
X1=20+∆
X2=60-∆
ÖRNEĞİN ∆=10 OLURSA
MONTAJ ATÖLYESI KISITI:2X1+X2≤110,
KARAR DEĞİŞKENLERİ:X1=40,X2=40,
AMAÇ FONK. DEĞERİ:3(40)+2(40)=200
SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİMİN OPTİMAL ÇÖZÜME ETKİSİ

Doğrama Atölyesi Kısıtı (X1+X2≤80)

C Noktası(40,20) → b2=40+20=60
E Noktası(0,100) → b2=0+100=100
Artış Miktarı ∆ → -20≤∆≤20
BAĞLAYICI KISITLAR OLAN 2X1+X2=100 VE X1+X2=80+∆ ORTAK
ÇÖZÜLÜRSE:X1=20-∆, X2=60+2∆
ÖRNEĞİN ∆=10 OLURSA DOĞRAMA ATÖLYESI KISITI:X1+X2≤90, KARAR
DEĞİŞKENLERİ:X1=10,X2=80, AMAÇ FONK. DEĞERİ:3(10)+2(80)=190
Oyuncak Asker Talep Miktarı Kısıtı (X1≤40)
B Noktası(20,60) → b3=20
Amaç fonksiyonunun iyileştiği yönde hiçbir zaman bağlayıcı olamaz.
Artış Miktarı ∆ → -20≤∆≤+∞
BAĞLAYICI KISITLAR OLAN 2X1+X2=100 VE X1+X2=80 ORTAK
ÇÖZÜLÜRSE:X1=20, X2=60
BAĞLAYICI OLMAYAN KISITIN GEÇERLİLİK ARALIĞINDAKİ SAĞ
TARAF DEĞERİ DEĞİŞİMİNDE, TEMEL DEĞİŞKENLER İLE OPTİMAL
AMAÇ FONK. DEĞERİ DEĞİŞMEZ.
SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİMİN OPTİMAL ÇÖZÜME ETKİSİ
GÖLGE FİYAT :HERHANGİ BİR KISITIN SAĞ TARAF DEĞERİNİ 1 BİRİM
ARTIRDIĞIMIZDA AMAÇ FONKSİYONUNDA MEYDANA GELEN
İYİLEŞMEYİ İFADE EDER. BU KURAL HERHANGİ BİR KISITIN SAĞ TARAF
DEĞERİNDEKİ DEĞİŞİKLİK GEÇERLİLİK ARALIĞI DAHİLİNDE OLDUĞU
SÜRECE GEÇERLİDİR.
MONTAJ ATÖLYESİ KISITI GÖLGE FİYATI:
b1=100+∆, X1=20+∆, X2=60-∆ →
Z=3X1+2X2=3(20+∆)+2(60-∆)=180+∆, SAĞ TARAF DEĞERİNDEKİ “1”
BİRİMLİK ARTIŞ AMAÇ FONK. DEĞERİNDE “1” BİRİMLİK ARTIŞA
SEBEP OLACAĞINDAN BU KISITIN GÖLGE FİYATI “1” DİR.
DOĞRAMA ATÖLYESİ KISITI GÖLGE FİYATI:
b2=80+∆, X1=20-∆, X2=60+2∆ →
Z=3X1+2X2=3(20-∆)+2(60+2∆)=180+∆, GÖLGE FİYATI “1” DİR.
OYUNCAK ASKER TALEP KISITI GÖLGE FİYATI:
b3=40+∆, X1=20, X2=60 → Z=180. GÖLGE FİYATI “0” DIR.
HERHANGİ BİR KISITIN SAĞ TARAF DEĞERİ ∆bi KADAR
ARTTIRILDIĞIN-DA YENİ AMAÇ FONKSİYONU DEĞERİ:
YENİ OPTİMAL Z DEĞERİ=(ESKİ OPTİMAL Z DEĞERİ)±(i. KISITIN GÖLGE
FİYATI) X ∆bi
 ÖRNEK UYGULAMA
BİR GÖMLEK FİRMASI DÖRT ÇEŞİT GÖMLEK ÜRETMEKTEDİR. HER BİR
GÖMLEĞİN ÜRETİMİ İÇİN KULLANILAN KAYNAK MİKTARLARI İLE ELDE
EDİLEN BİRİM KAR AŞAĞIDAKİ TABLODA VERİLMİŞTİR. BAŞLANGIÇTA 4600
BİRİM HAMMADDE VE 5000 İŞÇİLİK SAATİ KAPASİTE MEVCUTTUR. TALEP
MİKTARINI KARŞILAYABİLMEK İÇİN BU FİRMA 4NCÜ TİP GÖMLEKTEN BİR
HAFTADA EN AZ 400 ADET ÜRETMELİ AYRICA HAFTALIK ÜRETİLEN TOPLAM
GÖMLEK SAYISI 950 OLMALIDIR.

KARAR DEĞİŞKENLERİ

X1 = BİR HAFTADA ÜRETİLECEK 1NCİ TİP GÖMLEK SAYISI,

X2 = BİR HAFTADA ÜRETİLECEK 2NCİ TİP GÖMLEK SAYISI,
X3 = BİR HAFTADA ÜRETİLECEK 3NCÜ TİP GÖMLEK SAYISI,
X4 = BİR HAFTADA ÜRETİLECEK 4NCÜ TİP GÖMLEK SAYISI
 ÖRNEK UYGULAMA

FİRMANIN KARINI MAKSİMUM YAPAN DOĞRUSAL PROGRAMLAMA MODELİ:

BU MODELİN LINDO İLE ÇÖZÜMÜ SONUCUNDA ELDE EDİLEN

BİLGİSAYAR ÇIKTISI AŞAĞIDA VERİLMİŞTİR:
 AMAÇ FONKSİYONU KATSAYILARINDAKİ DEĞİŞİMİN OPTİMAL ÇÖZÜME
ETKİSİ
OBJ COEFFICIENT RANGES BÖLÜMÜNDEKİ ALLOWABLE INCREASE (AL)
DEĞERİ, MEVCUT OPTİMAL ÇÖZÜM DEĞİŞMEDEN AMAÇ FONKSİYONU
KATSAYISININ NE KADAR ARTIRILABİLECEĞİNİ (MAKSİMUM ARTIŞ
MİKTARINI), ALLOWABLE DECREASE (AD) DEĞERİ İSE AMAÇ
FONKSİYONU KATSAYISININ NE KADAR AZALTILABİLECEĞİNİ
(MAKSİMUM AZALMA MİKTARINI) GÖSTERİR.

X1 İÇİN BAŞLANGIÇTA C1=4 VE AI=1, AD=-∞ → -∞≤C1≤5 =4+1

X2 İÇİN BAŞLANGIÇTA C2=6 VE AI=0.666667, AD=0.5 → 5.5≤C2≤6.666667
HERHANGİ BİR DEĞİŞKENİN AMAÇ FONKSİYONU KATSAYISINDAKİ
GEÇERLİLİK ARALIĞI İÇERİSİNDEKİ DEĞİŞİKLİKLERDE OPTİMAL ÇÖZÜM
DEĞİŞMEZKEN, DEĞİŞKEN TEMEL DEĞİŞKENSE OPTİMAL AMAÇ
FONKSİYONU DEĞERİ DEĞİŞİR.
 AMAÇ FONKSİYONU KATSAYILARINDAKİ DEĞİŞİMİN OPTİMAL ÇÖZÜME
ETKİSİ (ÖRNEK)

GÖMLEK FİRMASI 2NCİ TİP GÖMLEĞİN BİRİM SATIŞ FİYATINI (C2) 0.5 BİRİM
ARTIRIRSA PROBLEMİN OPTİMAL ÇÖZÜMÜ NE OLUR?
C2’NİN OPTİMAL ÇÖZÜMÜNÜN DEĞİŞMEDİĞİ MAKSİMUM ARTIŞ MİKTARI
0.666667 BİRİMDİR. 0.5<6.666667 OLDUĞUNA GÖRE BU DEĞİŞİKLİK
SONUNDA:
 KARAR DEĞİŞKENLERİNİN OPTİMAL DEĞERLERİ (X1=0, X2=400,
X3=150, X4=400) DEĞİŞMEZ.
 X2 TEMEL BİR DEĞİŞKEN OLDUĞU İÇİN OPTİMAL AMAÇ
FONKSİYONU DEĞERİ DEĞİŞİR.
YENİ OPTİMAL Z DEĞERİ = 4(0) + 6.5(400) + 7(150) + 8(400) = 6850
ŞEKLİNDE BULUNABİLİR.
 AMAÇ FONKSİYONU KATSAYILARINDAKİ DEĞİŞİMİN OPTİMALÇÖZÜME
ETKİSİ (ÖRNEK)

GÖMLEK FİRMASI 1NCİ TİP GÖMLEĞİN SATIŞ FİYATINI (C1) 0.6 BİRİM
ARTIRIRSA PROBLEMİN OPTİMAL ÇÖZÜMÜ NE OLUR?
C1 İÇİN OPTİMAL ÇÖZÜMÜN DEĞİŞMEDİĞİ MAKSİMUM ARTIŞ MİKTARI 1
BİRİMDİR. 0.6<1 OLDUĞUNA GÖRE, BU DEĞİŞİKLİK SONUNDA:
 KARAR DEĞİŞKENLERİNİN OPTİMAL DEĞERLERİ (X1=0, X2=400,
X3=150, X4=400) DEĞİŞMEZ.
 X1 TEMEL OLMAYAN BİR DEĞİŞKEN OLDUĞU İÇİN (X1’İN OPTİMAL
DEĞERİ=0 OLDUĞUNDAN) OPTİMAL AMAÇ FONKSİYONU DEĞERİ
DE DEĞİŞMEZ; Z=6650.
 SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİKLİĞİN OPTİMAL ÇÖZÜME ETKİSİ
OPTİMAL ÇÖZÜMDEKİ TEMEL DEĞİŞKENLERİN DEĞİŞMEDİĞİ, SAĞ TARAF
DEĞERLERİNİN GEÇERLİLİK ARALIĞI RIGHTHAND SİDE RANGES
BÖLÜMÜNDEN BULUNUR. ALLOWABLE INCREASE (AL) DEĞERİ SAĞ
TARAF DEĞERİNİN EN FAZLA NE KADAR ARTIRILABİLECEĞİNİ,
ALLOWABLE DECREASE (AD) DEĞERİ İSE SAĞ TARAF DEĞERİNİN EN
FAZLA NE KADAR AZALTILABİLECEĞİNİ GÖSTERİR.

1NCİ KISITIN SAĞ TARAF DEĞERİNİN (b1’İN) MAKSİMUM ARTIŞ MİKTARI (AL)
50 VE MAKSİMUM AZALIŞ MİKTARI (AD) 100'DÜR. BAŞLANGIÇTA b1=950
OLDUĞUNA GÖRE, b1’İN GEÇERLİLİK ARALIĞI AŞAĞIDAKİ ŞEKİLDE
BULUNUR.
950 - 100 = 850 ≤ b1 ≤ 1000 = 950 + 50
 SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİKLİĞİN OPTİMAL ÇÖZÜME ETKİSİ
HERHANGİ BİR BAĞLAYICI KISITIN SAĞ TARAF DEĞERİNDE GEÇERLİLİK
ARALIĞI İÇERİSİNDE MEYDANA GELEN DEĞİŞİKLİKLER SONUCUNDA,
KARAR DEĞİŞKENLERİNİN BAZILARININ DEĞERİ VE OPTİMAL AMAÇ
FONKSİYONU DEĞERİ DEĞİŞEBİLİR. LINDO ÇIKTISI BU DEĞİŞİKLİK
SONUCUNDA KARAR DEĞİŞKENLERİNİN YENİ DEĞERLERİNİN
SAPTANMASI İÇİN YETERLİ BİLGİ VERMEZ. ANCAK OPTİMAL AMAÇ
FONKSİYONU DEĞERİ GÖLGE FİYATLARI KULLANARAK BULUNABİLİR.
GÖLGE FİYAT, KISITIN SAĞ TARAF DEĞERİNİN BİR BİRİM ARTIRILMASI
SONUCUNDA AMAÇ FONKSİYONU DEĞERİNDE MEYDANA GELEN
İYİLEŞME MİKTARINI GÖSTERİR (SAĞ TARAF DEĞERİ BİR BİRİM
AZALTILDIĞINDA DA AMAÇ FONKSİYONU DEĞERİNDE MEYDANA GELEN
KÖTÜLEŞME MİKTARINI İFADE EDER). BU DURUM (ARTIŞ YA DA AZALIŞ)
GEÇERLİLİK ARALIĞI İÇERİSİNDE KALDIĞI SÜRECE GEÇERLİ OLUP BU
ARALIĞIN DIŞINA ÇIKILDIĞINDA PROBLEMİN YENİDEN ÇÖZÜLMESİ
GEREKİR.
 SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİKLİĞİN OPTİMAL ÇÖZÜME ETKİSİ
(ÖRNEK)

FİRMANIN 1 HAFTADA ÜRETMESİ GEREKEN TOPLAM GÖMLEK MİKTARI (b1)

980 OLURSA OPTİMAL AMAÇ FONKSİYONUNUN YENİ DEĞERİ NE OLUR?
b1=30 VE GÖLGE FİYATI İSE “3” TÜR. DEĞİŞİM GEÇERLİLİK ARALIĞI
İÇİNDE (30<50) OLDUĞUNDAN BU AZALMA SONUCUNDA OPTİMAL
ÇÖZÜMDEKİ TEMEL DEĞİŞKENLER DEĞİŞMEZ. O HALDE GÖLGE FİYATI
KULLANARAK OPTİMAL AMAÇ FONKSİYONUNUN YENİ DEĞERİ
AŞAĞIDAKİ GİBİ BULUNABİLİR.
YENİ OPTİMAL Z DEĞERİ = (ESKİ OPTİMAL Z DEĞERİ) + (iNCİ KISITIN
GÖLGE FİYATI) X bi
YENİ OPTİMAL Z DEĞERİ = 6650 + (3)30 = 6740
 SAĞ TARAF DEĞERLERİNDEKİ DEĞİŞİKLİĞİN OPTİMAL ÇÖZÜME ETKİSİ
(ÖRNEK)

FİRMA BAŞLANGIÇTA 4600 BİRİM YERİNE 4500 BİRİM HAMMADDEYE (b3)

SAHİP OLSAYDI OPTİMAL AMAÇ FONKSİYONUNUN YENİ DEĞERİ NE
OLURDU?

b3=-100 OLUR. DEĞİŞİM GEÇERLİLİK ARALIĞI İÇİNDE (100≤150)

OLDUĞUNDAN BU AZALMA SONUCUNDA OPTİMAL ÇÖZÜMDEKİ TEMEL
DEĞİŞKENLER DEĞİŞMEZ. BU KISITIN GÖLGE FİYATI “1” OLDUĞUNA
GÖRE OPTİMAL AMAÇ FONKSİYONUNUN DEĞERİ AŞAĞIDAKİ GİBİ
BULUNUR.

YENİ OPTİMAL Z DEĞERİ = 6650 + (1)(-100) = 6550

 FIRSAT MALİYETİ VE DUYARLILIK ANALİZİ
FIRSAT MALİYETİ TEMEL OLMAYAN BİR DEĞİŞKENİN DEĞERİNİN 1 BİRİM
ARTIRILMASI SONUCUNDA AMAÇ FONKSİYONUNDA MEYDANA GELEN
KÖTÜLEŞMEYİ (AMAÇ MAKSİMİZASYON İSE AZALMAYI, AMAÇ
MİNİMİZASYON İSE ARTIŞI) İFADE EDER.
LINDO ÇIKTISINDA REDUCED (OPPORTUNITY) COST BÖLÜMÜNDEKİ
DEĞERLER KARAR DEĞİŞKENLERİNİN FIRSAT MALİYETİNİ GÖSTERİR.

FİRMANIN KIRAMAYACAĞI BİR MÜŞTERİSİNDEN 10 ADET 1NCİ TİP GÖMLEK

SİPARİŞİ ALDIĞINI FARZEDELİM. X1 DEĞİŞKENİNİN FIRSAT MALİYETİ 1
BİRİM OLDUĞUNA GÖRE OPTİMAL AMAÇ FONKSİYONUNUN YENİ
DEĞERİ AŞAĞIDAKİ GİBİ BULUNUR.

YENİ OPTİMAL Z DEĞERİ = 6650 - (1)10 = 6640

 FIRSAT MALİYETİ VE DUYARLILIK ANALİZİ
FIRSAT MALİYETİ TEMEL OLMAYAN BİR DEĞİŞKENİN DEĞERİNDEKİ ARTIŞA
KARŞILIK AMAÇ FONKSİYONUNDAKİ KÖTÜLEŞMEYİ GÖSTERDİĞİNE
GÖRE, BÖYLE BİR DURUMLA KARŞILAŞILDIĞINDA OPTİMAL AMAÇ
FONKSİYONUNU YENİ DEĞERİ AŞAĞIDAKİ GİBİ HESAPLANABİLİR:
 MAKSİMİZASYON PROBLEMLERİ İÇİN;
YENİ OPTİMAL Z DEĞERİ= (ESKİ OPTİMAL Z DEĞERİ) - (jNCİ
DEĞİŞKENİN FIRSAT MALİYETİ) Xj
 MİNİMİZASYON PROBLEMLERİ İÇİN;
YENİ OPTİMAL Z DEĞERİ= (ESKİ OPTİMAL Z DEĞERİ) + (jNCİ
DEĞİŞKENİN FIRSAT MALİYETİ) Xj
MAKSİMİZASYON PROBLEMİNDE TEMEL OLMAYAN BİR DEĞİŞKENİN AMAÇ
FONKSİYONU KATSAYISI FIRSAT MALİYETİ DEĞERİ KADAR ARTIRILIRSA,
BU DURUMDA ALTERNATİF OPTİMAL ÇÖZÜM ELDE EDİLİR. BU
ÇÖZÜMLERİN BİR TANESİNDE BU DEĞİŞKEN YİNE TEMEL OLMAYAN BİR
DEĞİŞKEN OLMAKLA BİRLİKTE DİĞER ÇÖZÜMDE TEMEL BİR DEĞİŞKEN
OLUR. EĞER BU DEĞİŞKENİN AMAÇ FONKSİYONU KATSAYISI FİRSAT
MALİYETİNDEN DAHA FAZLA ARTIRILIRSA, BU DURUMDA TEMEL
OLMAYAN BU DEĞİŞKEN MUTLAK SURETLE YENİ ELDE EDİLEN OPTİMAL
ÇÖZÜMDE TEMEL BİR DEĞİŞKEN OLUR.
WinQSB
WinQSB Örnek:
 ULAŞTIRMA PROBLEMLERİ, BİRDEN FAZLA KAYNAKTAN BİRDEN FAZLA
HEDEFE YAPILAN ULAŞTIRMA PLANININ BELİRLENMESİ İLE İLGİLİDİR.
 MODELİN AMACI, TOPLAM ULAŞTIRMA MALİYETİNİ MİNİMUM YAPACAK
ŞEKİLDE, HER KAYNAKTAN HER HEDEFE GÖNDERİLMESİ GEREKEN MİKTARI
BELİRLEMEKTİR.
 PROBLEMİN VERİLERİ ŞUNLARI KAPSAR:
1. HER KAYNAKTAKİ ARZ MİKTARI (KAPASİTE) VE HER HEDEFTEKİ TALEP
MİKTARI.
2. HER KAYNAKTAN HER HEDEFE BİR BİRİM MALI ULAŞTIRMA MALİYETİ.
 ULAŞTIRMA PROBLEMLERİNİN GENEL YAPISI AŞAĞIDA VERİLMİŞTİR.
 ULAŞTIRMA PROBLEMLERİNİN DOĞRUSAL PROGRAMLAMA MODELİ
(ELEKTRİK DAĞITIM PROBLEMİ)
 ÜÇ ELEKTRİK SANTRALİNDEN, DÖRT ŞEHİRE ELEKTRİK DAĞITIMI
PLANLANMAKTADIR. SANTRALLERİN KAPASİTELERİ, ŞEHİRLERİN
TALEPLERİ VE DAĞITIM (ULAŞTIRMA) MALİYETLERİ AŞAĞIDAKİ
TABLODA VERİLMİŞTİR.

 KARAR DEĞİŞKENLERİ;
Xij :i SANTRALİNDEN j ŞEHRİNE GÖNDERİLECEK ELEKTRİK
MİKTARI (MİLYON KWS)
ULAŞTIRMA PROBLEMLERİNİN DOĞRUSAL PROGRAMLAMA MODELİ
(ELEKTRİK DAĞITIM PROBLEMİ)

PROBLEMİN OPTİMAL ÇÖZÜMÜ: Z=1020, X12=10, X13=25, X21=45, X23=5,

X32=10, X34=30
ULAŞTIRMA PROBLEMLERİNİN DOĞRUSAL PROGRAMLAMA MODELİ
(ELEKTRİK DAĞITIM PROBLEMİ)
 ULAŞTIRMA PROBLEMLERİNİN DOĞRUSAL PROGRAMLAMA MODELİ
(ELEKTRİK DAĞITIM PROBLEMİ)
 m ADET KAYNAK n ADET HEDEFTEN OLUŞAN ULAŞTIRMA
PROBLEMLERİNİN DOĞRUSAL PROGRAMLAMA MODELİNİ AŞAĞIDAKİ
ŞEKİLDE GENELLEŞTİRMEK MÜMKÜNDÜR.
si : i KAYNAĞININ ARZ MİKTARI (KAPASİTESİ). (i = 1, ..., m)
dj : j HEDEFİNİN TALEP MİKTARI. (j = 1, ...,n)
cij : i KAYNAĞINDAN j HEDEFİNE GÖNDERİLEN MALLARIN BİRİM
ULAŞTIRMA MALİYETİ.
Xij : i KAYNAĞINDAN j HEDEFİNE GÖNDERİLEN MAL MİKTARI.
 DENGELİ ULAŞTIRMA PROBLEMİ
 TOPLAM ARZIN TOPLAM TALEBE EŞİT OLDUĞU YANİ,

ŞEKLİNDEKİ ULAŞTIRMA PROBLEMLERİ DENGELİ ULAŞTIRMA

PROBLEMİ OLARAK ADLANDIRILIR.
 DENGELİ ULAŞTIRMA PROBLEMİNDE BÜTÜN KISITLAR BAĞLAYICI
OLMALIDIRLAR, YANİ ARZ VE TALEP KISITLARI BİRER EŞİTLİK
ŞEKLİNDE YAZILIRLAR. O HALDE, DENGELİ BİR ULAŞTIRMA
PROBLEMİNİN GENEL YAPISI AŞAĞIDAKİ GİBİ YAZILABİLİR:
 ULAŞTIRMA TABLOSU
 ULAŞTIRMA PROBLEMLERİNİN GÖSTERİMİNDE VE ÇÖZÜMÜNDE
AŞAĞIDAKİ ŞEKİLDE GÖSTERİLEN ULAŞTIRMA TABLOSU KULLANILIR.

 ULAŞTIRMA TABLOSU ÇÖZÜMÜN ELDE EDİLMESİNDE VE İŞLEMLERİN

TAKİBİNDE KOLAYLIK SAĞLAR.

to
from
 ULAŞTIRMA PROBLEMLERİNİN DENGELENMESİ
 ULAŞTIRMA PROBLEMLERİNİN DENGELENMESİNDE, TOPLAM ARZIN TOPLAM
TALEPTEN BÜYÜK OLDUĞU VEYA TOPLAM ARZIN TOPLAM TALEPTEN KÜÇÜK
OLDUĞU İKİ DURUM SÖZ KONUSUDUR;
1. TOPLAM ARZ > TOPLAM TALEP İSE
A. SAHTE (HAYALİ) BİR HEDEF (TALEP NOKTASI) OLUŞTURULUR.
B. SAHTE HEDEFİN TALEBİ ARZ FAZLASINA EŞİTTİR.
C. SAHTE HEDEFE GÖNDERİLECEK ÜRÜNLER GERÇEKTE
GÖNDERİLMEYECEĞİ İÇİN, HER BİR KAYNAKTAN SAHTE HEDEFE OLAN
BİRİM ULAŞTIRMA MALİYETİ SIFIR ALINIR.
D. SAHTE HEDEFE GÖNDERİLEN ÜRÜNLER, KULLANILMAYAN KAYNAK
MİKTARINI (ARZ FAZLASINI) GÖSTERİR.
2. TOPLAM ARZ < TOPLAM TALEP İSE
A. SAHTE (HAYALİ) BİR KAYNAK (ARZ NOKTASI) OLUŞTURULUR.
B. SAHTE KAYNAĞIN KAPASİTESİ TALEP FAZLASINA EŞİTTİR.
C. SAHTE KAYNAKTAN TALEP NOKTALARINA OLAN BİRİM ULAŞTIRMA
MALİYETİ, KARŞILANMAYAN HER BİR BİRİM TALEP İÇİN BELİRLENEN
CEZAYA EŞİTTİR (CEZA SAPTANMAYAN DURUMLARDA BU DEĞER SIFIR
ALINABİLİR).
D. SAHTE KAYNAKTAN GÖNDERİLEN ÜRÜNLER KARŞILANMAYAN TALEP
MİKTARINI (TALEP FAZLASINI) GÖSTERİR.
 ULAŞTIRMA PROBLEMLERİNİN DENGELENMESİ
(TOPLAM ARZ > TOPLAM TALEP)
 ÖRNEĞİN, ELEKTRİK DAĞITIM PROBLEMİNDE ŞEHİR-1’E AİT TALEP
MİKTARININ 45 MİLYON KWS DEĞİL DE 40 MİLYON KWS OLDUĞUNU
VARSAYALIM. BUNA GÖRE;
TOPLAM ARZ = 125 > TOPLAM TALEP = 120
OLACAĞINDAN, 5 MİLYON KWS ARZ FAZLASI VARDIR. O HALDE SAHTE
BİR HEDEF (ŞEHİR-5) OLUŞTURULUR VE BÜTÜN SANTRALLERDEN BU
ŞEHRE BİRİM ULAŞTIRMA MALİYETİ SIFIR OLARAK BELİRLENİR
(ci5=0, i=1, 2, 3). BU MODELİN OPTİMAL ULAŞTIRMA TABLOSU:

 GERÇEKTE ŞEHİR-5 OLMADIĞINDAN, 3NCÜ SANTRALİN 5 MİLYON

KWS'LİK ELEKTRİK KAPASİTESİ KULLANILMAYACAKTIR.
 ULAŞTIRMA PROBLEMLERİNİN DENGELENMESİ
(TOPLAM ARZ < TOPLAM TALEP)
 ÖRNEĞİN, ELEKTRİK DAĞITIM PROBLEMİNDE SANTRAL-1'E AİT ARZ
MİKTARININ 50 MİLYON KWS DEĞİL DE 35 MİLYON KWS OLDUĞUNU VE
HERHANGİ BİR ŞEHRİN TALEP MİKTARININ KARŞILANMAMASI
DURUMUNDA CEZA MALİYETLERİNİN HER BİR ŞEHİR İÇİN SIRASI İLE 16,
17, 18, 19 OLACAĞINI VARSAYALIM. BU DURUMDA;
TOPLAM ARZ = 110 < TOPLAM TALEP = 125
OLACAĞINDAN. 15 MİLYON KWS TALEP FAZLASI VARDIR. BU PROBLEMİ
ÇÖZEBİLMEK İÇİN SAHTE BİR KAYNAK (SANTRAL-4) OLUŞTURULUR VE
HER BİR ŞEHRİN CEZA MALİYETİ BU SANTRALDEN O ŞEHİRE BİRİM
ULAŞTIRMA MALİYETİ OLARAK BELİRLENİR (c41=16, c42=17, c43=18, c44=
19).
BU MODELİN OPTİMAL
ULAŞTIRMA TABLOSU YANDAKİ
ŞEKİLDE VERİLMİŞTİR.

 GERÇEKTE SANTRAL-4
OLMADIĞINDAN, 1NCİ ŞEHRİN 10,
2NCİ ŞEHRİN DE 5 MİLYON
KWS'LİK ELEKTRİK TALEBİ
KARŞILANAMAYACAKTIR.
 m ADET KAYNAK VE n ADET HEDEFTEN OLUŞAN BİR ULAŞTIRMA PROBLEMİ
m+n EŞİTLİK KISITI İHTİVA EDER.

 EĞER HERHANGİ BİR ÇÖZÜM KÜMESİ (XijLERİN DEĞERLERİ), DENGELİ BİR

ULAŞTIRMA PROBLEMİNİN KISITLARININ BİRİSİ DIŞINDA DİĞERLERİNİN
TAMAMINI SAĞLIYOR İSE (SAĞLADIĞI BİLİNİYOR İSE), O ZAMAN BU ÇÖZÜM
KÜMESİ OTOMATİK OLARAK BU DİĞER KISITI DA SAĞLAR. ANCAK, m+n-1
DEĞİŞKENDEN OLUŞAN HER KOMBİNASYON UYGUN BİR TEMEL ÇÖZÜM
OLMASI İÇİN AŞAĞIDAKİ TEOREMİ SAĞLAMASI GEREKİR.

 TEOREM:m ADET KAYNAK VE n ADET HEDEFTEN OLUŞAN DENGELİ BİR

ULAŞTIRMA PROBLEMİNDE; m+n-1 DEĞİŞKENDEN OLUŞAN BİR
DEĞİŞKENLER KÜMESİ SADECE VE SADECE BU DEĞİŞKENLERE KARŞILIK
GELEN HÜCRELER BİR DÖNGÜ İÇERMİYORSA UYGUN BİR TEMEL ÇÖZÜM
OLUŞTURUR.
 DENGELİ ULAŞTIRMA PROBLEMLERİNİN BAŞLANGIÇ UYGUN TEMEL
ÇÖZÜMÜNÜN BULUNMASINDA 3 FARKLI METOT KULLAMLANILIR. BUNLAR;

1. KUZEYBATI KÖŞESİ METODU

2. MİNUMUM MALİYET METODU

3. VOGEL (VAM) METODU

3. VOGEL YAKLAŞIM METODU (VAM)
 BU METODUN KULLANDIĞI ALGORİTMA AŞAĞIDA VERİLMİŞTİR.

1. HER SATIR VE SÜTUN İÇİN BİRER CEZA HESAPLA. BU CEZA, SATIR VEYA
SÜTUNDAKİ EN KÜÇÜK İKİ MALİYETİN ARASINDAKİ FARKA EŞİTTİR.

2. EN YÜKSEK CEZASI OLAN SATIR VEYA SÜTUNU BUL.

3. BU SATIR VEYA SÜTUNDAKİ MALİYETİ EN DÜŞÜK OLAN HÜCREYİ (i, j
HÜCRESİ) BUL.

4. Xij’YE ALABİLECEĞİ EN BÜYÜK DEĞERİ ATA (Xij=MİN(si, dj)). KUZEYBATI

KÖŞESİ METODUNDA OLDUĞU GİBİ i SATIRINI VEYA j SÜTUNUNU İPTAL
ET. İPTAL EDİLMEYEN SATIR VEYA SÜTUNDAKİ ARZ VEYA TALEBİ Xij
KADAR AZALT.

5. İPTAL EDİLMEYEN HÜCRELERE GÖRE CEZALARI YENİDEN HESAPLA VE 1-4

NCÜ ADIMLARDAKİ İŞLEMLERİ TEKRARLA.

6. TEK BİR HÜCRE KALINCA (si=dj) BU HÜCREYE si VEYA dj DEĞERİNİ YAZ VE

HEM SATIR HEM DE SÜTUNU İPTAL ET.
3. VOGEL YAKLAŞIM METODU (VAM) (ÖRNEK)
3. VOGEL YAKLAŞIM METODU (VAM) (ÖRNEK)
 3. VOGEL YAKLAŞIM METODU (VAM) (ÖRNEK)

 YUKARDAKİ TABLODA ÇÖZÜM İNCELENDİĞİNDE, m+n-1 ADET (3+4-1=6

ADET) TEMEL DEĞİŞKEN ELDE EDİLDİĞİ VE BU TEMEL DEĞİŞKENLERİN
BİR DÖNGÜ OLUŞTURMADIĞI GÖRÜLÜR. O HALDE TEOREME GÖRE
VAM METODU DA HER ZAMAN UYGUN BİR BAŞLANGIÇ TEMEL ÇÖZÜMÜ
VERMEKTEDİR.
Winqsb ile optimal çözüm
GRAFİK Gösterim
KAYNAKÇA
• Ulucan A., Yöneylem Araştırması
• Taha, H., Yöneylem Araştırması
• Öztürk, A., Yöneylem Araştırması
• Başkent, E.Z., Yöneylem Araştırması
• Toklu, B., Yöneylem Araştırması
• Topçu, İ., Yöneylem Araştırması (www.isl.itu.edu.tr/ya)
• İnternet kaynakları
TEŞEKKÜRLER

Yrd.Doç.Dr. Abdullah SÜTÇÜ