2LP2015

SAYISAL YÖNTEMLER
DOĞRUSAL PROGRAMLAMA
Prof.Dr.Aydın ULUCAN
Karar Modellerinin Temel Bileşenleri
 Karar Değişkenleri: Amaca ulaşmak için kontrol edilen

faktörler.
 Amaç Fonksiyonu: Ulaşılmak istenen hedefin karar
değişkenlerinin fonksiyonu olarak matematiksel ifadesi.
 Kısıtlar: Karar değişkenlerinin alabileceği değerler
üzerindeki sınırlama ya da gereksinimler. Kısıtlar da
amaç fonksiyonu gibi karar değişkenlerinin içerildiği
matematiksel fonksiyonlar olarak ifade edilir.
 Parametreler: Modeli etkileyen ancak karar vericinin
kontrol edemediği faktörler.
 Varsayımlar: Model oluşturulurken doğru oldukları kabul
edilen olgular.
Modellemede hesap tablolarını
kullanmak karar vericiye önemli
avantajlar sağlamaktadır
 Modeli oluşturan parametrelerdeki olası değişmelere karşı modelin
nasıl davrandığı anında gözlenebilir. Bu da karar vericiye farklı
durumlar için senaryo analizleri (what-if analysis) sağlar. Büyük
ölçekli modeller, hesap tabloları altında çalışan model çözücülerle
hızlı ve etkin şekilde çözülebilmektedir.
 Belli bir mantık zinciri dahilinde hesap tablosu üzerinde oluşturulan
matematiksel modeller, problemin daha iyi anlaşılıp yorumlanması,
üst yönetime daha anlaşılabilir şekilde gösterilmesine olanak
sağlamaktadır.
 Oluşturulan modeller, karar vericinin gelecekte karşılaşabileceği
potansiyel karar süreçlerinde de modifiye edilerek kullanılabilir.
 Tüm örgütte problem çözme sürecine standart bir yaklaşım
sağlayarak, kişisel önyargıları ortadan kaldırır.
 Etkili raporlama özellikleriyle, profesyonel raporlar ve intranet
sunumları oluşturmak oldukça sıradan bir işlem haline dönüşmüştür.
Doğrusal Programlama
 Doğrusal Programlama yaklaşımı, doğrusal bir

yapıdaki kısıtları ihlal etmeden, doğrusal formdaki
amaç fonksiyonunu en iyilemeyi (maksimize yada
minimize etmeyi) sağlayan, bu eniyileme sonucunda
karar değişkenlerinin aldıkları değerleri bulan bir
yaklaşımdır.
 Her doğrusal programlama modelinin üç temel
bileşeni vardır: karar değişkenleri, amaç fonksiyonu
ve kısıtlar. Doğrusal programlama, kısıtlı bir
optimizasyon yaklaşımı olmasından dolayı, kıt
kaynakların ilgilenilen amacı optimize edecek şekilde
dağıtılması olarak da tanımlanabilir.
Doğrusal Programlama
Maks. 12x1 + 9x2 + 6x3

kısıtlar
8x1 + 4x2 + 5x3 < 6000
1x1 + 5x2 + 4x3 < 6000
x1 + x2 + x3 < 1500
x1 > 300
x1, x2, x3 >0
Doğrusal Programlama Modellerinin
Grafik Çözüm Yöntemi ile Çözülmesi
Maks. 5x1 + 4x2 (amaç fonksiyonu)

kısıtlar
1x1 < 12 (1)
1x2 < 10 (2)
4x1 + 6x2 < 72 (3)
x1, x2 > 0
(2) x2 <10
(1)
 x1 <12
ii
i
Şekil 2.1.ii. Grafik Çözüm Aşamaları

Şekil 2.1.i. Grafik Çözüm Aşamaları
A B A B
4x1+6x2 <72
(3)

C C
iv
iii
D D
Şekil 2.1.iii. Grafik Çözüm Aşamaları Şekil 2.1.iv. Grafik Çözüm Aşamaları
A B A B
(1)
Optimal Çözüm
(3)
C C
(2)
v vi
D D
Şekil 2.1.v. Grafik Çözüm Aşamaları Şekil 2.1.vi. Grafik Çözüm Aşamaları
 Amaç fonksiyonunu paralel olarak kuzeydoğu yönünde
kaydırmaya devam edersek, amaç fonksiyonunun değeri de
sürekli olarak artacaktır. Modelde amacımız tüm kısıtları
sağlayan karar değişkenlerinin maksimum değerini bulmak
olduğu için, amaç fonksiyonunu uygun çözüm bölgesine temas
ettiği en son noktaya kadar kuzeybatı yönünde kaydırırız. Şekil
2.1.vi’de bunun bir nokta olduğu (C noktası) görülmektedir. Bu
noktadaki x1 ve x2 değerleri karar değişkenlerinin optimal
değerleridir (x1=12, x2=4). Bu değerleri amaç fonksiyonunda
yerine koyduğumuzda 76 değerini elde ederiz. Bu değer de
optimal çözümdür.
 Şekil 2.1.vi dikkatle incelendiğinde optimal çözüm olan C
noktasının (1) ve (3) no.lu kısıtların kesişim noktası olduğu
görülecektir. Dolayısıyla optimal çözüm olan C noktasındaki x1
ve x2 değerlerini bulmak için (1) ve (3) no.lu kısıtların eşitlik
haline getirilip eşanlı olarak çözülmesi yeterlidir.
 x1 = 12 ve 4x1 + 6x2 = 72 den x1*=12 ve x2*=4 optimal
değerleri kolayca elde edilir. (x1 ve x2’nin sonundaki * işareti bu
x1 ve x2 değerlerinin optimal çözüm değerleri olduğunu
göstermek için kullanılmıştır.) Bu değerler amaç fonksiyonunda
yerine konulduğunda da optimal çözüm olan 5(12) + 4(4)=76
değerine ulaşılır.
 Bu noktaya kadar elde ettiklerimizi gözden geçirdiğimizde bazı önemli
sonuçlara ulaşabiliriz: Optimal çözümün bulunduğu noktadan geçen kısıtlar
bağlayıcı kısıtlardır. Bizim örneğimizde (1) ve (3) no.lu kısıtlar bağlayıcı
kısıtlardır. Optimal çözümün bulunduğu noktadan geçmeyen kısıtlar ise
bağlayıcı olmayan kısıtlardır. Bizim örneğimizde (2) no.lu kısıt bağlayıcı
değildir.
 Optimal çözüm hiçbir zaman uygun bölgenin içinde bir nokta olamaz. Optimal
çözüm uygun bölgenin sınırları üstünde olmak zorundadır. Uygun bölgenin
sınırları üstündeki köşe noktaları uç noktalar olarak adlandırılır. Bizim
örneğimizde optimal çözüm C uç noktasında bulunmuştur. Uç noktalar doğrusal
programlamada optimal çözümün elde edilmesinde önemli kavramlardır.
Örneğimizde x2’nin amaç fonksiyonundaki katsayısı 4 yerine 10 alınırsa ve
diğer tüm parametreler ve kısıtlar aynen bırakılırsa, amaç fonksiyonunun yeni
eğimi ve optimal çözüm Şekil 2.2’de görüleceği gibi değişecek ve optimal
çözüm C uç noktası yerine B uç noktasında oluşacaktır. x1 ve x2’nin yeni
değerleri 3 ve 10, amaç fonksiyonunun da yeni değeri 115 olacaktır. Ayrıca
bağlayıcı kısıtlar da (2) ve (3) no.lu kısıtlar olacaktır.
A B
D
Örnek
 SüperPlast şirketi bilgisayarlar için 3 farklı

modelde bilgisayar kasası üretmektedir; Standart,
Performa ve Ultra. Her bir kasanın üretimi için iki
ayrı makinada işlem gerekmekte ve her bir
makina haftada 6000 dakika çalışabilmektedir.
Bilgisayar kasalarının üretimi için makinalarda
harcanan süre (dakika) aşağıdaki tabloda
verilmiştir.
Ürün Modelleri
Standart Performa Ultra
1 8 4 5
Makina
2 1 5 4
 Depolama alanı kısıtı nedeniyle haftada 1500’den
fazla bilgisayar kasası üretilememektedir. Şirket
yaptığı bir anlaşma nedeniyle her hafta en az 300
adet Standart kasa üretmek zorundadır. SüperPlast
ürettiği tüm bilgisayar kasalarını satabilmekte herbir
kasadan aşağıdaki miktarda kar (milyon TL.) elde
etmektedir.
Ürün Modelleri
Standart Performa Ultra
Kar 12 9 6
 SüperPlast şu anda Standart’dan haftada
750 tane üretmekte, Perfoma ve Ultra’dan
ise üretmemektedir. Şirket yönetimi şu anki
üretim politikalarının iyileştirilme olasılığını
araştırmaktadır. SüperPlast haftalık karını
maksimize etmek için herbir üründen kaçar
adet üretmelidir?
Çözüm
 Bu örnekte şirket yönetimi Optimal Üretim Planını

elde etmek istemektedir. Optimal Üretim Planını elde
etmek için yönetimin vermesi gereken karar, hangi
üründen kaçar adet üretilmesi gerektiğidir. Bu kararı
vermek için ilk olarak, karar değişkenleri şu şekilde
tanımlanmalıdır:
x1: Standart modelden her hafta üretilecek miktar.
x2: Performa modelinden her hafta üretilecek miktar.
x3: Ultra modelinden her hafta üretilecek miktar.
Amaç Fonksiyonu
İkinci aşamada, Optimal Üretim Planını elde etmek için

hangi performans kriterinin baz alınacağı belirlenmeli ve
bu kriter doğrultusunda amaç fonksiyonu
oluşturulmalıdır.
Max. 12x1 + 9x2 + 6x3
Amaç fonksiyonunda yukarıdaki örnekte de olduğu gibi

kar maksimize edilebilir. Ancak, maliyet, süre ya da
işgücü gibi kavramlar için ise minimizasyon şeklinde
amaç fonksiyonları da oluşturulabilir.
Kısıtlar
Üçüncü aşamada ise amaca ulaşmada engel teşkil

edebilecek kısıtlar, matematiksel eşit(siz)likler olarak
ifade edilmelidir. Makina 1’in haftalık kapasitesi bir
kısıttır ve matematiksel olarak şu şekilde ifade edilir:
8x1 + 4x2 + 5x3 < 6000
Bu ifadenin, değişkenlerin alacağı değere bağlı olan sol

tarafı (SolT), kısıt fonksiyonu olarak adlandırılır. <
sembolü kısıtı bir eşitsizlik kısıtı yapar. Makina
kapasitesini gösteren 6000 sabiti ise sağ taraf (SağT)
olarak adlandırılır. Doğrusal programlama modeli
kısıtlarında değişkenler eşit(siz)liğin sol tarafında,
sabitler ise sağ tarafında gösterilir.
Kısıtlar
Makina 2’nin haftalık kapasite kısıtı da şu şekilde ifade

edilir:
1x1 + 5x2 + 4x3 < 6000
Depolama alanı sınırlaması nedeniyle haftada en fazla

1500 adet bilgisayar kasası üretilebileceği de bir kısıttır
ve şu şekilde gösterilir.
x1 + x2 + x3 < 1500
Kısıtlar
Her hafta en az 300 adet Standart kasa üretme kısıtı

ise > şeklinde bir eşitsizliktir.
x1 > 300
Herhangi bir modelden negatif sayıda üretim yapılması

fiziksel olarak imkansız olduğu için, bu durum negatif
olamama şartı şeklinde ifade edilmelidir.
x1 > 0, x2 > 0, x3 > 0

Standart:750 Performa:0 Ultra:0
 Yukarıdaki kısıtları ihlal etmeden üretim planını

oluşturabilecek sonsuz sayıda çözüm vardır. Bu
çözümler uygun çözüm olarak adlandırılır.
8750 + 40 + 50 < 6000  6000 < 6000 

1750 + 50 + 40 < 6000  750 < 6000 
750 + 0 + 0 < 1500  750 < 1500 
750 > 300  750 > 300 
Şirketin haftalık karı ise; 12750 + 90 + 60 = 9000

(milyon TL.) dir.
 Ancak, şu anki üretim planının uygun bir çözüm olması,

optimal çözüm olmasını da gerektirmemektedir.
8500 + 4500 + 50 < 6000 6000 < 6000 

1500 + 5500 + 40 < 6000 3000 < 6000 
500 + 500 + 0 < 1500 1000 < 1500 
500 > 300  500 > 300 
Şirketin haftalık karı; 12500 + 9500 + 60 = 10.500

(milyonTL.) ye yükselecektir.
 Haftalık kar daha da artarak; 12600 + 9400 + 60 =

10.800 (milyon TL.) ye yükselecektir. Ancak bu üretim
planı daha yüksek kar getirmesine karşın uygun bir
çözüm değildir. Karşılanamayan kısıt vardır.
8600 + 4400 + 50 < 6000 6400 < 6000 

1600 + 5400 + 40 < 6000 2600 < 6000 
600 + 400 + 0 < 1500 1000 < 1500 
600 > 300  600 > 300 
Doğrusal Programlama Modeli
Maks. 12x1 + 9x2 + 6x3

kısıtlar
8x1 + 4x2 + 5x3 < 6000
1x1 + 5x2 + 4x3 < 6000
x1 + x2 + x3 < 1500
x1 > 300
x1, x2, x3 >0
 Bu model çözülerek elde edilecek x1, x2, x3 karar

değişkenlerinin değeri optimal çözüm olarak adlandırılır.
LP Modellerinin Excel’de
Formülasyonu
1. Öncelikle değişken değerlerine karşılık gelen

hücreler ayrılır. Bizim örneğimizdeki değişkenler; x1,
x2, x3 için C5, D5, E5 hücreleri ayrılmıştır.
Kuracağımız model Solver’da çözüldükten sonra bu
hücrelerde karar değişkenlerinin optimal değerleri
hesaplanacak ve görünecektir.
B C D E
2 SÜPERPLAST ÜRETİM PLANI
3
4
5
Formülasyonu
2. Bu aşamanın ardından, karar değişkenlerinin isimleri

tanımlanır. B5 hücresine ‘Üretim Miktarı’ yazılmıştır.
C4:E4 aralığına ise modellerin adları olan, Standart,
Performa ve Ultra yazılmıştır
B C D E
3
4 Standart Performa Ultra
5 Üretim Miktarı
Formülasyonu
3. Bu noktada artık amaç fonksiyonunu hazırlayabiliriz.

Amaç fonksiyonu olan Maks. 12x1 + 9x2 + 6x3 ün
katsayılarını Excel tablosundaki C6:E6 aralığına
yazdık.
B C D E
3
5 Üretim Miktarı
6 Birim Kar Katkısı 12 9 6
Formülasyonu
4. Amaç fonksiyonunun değerinin hesaplanması için F6

hücresi hazırlanır. Bu hücreye 12x1 + 9x2 + 6x3
ifadesinin girilmesi gereklidir.
=SUMPRODUCT($C$5:$E$5;C6:E6)
B C D E F G H
3
5 Üretim Miktarı
6 Birim Kar Katkısı 12 9 6 Toplam Kar
Formülasyonu
5. Bu aşamada kısıtları yazmaya başlayabiliriz. Önce kısıtların

katsayılarını ve başlıklarını amaç fonksiyonunun katsayılarını
yazdığımız gibi yazabiliriz. Bu kısıtlardaki herbir değişkenin
katsayısını, o kısıtın sütununa yazıyoruz.
B C D E F G H
3
5 Üretim Miktarı
7
8 Kısıtlar
9 Makine 1 8 4 5
10 Makine 2 1 5 4
11 Depolama 1 1 1
12
13 Standart 1
Formülasyonu
 Tüm kısıtların matematiksel ifadelerini

=SUMPRODUCT kullanarak her kısıtın katsayılarının
sağındaki hücreye yazacağız.
 F9: =SUMPRODUCT($C$5:$E$5;C9:E9)
(8x1+4x2+5x3’e karşılık geliyor)
(1x1’e karşılık geliyor)
Formülasyonu
6. Son olarak H6:H13 aralığına kısıtların sağ taraf

sabitleri yazılacak.
B C D E F G H
3
5 Üretim Miktarı
7
8 Kısıtlar Kullanım Kapasite
9 Makine 1 8 4 5 < 6000
10 Makine 2 1 5 4 < 6000
11 Depolama 1 1 1 < 1500
12 Üretim Minimum
13 Standart 1 > 300
B C D E F G H
3
5 Üretim Miktarı 750 0 0
6 Birim Kar Katkısı 12 9 6 9000 Toplam Kar
7
8 Kısıtlar Kullanım Kapasite
9 Makine 1 8 4 5 6000 < 6000
10 Makine 2 1 5 4 750 < 6000
11 Depolama 1 1 1 750 < 1500
12 Üretim Minimum
13 Standart 1 750 > 300
LP Modelinin SOLVER ile Çözümü
1. Öncelikle Excel üzerinde bir önceki kısımda

hazırladığımız gibi model hazırlanmalıdır.
2. Ardından Solver çalıştırılır. Solver’a Excel’in Tools
(Araçlar) menüsünün altında erişilir.
3. Amaç fonksiyonu, ‘Set Target Cell’ bölümünde belirtilecektir.

4. Ardından amaç fonksiyonunun tipi ‘Equal To’ kısmında Max
yada Min seçeneklerinden birisi seçilerek belirtilir.
5. Amaç fonksiyonunun tanımlanmasının ardından

karar değişkenleri Solver’a tanıtılmalıdır. Bunun
için Solver diyalog penceresinin ‘By Changing
Cells’ bölümüne gidilmesi gerekir.
6. Bu aşamada modelin kısıtları Solver’a tanıtılacaktır.

Yeni bir kısıt girmek için ‘Subject to the Constraints’
kısmında Add düğmesine basmak gerekmektedir.
Add düğmesine bastıktan sonra karşımıza ‘Add
Constraint’ penceresi çıkacaktır.
7. ‘Solve’ düğmesine basarak optimal çözümü

elde ederiz.
Answer Report
Microsoft Excel 9.0 Answer Report

Target Cell (Max)
Cell Name Original Value Final Value
$F$6 Kar 0 11700
Adjustable Cells
Cell Name Original Value Final Value
$C$5 Üretim Miktarı Standart 0 300
$D$5 Üretim Miktarı Performa 0 900
$E$5 Üretim Miktarı Ultra 0 0
Constraints
Cell Name Cell Value Formula Status Slack
$F$13 Standart Üretim 300$F$13>=$H$13 Binding 0
$F$9 Makine 1 Kullanım 6000$F$9<=$H$9 Binding 0
$F$10 Makine 2 Kullanım 4800$F$10<=$H$10 Not Binding 1200
$F$11 Depolama Kullanım 1200$F$11<=$H$11 Not Binding 300
Duyarlılık Analizi
 Gerçek hayat koşullarında her zaman modeller yeterli

olmayacaktır. Modellerin çözümünde değerlerini veri
olarak kabul ettiğimiz parametrelerde değişiklikler,
planlardan sapmalar olabilecektir. İşte bu noktada
yönetici, planlarda sapma olduğunda modelin nasıl
davranacağını bilmek isteyecektir.
 Finansal planlama örneğinde, toplam yatırım yapacağı
miktar 10 milyar TL’den 20 milyar TL’ye çıkarsa, ya da
vadeli mevduatın aylık getirisi %4’den %2’ye düşerse
optimal yatırım kararlarının değişip değişmeyeceğini,
değişirse ne kadar değişeceğini bilmek isteyecektir.
 Bu soruların cevabını bulmak için geliştirilmiş olan

yaklaşım, doğrusal programlama jargonunda
duyarlılık analizi yada optimallik sonrası analizi olarak
adlandırılır. Bir doğrusal programlama modelinin 3
ayrı tip parametresinin duyarlılık analizi (değişmelere
tepkisi) yapılabilir. Bunlar, amaç fonksiyonu
katsayılarının değişmesi, kısıtların sağ taraf
sabitlerinin değişmesi ve kısıtların katsayılarının
(teknoloji katsayıları) değişmesinin duyarlılık
analizidir.
 Modelin içindeki parameterlerin değişmesine karşı
model nasıl davranıyor, sorusunun cevabını
verebiliyor olmak yönetsel açıdan çok önemli bir
sonuçtur. Bu sorunun cevabını verdiği anda,
yönetimin elinde hem optimal çözüm değerleri, hem
de varsayımlarından sapma olduğunda yapının nasıl
değişeceği ile ilgili sonuçlar olacaktır. Eğer
parameterelerdeki büyük bir değişime karşı optimal
çözüm değişmiyorsa yada çok az değişiyorsa,
yönetim gelecekteki belirsizlikle ilgili daha rahat
olacaktır.
Solver’ın Duyarlılık Analizi Raporu
 Excel’i Solver eklentisi, doğrusal programlama modellerini

çözmesinin yanısıra, istersek duyarlılık analizi raporu da
hazırlamaktadır.
B C D E F G H I
3
5 Üretim Miktarı 300 900 0
6 Birim Kar Katkısı 12 9 6 11700 Toplam Kar
7
8 Kısıtlar Kullanım Kapasite Serbestlik
9 Makine 1 8 4 5 6000 < 6000 0
10 Makine 2 1 5 4 4800 < 6000 1200
11 Depolama 1 1 1 1200 < 1500 300
12 Üretim Minimum
13 Standart 1 300 > 300 0
Süperplast Örneği
 Standart’tan 300, Performa’dan 900 birim

üretiliyordu, Ultra’dan ise üretilmiyordu. Dolayısıyla
Standart ve Performa modeldeki temel değişkenleri,
Ultra ise temel olmayan değişkeni oluşturuyordu.
Optimal çözüm değeri 11700 (milyon TL) idi. Kısıtları
hatırlarsak, 4 kısıttan ilk üçü <, sonuncusu ise >
işaretli idi. Tüm kapasite veya gereksinimlerin
sağlandığı (1) ve (4) no.lu kısıtlar bağlayıcı kısıt
(serbestlikleri 0), (2) ve (3) no.lu kısıtlar ise bağlayıcı
olmayan kısıtlardır
Sensitivity Report
Sensitivity Report
Microsoft Excel 9.0 Sensitivity Report
Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$C$5 Üretim Miktarı Standart 300 0 12 6 1E+30
$D$5 Üretim Miktarı Performa 900 0 9 1E+30 3
$E$5 Üretim Miktarı Ultra 0 -5,25 6 5,25 1E+30
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$F$13 Standart Üretim 300 -6 300 450 133,33333
$F$9 Makine 1 Kullanım 6000 2,25 6000 960 3600
$F$10 Makine 2 Kullanım 4800 0 6000 1E+30 1200
$F$11 Depolama Kullanım 1200 0 1500 1E+30 300
İndirgenmiş Maliyet (Reduced Cost)
 İndirgenmiş Maliyet, çözümde yer almayan bir değişkenin,

çözümde pozitif bir değer alması için, o değişkenin amaç
fonksiyonu katsayısında yapılması gereken geriletme olarak
tanımlanabilir. Şekildeki ‘Reduced Cost’ sütununu incelersek
çözümde yer alan karar değişkenlerinin indirgenmiş
maliyetlerinin, zaten çözümde oldukları için beklenildiği gibi,
sıfır olduğunu görürüz. Öte yandan Ultra değişkenin indirgenmiş
maliyeti ise –5.25’dir. Bu, Ultranın amaç fonksiyonu katsayısı –
5.25 birim azalırsa (5.25 birim artarsa), Ultra’nın da çözüme
gireceğini söylemektedir. Ultra’nın şu andaki amaç fonksiyonu
katsayısı 6’dır. Dolayısıyla Ultra’nın birim kar katkısı; 6
– (-5.25) = 11.25 olursa ancak, bu değişken de çözüme
girebilecektir.
Gölge Fiyat (Shadow Price)
 Gölge fiyatı 0 olan kısıtlar çözümde bağlayıcı

olmayan kısıtlardır. Gölge fiyatı 0’dan farklı
olanlar ise bağlayıcı kısıtlardır. ‘Makine 1
Kullanım’ kısıtının gölge fiyatına bakacak
olursak 2.25 değerini görürüz. Bu kısıtın sağ
tarafını 1 birim artırırsak amaç fonksiyonunun
değeri 2.25 birim artacaktır. Aynı şekilde 1
birim azaltırsak da amaç fonksiyonunun
değeri 1 birim azalacaktır.
Ancak bu kural daha önce de değindiğimiz gibi kabul
edilebilir artış ve kabul edilebilir azalış sınırları içinde
geçerlidir. Şekil 4.5’in 6 ve 7. sütunlarında
(‘Allowable Increase’ ve ‘Allowable Decrease’) kısıtlar
için bu sınırlar verilmiştir. Yine ‘Makine 1 Kullanım’
kısıtına bakarsak bu kısıtın sınırları;
6000 – 3600 < 6000 < 6000 + 960 ,

2400 < 6000 < 6960’dür.
 ‘Standart Üretim’ kısıtının gölge fiyatı ise –6’dır. >
işaretli bu kısıtın sağ taraf değerini 1 birim
artırdığımızda, amaç fonksiyonu –6 birim
iyileşecektir. Yani sağ taraf değerin 300’den 301’e
çıkarırsak, amaç fonksiyonu da 11700 + (-6) =
11693 olacaktır. Tabii bunu söylemeden önce kabul
edilebilir artış sütununa bakıp kısıtın sağ tarafını 1
birim artırıp artıramayacağımızı kontrol etmeliyiz.
(Kabul edilebilir artış miktarı, 133,33 birimdir.)
İndirgenmiş Maliyet ve Gölge Fiyat
İlişkisi
Karar değişkenlerinin indirgenmiş maliyetlerinin bir diğer tanımı

da şöyle verilebilir. Karar değişkeninin birim başına marjinal karı
eksi tükettiği kaynakların birim başına maliyeti. (kaynakların gölge
fiyatlarından hesaplanır.)
İndirgenmiş Maliyet ULTRA = Karın Marjinal Değeri – Kaynakların

Marjinal Maliyeti
İndirgenmiş Maliyet ULTRA = [ 6 ] – [ (5).(2.25) + (4).(0) + (1).(0) +
(0).(-6) ]
İndirgenmiş Maliyet ULTRA = 6 – 11.25
İndirgenmiş Maliyet ULTRA = -5.25
Modele Yeni Bir Değişken
Eklenmesi
SüperPlast şirketi Mega adıyla yeni bir bilgisayar kasası daha

üretmeyi düşünmektedir. 13 dolardan satılması planlanan bu kasa
Makine 1’de 6 dakika, Makine 2’de de 5 dakika harcanarak
üretilecektir. Depolama kısıtında 1 birim olarak yer alacaktır.
Minimum üretim kısıtı yoktur. Bu kasanın üretilmesi karlı mıdır?
İndirgenmiş Maliyet MEGA = Karın Marjinal Değeri – Kaynakların

Marjinal Maliyeti
(0).(-6) ]
İndirgenmiş Maliyet ULTRA = -0.5
Teknoloji katsayılarındaki
Değişmenin Etkisi
Ultra’nın Makine 1’de üretim için geçen zamanı 5 dakikadan 2

dakikaya inerse üretim planı değişir mi?
İndirgenmiş Maliyet ULTRA = Karın Marjinal Değeri – Kaynakların

Marjinal Maliyeti
(0).(-6) ]
İndirgenmiş Maliyet ULTRA = 1.50
Ultra’nın yeni indirgenmiş maliyeti pozitif bir değer aldığı için,

Ultra’yı üretmek karlı bir hale gelmiştir.
Minimizasyon Örneği
 Temiz Kimya şirketi yeni bir yer silme sıvısı üretecektir. Bu

sıvının içinde en azından %25 A temizleyici maddesi, en
azından %40 B temizleyici maddesi ve en az %30 en fazla da
%45 C temizleyici maddesi olacaktır. Temiz Kimya pazarlama
birimi önümüzdeki dönem için bu üründen 10000 kg.
satabileceğini tahmin etmektedir. Temiz Kimya bu ürünü
üretmek için 3 ayrı hammadde kullanabilir. Bu hammaddelerin
içerikleri aşağıdaki tabloda verilmiştir.
Hammadde A maddesi B maddesi C maddesi
I %20 %60 %20
II %40 %30 %30
III %10 %40 %50
Hammadde I, II ve III’ün kg. maliyetleri sırasıyla, 5 YTL, 5.25YTL
ve 5.5YTL’dır. Temiz Kimya, en az maliyetle talebi karşılayacak
yer silme sıvısının üretimi için doğrusal programlama modeli
oluşturup çözmek istemektedir.
Pi = ürünün içinde yer alacak hammadde i oranı.
MIN 5.00 P1 + 5.25 P2 + 5.50 P3
ST 0.20 P1 + 0.40 P2 + 0.10 P3 >.25
0.60 P1 + 0.30 P2 + 0.40 P3 >.40
0.20 P1 + 0.30 P2 + 0.50 P3 >.30
0.20 P1 + 0.30 P2 + 0.50 P3 <.45
P1 + P2 + P3 = 1.0
Pi 0
Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$G$5 Üründeki %'si 0,43 0,00 5 0,125 1E+30
$G$6 Üründeki %'si 0,36 0,00 5,25 1E+30 0,083333333
$G$7 Üründeki %'si 0,21 0,00 5,5 0,25 0,625
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$E$8 Bileşim C maddesi 0,30 0,00 0,45 1E+30 0,15
$G$8 Bileşim Üründeki %'si 1,00 4,57 1 0,3125 0,05
$C$8 Bileşim A maddesi 0,25 0,36 0,25 0,05 0,083333333
$D$8 Bileşim B maddesi 0,45 0,00 0,4 0,05 1E+30
$E$8 Bileşim C maddesi 0,30 1,79 0,3 0,05 0,075
i. I hammaddesinin maliyeti 5’den 5.1’e çıkarsa optimal çözüm ne
olacaktır?
0.1 birimlik artış I hammaddesinin kabul edilebilir artışı olan
0.125’den az olduğu için optimal çözüm değişmeyecektir. (x 1*, x2*,
x3*) = (0.43, 0.36, 0.21) olacaktır.
ii. I hammaddesinin maliyeti 5’den 5.2’ye çıkarsa optimal çözüm ne

olacaktır?
0.2 birimlik artış I hammaddesinin kabul edilebilir artışı olan
0.125’den çok olduğu için optimal çözüm değişecektir.
iii. C hammaddesinin maksimum istenme miktarı %45’den %40’a
düşürülürse ne olur?
Bu kısıt bağlayıcı değildir. Gölge fiyatı da 0 dır. Kabul edilebilir
azalma miktarı da %15 dir. Dolayısıyla hiçbir şey değişmez.
iv. A hammaddesinin minimum istenme miktarı %25’den %30’a

çıkarılırsa ne olur?
0.05’lik artış ‘Bileşim A Maddesi’ kısıtının kabul edilebilir artış
sınırındadır. Bu kısıtın gölge fiyatı da 0.36’dır. Dolayısıyla amaç
fonksiyonunun değeri 0.36*0.05 = 0.018 artarak, 5.20’den 5.218’e
çıkacaktır.
Yatırım Planlaması Uygulaması
 EkonoBank yatırım uzmanı, elindeki 1.5 milyon TL’lik

fonu aylık getiriyi maksimize edecek şekilde aşağıdaki
yatırım enstrümanlarına yatırmak istemektedir.
Yatırım Enstrümanı Aylık Getiri Vade Yapısı Risk Vergi Muafiyeti

A %4.75 Uzun Yüksek Var
B %4 Kısa Düşük Var
C %4.5 Uzun Düşük Yok
D %4.5 Uzun Yüksek Var
E %4.5 Kısa Yüksek Yok
Yatırım Planlaması Uygulaması
 Uzman elindeki fonun en azından %60’ını kısa vadeli

enstrümanlara yatırmak istemekte ve paranın
%40’ından fazlasını yüksek riskli enstrümanlara
yatırmak istememektedir. Elindeki fonun en azından
%40’ı vergi muafiyeti olan enstrümanlara
yatırılmalıdır.
– Bu problem için aylık getiriyi maksimize edecek doğrusal
programlama modelini formülize ediniz.
– Modeli Excel’e uyarlayıp çözünüz.
– Optimal çözüm ve karar değişkenlerinin aldıkları değerleri
bulunuz.
Karar Değişkenleri:
 Yatırım planlaması probleminde, her biri çeşitli

yatırım enstrümanlarına yatırılacak miktara karşılık
gelen 5 karar değişkeni tanımlanmalıdır. Bunlar;
A = A yatırım enstrümanına yatırılacak miktar
B = B yatırım enstrümanına yatırılacak miktar
C = C yatırım enstrümanına yatırılacak miktar
D = D yatırım enstrümanına yatırılacak miktar
E = E yatırım enstrümanına yatırılacak miktar
Amaç Fonksiyonu
 Problemin amacı çeşitli yatırım enstrümanlarına

yatırılacak miktarlarla elde edilecek getiriyi maksimize
etmektir. Dolayısıyla, karar değişkenleri ile o karar
değişkenine karşılık gelen aylık getiri değerleri çarpılıp,
sonra da tüm değerler toplanarak amaç fonksiyonu
elde edlir. Aşağıda amaç fonksiyonu görülmektedir.
Maks. 0.0475A + 0.04B + 0.045C + 0.045D + 0.045E

Kısıtlar
Problemdeki ilk kısıt, toplam yatırılacak fonun 1.5 trilyon TL
olmasını sağlayan aşağıdaki kısıttır.
A + B + C + D + E = 1500
Yatırım yapılacak fonun en azından %60’ını kısa vadeli

enstrümanlara yatırılmasını sağlayan kısıt ta şu şekilde yazılır.
B + E  900
Yatırımın %40’ından fazlasının yüksek riskli enstrümanlara

yatırılmamasını sağlayan kısıt ise aşağıdaki şekilde oluşturulur.
A + D + E  600
Kısıtlar
Yatırımın en azından %40’ının vergi muafiyeti olan

enstrümanlara yatırılmasını sağlayan kısıt aşağıda
görülmektedir.
A + B + D  600
Son olarak karar değişkenlerinin negatif olamama kısıtları

da aşağıda gösterildiği gibi modele eklenmelidir.
A, B, C, D, E  0
Matematiksel Model
Maks. 0.0475A + 0.04B + 0.045C + 0.045D +

0.045E
Kısıtlar
A + B + C + D + E = 1500
B + E  900
A + D + E  600
A + B + D  600
A, B, C, D, E  0
Excel’de Modelleme
B C D E F G H I J K
2 EKONOBANK YATIRIM PLANI
3
Yatırım
4 Miktar
Alternatifi Getiri Vade Risk Vergi Muafiyeti Getiri
5 A 236,62 %4,75 Uzun 0 Yüksek 1 Var 1 %4,75
6 B 536,62 %4,00 Kısa 1 Düşük 0 Var 1 %4,00
7 C 363,38 %4,50 Uzun 0 Düşük 0 Yok 0 %0,00
8 D 0 %4,50 Uzun 0 Yüksek 1 Var 1 %4,50
9 E 363,38 %4,50 Kısa 1 Yüksek 1 Yok 0 %0,00
10 1.500 mTL 65,41 mTL 900 mTL 600 mTL 773 mTL 32,70 mTL
11 1.500 mTL 900 mTL 600 mTL 600 mTL 32,70 mTL
Hücre Formül 12 %4,36 %60 %40 %40 %50
C10: =SUM(C5:C9)
D10: =SUMPRODUCT($C$5:$C$9;D5:D9)
F10: =SUMPRODUCT($C$5:$C$9;F5:F9)
H10: =SUMPRODUCT($C$5:$C$9;H5:H9)
J10: =SUMPRODUCT($C$5:$C$9;J5:J9)
K10: =SUMPRODUCT($C$5:$C$9;K5:K9)
F11: =F12*C11
H11: =H12*C11
J11: =J12*C11
K11: =K12*D10
D12: =D10/C10
Solver Parametreleri
Optimal Çözüm
B C D E F G H I J K
2 EKONOBANK YATIRIM PLANI
3
Yatırım
4 Alternatifi Miktar Getiri Vade Risk Vergi Muafiyeti Getiri
5 A 236,62 %4,75 Uzun 0 Yüksek 1 Var 1 %4,75
6 B 536,62 %4,00 Kısa 1 Düşük 0 Var 1 %4,00
7 C 363,38 %4,50 Uzun 0 Düşük 0 Yok 0 %0,00
8 D 0 %4,50 Uzun 0 Yüksek 1 Var 1 %4,50
9 E 363,38 %4,50 Kısa 1 Yüksek 1 Yok 0 %0,00
10 1.500 mTL 65,41 mTL 900 mTL 600 mTL 773 mTL 32,70 mTL
11 1.500 mTL 900 mTL 600 mTL 600 mTL 32,70 mTL
12 %4,36 %60 %40 %40 %50
Bu çözüme göre EkonoBank A enstrümanına 236.6 milyar

TL, B enstrümanına 536.6 milyar TL, C enstrümanına 363.4
milyar TL, D enstrümanına 0 TL ve E enstrümanına 363.4
milyar TL yatırmalıdır. Bu yatırım planı ile 1.5 trilyon TL’lik
yatırımı ile 65.4 milyar TL (yada %4.36) getiri elde edecektir.
Uygulama 1
 Elindeki 100 bin TL’lik birikimini çeşitli yatırım enstrümanlarına

dağıtmak isteyen Mert Bey hesabı olan aracı kurumdaki yatırım
danışmanı ile görüşerek aşağıda tabloda risk ve beklenen getiri
yapıları görülen yatırım enstrümanların yatırım yapmak üzere
belirlemiştir.
Yatırım Risk Beklenen Sektör

Enstrümanı Derecesi Aylık
Getiri
Hisse Senedi A 5 % 6.0 İmalat
Hisse Senedi B 4 % 5.5 Finans
Hisse Senedi C 3 % 5.0 Finans
Hisse Senedi D 2 % 4.5 Finans
Hisse Senedi E 1 % 4.0 İmalat
Hazine Bonosu - % 3.8 -
Repo - % 2.5 -
Uygulama 1
Elindeki fonu yukarıdaki enstrümanlara nasıl dağıtacağı ile ilgili
stratejiler ise aşağıda listelenmiştir.
– Tüm para yukarıdaki yatırım enstrümanlarına dağıtılacaktır.
– Yatırım yapılacak tutarın en azından %15’i gecelik repoda tutulacaktır.
– Hisse senetlerine yatırılan tutarın ortalama risk derecesi 3’ün altında
olacaktır.
– Hiçbir hisse senedine toplam portföyün %10’undan fazlası
yatırılamayacaktır.
– Hazine bonosuna en azından hisse senetlerine yatırılan miktar kadar
yatırım yapılacaktır.
– Beklenen aylık getirisi %5’in altında olan enstrümanlara toplam portföyün
en fazla %80’i yatırılabilecektir.
Mert Beyin toplam aylık getirisini maksimize edecek şekilde hangi
yatırım enstrümanına ne kadar yatırması gerektiğini bulan doğrusal
programlama modelini formüle edip Excel’de çözünüz. Tüm
portföyün aylık beklenen getirisi ne kadar olacaktır?
Uygulama 2
 Güven Bankası 5 farklı kredi vermektedir. Bu

kredilerin tipleri ve aylık faiz oranları aşağıda
verilmiştir
Kredi Tipi Faiz Yüzdesi
(aylık)
A (ticari) 5.5
B (ev) 3.5
C (oto) 5
D (ev 2) 4.5
E (kısa dönem) 6
Uygulama 2
Bankanın 100 milyon TL. kredi verebileceği kaynağı vardır.

Amacı ise faiz gelirini maksimize etmektir. Ancak
verebileceği kredilerle ilgili bazı zorunlulukları vardır:
– C kredisi, B kredisinin %25 inden fazla olamaz.
– A kredisi en fazla D kredisi kadar verilebilir.
– Banka kredilerinin en azından %50'sini B ve D tiplerinden
vermelidir.
– B kredisi, D kredisinin en azından 1.5 katı olmalıdır.
– E tipi kredi 10 milyon TL’yi aşamaz.
Bankanın kredi dağıtım planını bulunuz.
Çok Dönemli Nakit Akışı Problemi
 Bu yapıdaki problemlerde genellikle

planlama dönemi sonundaki getiri maksimize
edilir. Karar verici yatırım enstrümanlarını
karar değişkenleri olarak seçer. Amacına
ulaşmak için hangi yatırım enstrümanına ne
kadar yatırım yapması gerektiğini belirler.
Dönemler içinde nakit akışının korunumu ve
yatırım enstrümanlarına yapılabilecek
yatırımların alt-üst limiteri modeldeki kısıtları
oluşturur.
 Çevre Koruma Derneğinin bağışlardan topladığı ve doğal hayatı ve

çevreyi koruma faaliyetlerinde kullandığı fonlarında 500 binTL
birikimi vardır ve bu birikimi yatırımlara dağıtmak istemektedir.
Dernek yatırım yapabileceği enstrümanları beş adete indirgemiştir.
Bu enstrümanların nakit akış planı aşağıdaki tabloda verilmiştir.
Nakit Akışları (her yılın başındaki akışlar)

Yatırım Enstrümanı 2009 2010 2011 2012
A -1,00 1,00 0,70
B -1,00 - 1,80
C -1,00 - - 2,10
D -1,00 - 1,85
E -1,00 - 1,75
Dernek A yatırım enstrümanına eğer 2009 başında 1 TL yatırırsa,
2010 başında 1 TL ve 2005 başında da 0,7 TL alacaktır. Öte yandan,
eğer 1 TL’sini 2010 başında B’ye yatırırsa, 2012 yılı başında 1,80 TL
kazanacaktır. Tablodaki “-” işaretleri nakit akışının olmadığı yatırım
dönemlerini göstermektedir. Her yıl başında derneğin elindeki
parasını yıllık %25 getiri ile para piyasalarında değerlendirme şansı
da bulunmaktadır. Dernek, likiditesini korumak için en azından 50 bin
TL’yi sürekli olarak para piyasalarında tutmak istemekte ve risklerden
kaçınmak için de herhangi bir yatırım enstrümanına ve para
piyasalarına 300 bin TL’den fazla yatırmak istememektedir. Dernek
2012 yılı başındaki toplam parasını maksimize etmek için
yatırımlarını nasıl oluşturmalıdır?
– Bu problem için doğrusal programlama modelini formülize ediniz.
– Modeli Excel’e uyarlayıp, Solver ile çözünüz.
– Optimal çözüm ve karar değişkenlerinin aldıkları değerleri bulunuz.
Karar Değişkenleri
Çok dönemli nakit akışı probleminde, her biri çeşitli

yatırım enstrümanlarına yatırılacak miktara karşılık
gelen 8 karar değişkeni tanımlanmalıdır. Bunlar;
A = A yatırım enstrümanına yatırılan miktar

B = B yatırım enstrümanına yatırılan miktar
C = C yatırım enstrümanına yatırılan miktar
D = D yatırım enstrümanına yatırılan miktar
E = E yatırım enstrümanına yatırılan miktar
P2009 = 2009’da para piyasasına yatırılan miktar
P2010 = 2010’da para piyasasına yatırılan miktar
P2011 = 2011’de para piyasasına yatırılan miktar
Amaç Fonksiyonu
Problemin amacı çeşitli yatırım enstrümanlarına

yatırılacak miktarlarla 2011 yılı sonunda elde
edilecek getiriyi maksimize etmektir. Dolayısıyla,
2011 yılında getiri getiren karar değişkenleri ile o
karar değişkenine karşılık gelen yıllık getiri değerleri
çarpılıp, sonra da tüm değerler toplanarak amaç
fonksiyonu elde edlir. Aşağıda amaç fonksiyonu
görülmektedir.
Maks. 1.80 B + 2.10 C + 1.25 P2011

Kısıtlar
Problemdeki ilk kısıt grubu, önümüzdeki 3 yıl

boyunca yıllık nakit girdileri ile nakit çıkışlarını
birbirine eşitleyerek nakit akışının korunumunu
sağlayan kısıtlardır.
A + C + D + E + P2009 = 500
A + 1.25 P2009 - B - P2010 = 0
0.7 A + 1.85 D + 1.70 E + 1.25 P2010 - P2011 = 0
Kısıtlar
Problemdeki ikinci grup kısıtlar da, yatırım

enstrümanlarına yatırılabilecek miktarların alt-üst
sınırlarını sağlayan aşağıdaki kısıtlardır.
A  300 P2009  50 P2009  300
B  300 P2010  50 P2010  300
C  300 P2011  50 P2011  300
D  300
E  300
Karar değişkenlerinin negatif olamama kısıtları,
A, B, C, D, E, P2009, P2010, P2011  0

Matematiksel Model
Maks. 1.80 B + 2.10 C + 1.25 P2011

Kısıtlar
A + C + D + E + P2009 = 500
A + 1.25 P2009 - B - P2010 = 0
0.7 A + 1.85 D + 1.70 E + 1.25 P2010 - P2011 = 0
A  300 P2009  50 P2009  300
B  300 P2010  50 P2010  300
C  300 P2011  50 P2011  300
D  300
E  300
A, B, C, D, E, P2009, P2010, P2011  0

Hücre Formül
F14: =SUMPRODUCT($C$6:$C$13;F6:F13)
G14: =SUMPRODUCT($C$6:$C$13;G6:G13)
H14: =SUMPRODUCT($C$6:$C$13;H6:H13)
I14: =SUMPRODUCT($C$6:$C$13;I6:I13)
Excel’de Modelleme
B C D E F G H I
2 ÇEVRE KORUMA DERNEĞİ
3 YATIRIM NAKİT AKIŞI PROBLEMİ
4 Yatırım Yatırılan Minimum Maksimum Nakit Akışı
5 Enstrümanı Miktar Yatırım Yatırım 2009 2010 2011 2012
6 A 300 0 300 -1,00 1,00 0,70
7 B 300 0 300 -1,00 - 1,80
8 C 144 0 300 -1,00 - - 2,10
9 D 6 0 300 -1,00 - 1,85
10 E 0 0 300 -1,00 - 1,75
11 P2009 50 50 300 -1,00 1,25
12 P2010 63 50 300 -1,00 1,25
13 P2011 300 50 300 -1,00 1,25
14 (bin TL) Toplam -500 0 0 1217
15 Gereken -500 0 0
Solver Parametreleri
Optimal Çözüm
B C D E F G H I
2 ÇEVRE KORUMA DERNEĞİ
3 YATIRIM NAKİT AKIŞI PROBLEMİ
4 Yatırım Yatırılan Minimum Maksimum Nakit Akışı
5 Enstrümanı Miktar Yatırım Yatırım 2009 2010 2011 2012
6 A 300 0 300 -1,00 1,00 0,70
7 B 300 0 300 -1,00 - 1,80
8 C 144 0 300 -1,00 - - 2,10
9 D 6 0 300 -1,00 - 1,85
10 E 0 0 300 -1,00 - 1,75
11 P2009 50 50 300 -1,00 1,25
12 P2010 63 50 300 -1,00 1,25
13 P2011 300 50 300 -1,00 1,25
14 (bin TL) Toplam -500 0 0 1217
15 Gereken -500 0 0
 Bu çözüme göre Çevre Koruma derneği A enstrümanına 300 bin TL, B enstrümanına
300 bin TL, C enstrümanına 144 bin TL, D enstrümanına 6 bin TL, 2009’da para
piyasalarına 50 binTl, 2010’da para piyasalarına 63 binTL ve 2011’de para piyasalarına
300 bin TL yatırmalıdır. Bu yatırım planı ile 3 yılın sonunda 500 bin TL’lik yatırmının
değeri 1.217.000 TL’ye çıkacaktır.
Uygulama 3
 Bankacı Ayşe hanım 5 yıl sonra ünversiteye başlayacak olan kızı

Aylin’in 4 yıllık üniversite harcamaları için şimdiden tasarruf
yapmaya başlamak istemektedir. Ayşe hanım üniversitenin ilk yılı
olan bu günden sonraki 6. yılda yıllık harcamasının 12 bin TL
olacağını ve bu miktarın her yıl 2 bin TL artacağını tahmin
etmektedir. Ayşe hanımın önümüzdeki dönemlerde yatırım
yapabileceği aşağıdaki yatırım enstrümanları bulunmaktadır.
Yatırım Yatırım Vadeler Vade Sonu
Alternatifleri Dönemleri Getirileri
A Her Yıl 1 yıl %30
B 1,3,5,7 2 yıl %70
C 1,4 3 yıl %105
D 1,3 5 yıl %210
E 1 7 yıl %325
Uygulama 3
 Ayşe Hanım bu günden başlayacağı tasarruf

miktarını minimize edecek şekilde
yatırımlarını planlamak istemektedir.
Doğrusal programlama modelini kurup
Excel’de çözünüz.
Üretim Alanında Doğrusal
Programlama Kullanımı
 CepCom Elektronik şirketi 2 model cep  C303’ün ve C309’un üretim maliyetleri

telefonu üretmektedir: C303 ve C309. sırasıyla; 80 ve 130 milyon TL’dir. Ayrıca
CepCom büyük bir süpermarket zinciri ile üretemediği telefonları bir taşeron
önümüzdeki ay için 3000 adet C303 ve firmadan sırasıyla 100 ve 150 milyon TL
1500 adet C309 teslim etmek üzere ödeyerek satın alabilmektedir. CepCom
sözleşme imzalamıştır. CepCom telefon imzaladığı sözleşme koşullarını yerine
üretimini 3 ayrı üretim departmanında getirmek için herbir modelden kaç tane
gerçekleştirmektedir: Üretim, Montaj ve cep telefounu üretmeli ve eğer
Paketleme. Bu departmanların aylık gerekiyorsa kaç tane de satın almalıdır?
üretim kapasiteleri ve herbir cep telefonu
 Bu problem için aylık maliyeti minimize
için departmanlarda üretim için harcanan
edecek doğrusal programlama modelini
süreler aşağıdaki tabloda verilmiştir:
formülize ediniz.
Üretim Süreleri  Modeli Excel’e uyarlayıp çözünüz.
C303 C309 Aylık Kapasite  Optimal çözüm ve karar değişkenlerinin
Üretim 0.25 0.45 1100 aldıkları değerleri bulunuz.
Montaj 0.25 0.55 1600
Paketleme 0.15 0.10 900
Ü1= C303 modelinden üretilecek cep telefonu sayısı

Ü2= C309 modelinden üretilecek cep telefonu sayısı
S1= C303 modelinden satın alınacak cep telefonu sayısı
S2= C309 modelinden satın alınacak cep telefonu sayısı
Min. 80 Ü1 + 130 Ü2 + 100 S1 + 150 S2

Kısıtlar
Ü1 + S1 = 3000
Ü2 + S2 = 1500
0.25 Ü1 + 0.45 Ü2  1100
0.25 Ü1 + 0.55 Ü2  1600
0.15 Ü1 + 0.10 Ü2  900
Üi, Si  0
B C D E F
2 CepCom ÜRETİM/SATIN ALMA PLANI
3
4 C303 C309
5 Üretilecek Miktar 3.000 778
6 Satın Alınacak miktar 0 722
7
8 Üretim Maliyeti 80 mTL 130 mTL Toplam
9 Satın Alma Maliyeti 100 mTL 150 mTL Maliyet 449.444 mTL
10
11 Toplam 3.000 1.500
12 Gereksinim 3.000 1.500
13 SolT SağT
14 Gerekli Kaynaklar Kullanılan Kapasite
15 Üretim 0,25 0,45 1.100 1.100
16 Montaj 0,25 0,55 1.178 1.600
17 Paketleme 0,15 0,10 528 900
Çok Dönemli Üretim Planlaması
 Bu kısımda çok dönemli üretim planlaması  Mobaş, stokta kalan her bir kitaplığın bir aylık
örneği üzerinde dinamik modelleri stok maliyetini yaklaşık 2 milyon TL olarak tahmin
inceleyeceğiz. Bu yapıdaki problemlerde etmektedir(aylık stok miktarı, dönem başı ve
toplam üretim ve stok maliyetleri minimize dönem sonu stoklarının ortalaması olarak
edilir. Karar verici her dönem üreteceği ve alınmaktadır). Şu anda stokta 25 adet kitaplık
stoklayacağı miktarları karar değişkenleri bulunmaktadır. İşgücü düzeyini dengeli tutmak
olarak seçer. Amacına ulaşmak için hangi için, şirket her ay en az 50 kitaplık üretmek
dönemde ne kadar üretim ve stok yapması istemektedir. Ayrıca beklenmeyen talepleri
gerektiğini belirler. Her dönem üretilen, karşılamak için de her ay 12 adet güvence stoğu
stoklanan ve talep edilen ürünlerin birbirini
sağlaması ile üretim alt-üst sınırları ve bulundurulması istenmektedir. Mobaş
stoklanabilecek maksimum miktar modeldeki önümüzdeki altı ay boyunca en az maliyetle
kısıtları oluşturur. talebi karşılayacak şekilde her ay ne kadar
 Mobaş Mobilya şirketi modüler mobilyalar kitaplık üretmesi gerektiğini bulmak istemektedir.
üretmektedir. Ürünlerinden birisi olan kitaplık  Bu problem için doğrusal programlama modelini
için önümüzdeki altı ay boyunca tahmin formülize ediniz.
edilen talep ve üretim maliyetleri ile  Modeli Excel’e uyarlayıp, Solver ile çözünüz.
kapasitesi aşağıdaki tabloda verilmiştir.
Aylar  Optimal çözüm ve karar değişkenlerinin aldıkları
1 2 3 4 5 6 değerleri bulunuz.
Aylık Talep 85 117 63 109 91 121
Üretim Maliyeti (milyon TL) 68 63 60 65 64 68
Aylık Üretim Kapasitesi 105 105 95 115 115 115
Pi = i ayında üretilecek kitaplık sayısı

Ii = i ayının sonunda eldeki stok miktarı
Min. 68 P1 + 63 P2 + 60 P3 + 65 P4 + 64 P5 + 68 P6 + 2*(25 + 2I1 + 2I2 +
2I3 + 2I4 + 2I5 + I6)/2
Kısıtlar
I1 =25 + P1 - 85
I2 = I1+ P2 - 117
I3 = I2+ P3 – 63
I4 = I3+ P4 – 109
I5 = I4+ P5 - 91
I6 = I5+ P6 - 121
P1  50 P1  105 I1  12
P2  50 P2  105 I2  12
P3  50 P3  95 I3  12
P4  50 P4  115 I4  12
P5  50 P5  115 I5  12
P6  50 P6  115 I6  12
Pi, Ii  0
B C D E F G H
2 MOBAŞ ÜRETİM PLANI
3 Aylar
4 1 2 3 4 5 6
5 Başlangıç Stoğu 25 24 12 44 12 36
6 Üretim Miktarı 84 105 95 77 115 97
7 Talep 85 117 63 109 91 121
8 Dönem Sonu Stoğu 24 12 44 12 36 12
9
10 Üretim Kapasitesi 105 105 95 115 115 115
11 Birim Üretim Maliyeti 68 mTL 63 mTL 60 mTL 65 mTL 64 mTL 68 mTL
12 Min.Üretim Güvence Stoğu

13 Toplam Maliyet 23229 mTL 50 12
Nakit Dengelemesi Uygulaması
 Bir işletme 2011 yılı için aylık nakit giriş-

çıkışlarını şu şekilde öngörmektedir.
Ay Nakit Girişi Ay Nakit Girişi
(bin TL) (bin TL)
Ocak -120 Temmuz -70
Şubat -100 Ağustos -20
Mart -80 Eylül 150
Nisan -100 Ekim 120
Mayıs -40 Kasım -70
Haziran 50 Aralık 450
 Şirket ödemelerini gerçekleştirebilmek için 2011

başında kredi almak zorundadır.
 İki kredi tipi var: Uzun ve Kısa dönemli
 Uzun dönemli kredi 2011 Ocak başında alınabilir,
her ay %1 faiz ödenir, 2012 Ocak başında kapatılır.
 Kısa dönemli kredi her ay başında alınabilir. Aylık
faiz oranı %1.5.
 Her ay sonunda eldeki fazla nakit %0.5 faiz
kazanmaktadır.
 Şirket doğrusal programlama kullanarak

2012 Ocak ayı başındaki nakit düzeyini
maksimize etmek istemektedir.
 Yönetim toplam ödeyeceği faizi minimize
edecek modeli de kurmak istemektedir.
 Şirketin kasasında şu anda 65000 TL
bulunmakta ve her ay sonunda kasada en az
50000 TL olması istenmektedir.
 ND(t)= ND(t-1)+ FaizGeliri(t-1)

+AlınanBorç(t) + NakitGirişi(t) –
UDönemBorçFaiziÖdeme(t) -
KDönemBorçFaiziÖdeme(t-1) –
UDönemKrediGeriÖdemesi (Ocak2005) –
KDönemKrediGeriÖdemesi(t-1)
Nakit Dengelemesi Modeli
Şebeke Modelleri
 Bir şebeke düğümler ve yaylardan oluşur. Düğümler, bir malın o noktaya gittiği yada
o noktadan geldiği bölgeler yada terminaller olarak düşünülebilir. Bu düşünceden
yola çıkılırsa, yaylar da, yollara, otobanlara yada benzer fiziksel akış ortamlarına
karşılık gelir. Şebeke yapısı, görsel olarak kolaylıkla ifade edilebilir. Bu yapıda
düğümler, numaralanmış daireler şeklinde, yaylar da düğümleri bağlayan çizgiler
şeklinde gösterilir. Her yay üzerindeki ok, o yayın akış yönünü ifade eder.
 Şekilde 1’den 7’ye kadar numaralanmış yedi

düğümden oluşan bir şebeke görülmektedir.
-500
10
+150 13 5 +200
Düğümler arası akışlar yönlü yaylarla
1 3
gösterilmiştir. Bu yaylar üzerindeki akış miktarı
15 kurulacak problemin karar değişkeni olacaktır.
18
11 14
 Düğümlerden arz edilen ürün miktarları (A) arz
6 +250
15
olduğunu anlamamız için negatif işaretle,
-900 2
14
4 +250 düğümlerden talep edilen miktar da (T) pozitif
17 işaretle gösterilmiştir. Örneğin 2 numaralı
14 düğümün arzı 900 birim, 6 numaralı düğümün
7 +550
talebi ise 250 birimdir.
Şekil 5.1. Bir şebekenin elemanları  Problemimizi ileriki kısımlarda şebeke modeli
olarak tanımlarken, amaç fonksiyonu ve kısıtlar
oluşturacağız. Şebeke optimizasyonunda kısıtlar
her bir düğüm için akışın korunumu kuralı
uygulanarak oluşturulur
 (Gelen Akış) -  (Giden Akış) – Talep (ya da + Arz) = 0
1 numaralı düğüm için; -x13 + 500= 0; -x13 = -500
5 numaralı düğüm için; x35 + x45 –200 = 0; x35 + x45 = 200
3 numaralı düğüm için; x13 +x43 – x34 – x35 – x36 – 150 = 0; x13 +x43 – x34 – x35 – x36 = 150
Trabzon
2
30 Erzurum
25 (250)
İstanbul
3 (150)
(-500) 1
15
Ankara
30
4 40
35
(350)
40
Şebeke Modelleri
5
(-750) 50 (200)
7 Diyarbakır
20
İzmir 45 30
(200)
6 Mersin
 Can Gıda şirketi yurtdışından muz ithal Şekil 5.11. Göreli

Arz Talebin Can Gıda Aktarma Modeli
Durumu ŞebekesiAkışın Korunumu Kısıtlarının Yönü
Düğümlerdeki
etmektedir. İthal ettiği muzlar İstanbul ve Toplam Arz > Toplam Talep Gelen Akışlar – Giden Akışlar > Arz ya da Talep
İzmir limanlarına gelmektedir. Can Gıda
muzların yurtiçi dağıtımını yaparken, Toplam Arz < Toplam Talep Gelen Akışlar – Giden Akışlar < Arz ya da Talep
ulaştırma maliyetlerinden tasarruf etmek Toplam Arz = Toplam Talep Gelen Akışlar – Giden Akışlar = Arz ya da Talep
amacıyla yurtiçinde yetişen tarım
ürünlerini illere dağıtım boş dönen
kamyonlarını kullanmak istemektedir. Bu
kamyonların standart rotaları vardır ve
boş olarak dönüş yolları Şekil 5.11’de,
bu hatlarda 1 birim nakletmenin maliyeti Min. 25x12 + 15x14 + 30x23 + 40x35 + 30x53 +
(birim TL) ile illerin haftalık arz ve 35x54 + 30x56 + 20x65 + 40x74 + 50x75 + 45x76
talepleri de (ton) aşağıdaki tabloda
verilmiştir.
VARIŞ NOKTASI –x12 – x14 > –500 (Düğüm 1 kısıtı)
İstanbul Trabzon Erzurum Ankara Diyarbakır Mersin İzmir TALEP x12 - x23 > 250 (Düğüm 2 kısıtı)
İstanbul - 25 - 15 - - - -
x23 + x53 – x35 > 150 (Düğüm 3 kısıtı)
ÇIKIŞ NOKTASI
Trabzon - - 30 - - - - 250
Erzurum - - - - 40 - - 150 x14 + x54 + x74 > 350 (Düğüm 4 kısıtı)
Ankara - - - - - - - 350
Diyarbakır - - 30 35 - 30 - 200
x35 + x65 + x75 – x53 – x54 > 250 (Düğüm 5 kısıtı)
Mersin - - - - 20 - - 200 x56 + x76 – x65 > 200 (Düğüm 6 kısıtı)
İzmir - - - 40 50 45 - - –x74 – x75 – x76 > –750 (Düğüm 7 kısıtı)
ARZ -500 - - - - - -750
xij > 0
Şebeke Modelleri
B C D E F G H I J
2 CAN GIDA AKTARMA PLANI
3 Buradan Buraya Birim
4 Düğümler Net Akış Arz(-)/Talep(+) Rota Taşıma (Kaynak) (Hedef) Maliyet
5 1 İstanbul -500 -500 1-2 400 1 2 25
6 2 Trabzon 250 250 1-4 100 1 4 15
7 3 Erzurum 150 150 2-3 150 2 3 30
8 4 Ankara 350 350 3-5 0 3 5 40
9 5 Diyarbakır 200 200 5-3 0 5 3 30
10 6 Mersin 200 200 5-4 0 5 4 35
11 7 İzmir -650 -750 5-6 0 5 6 30
12 6-5 0 6 5 20
13 7-4 250 7 4 40
14 Maliyet 7-5 200 7 5 50
15 Toplam 45.000 7-6 200 7 6 45
16
D5: =SUMIF($I$5:$I$15;B5;$G$5:$G$15)-SUMIF($H$5:$H$15;B5;$G$5:$G$15)

2LP2015

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

2LP2015

Uploaded by

Copyright:

Available Formats

SAYISAL YÖNTEMLER

 Karar Değişkenleri: Amaca ulaşmak için kontrol edilen

 Doğrusal Programlama yaklaşımı, doğrusal bir

Maks. 12x1 + 9x2 + 6x3

Maks. 5x1 + 4x2 (amaç fonksiyonu)

Şekil 2.1.ii. Grafik Çözüm Aşamaları

 SüperPlast şirketi bilgisayarlar için 3 farklı

 Bu örnekte şirket yönetimi Optimal Üretim Planını

İkinci aşamada, Optimal Üretim Planını elde etmek için

Max. 12x1 + 9x2 + 6x3

Amaç fonksiyonunda yukarıdaki örnekte de olduğu gibi

Üçüncü aşamada ise amaca ulaşmada engel teşkil

8x1 + 4x2 + 5x3 < 6000

Bu ifadenin, değişkenlerin alacağı değere bağlı olan sol

Makina 2’nin haftalık kapasite kısıtı da şu şekilde ifade

1x1 + 5x2 + 4x3 < 6000

Depolama alanı sınırlaması nedeniyle haftada en fazla

Her hafta en az 300 adet Standart kasa üretme kısıtı

Herhangi bir modelden negatif sayıda üretim yapılması

x1 > 0, x2 > 0, x3 > 0

 Yukarıdaki kısıtları ihlal etmeden üretim planını

8750 + 40 + 50 < 6000  6000 < 6000 

Şirketin haftalık karı ise; 12750 + 90 + 60 = 9000

 Ancak, şu anki üretim planının uygun bir çözüm olması,

8500 + 4500 + 50 < 6000 6000 < 6000 

Şirketin haftalık karı; 12500 + 9500 + 60 = 10.500

 Haftalık kar daha da artarak; 12600 + 9400 + 60 =

8600 + 4400 + 50 < 6000 6400 < 6000 

Maks. 12x1 + 9x2 + 6x3

 Bu model çözülerek elde edilecek x1, x2, x3 karar

1. Öncelikle değişken değerlerine karşılık gelen

2. Bu aşamanın ardından, karar değişkenlerinin isimleri

3. Bu noktada artık amaç fonksiyonunu hazırlayabiliriz.

4. Amaç fonksiyonunun değerinin hesaplanması için F6

5. Bu aşamada kısıtları yazmaya başlayabiliriz. Önce kısıtların

 Tüm kısıtların matematiksel ifadelerini

6. Son olarak H6:H13 aralığına kısıtların sağ taraf

1. Öncelikle Excel üzerinde bir önceki kısımda

3. Amaç fonksiyonu, ‘Set Target Cell’ bölümünde belirtilecektir.

5. Amaç fonksiyonunun tanımlanmasının ardından

6. Bu aşamada modelin kısıtları Solver’a tanıtılacaktır.

7. ‘Solve’ düğmesine basarak optimal çözümü

Microsoft Excel 9.0 Answer Report

 Gerçek hayat koşullarında her zaman modeller yeterli

 Bu soruların cevabını bulmak için geliştirilmiş olan

 Excel’i Solver eklentisi, doğrusal programlama modellerini

 Standart’tan 300, Performa’dan 900 birim

 İndirgenmiş Maliyet, çözümde yer almayan bir değişkenin,

 Gölge fiyatı 0 olan kısıtlar çözümde bağlayıcı

6000 – 3600 < 6000 < 6000 + 960 ,

Karar değişkenlerinin indirgenmiş maliyetlerinin bir diğer tanımı

İndirgenmiş Maliyet ULTRA = Karın Marjinal Değeri – Kaynakların

SüperPlast şirketi Mega adıyla yeni bir bilgisayar kasası daha

İndirgenmiş Maliyet MEGA = Karın Marjinal Değeri – Kaynakların

Ultra’nın Makine 1’de üretim için geçen zamanı 5 dakikadan 2

İndirgenmiş Maliyet ULTRA = Karın Marjinal Değeri – Kaynakların

Ultra’nın yeni indirgenmiş maliyeti pozitif bir değer aldığı için,

 Temiz Kimya şirketi yeni bir yer silme sıvısı üretecektir. Bu

ii. I hammaddesinin maliyeti 5’den 5.2’ye çıkarsa optimal çözüm ne

iv. A hammaddesinin minimum istenme miktarı %25’den %30’a

 EkonoBank yatırım uzmanı, elindeki 1.5 milyon TL’lik

Yatırım Enstrümanı Aylık Getiri Vade Yapısı Risk Vergi Muafiyeti

 Uzman elindeki fonun en azından %60’ını kısa vadeli

 Yatırım planlaması probleminde, her biri çeşitli