Akademik Veri Yönetim Sistemi
ÖZÇELİK G. (Yürütücü), TUNCEL B., ATEŞLİ İ. S., ÖZEL Ö. D., AYDOĞMUŞ A.
Yükseköğretim Kurumları Destekli Proje, BAP Diğer, 2026 - Devam Ediyor
| Bu araştırmanın amacı, Alliance Healthcare Ecza Deposu A.Ş.’nin X bölgesindeki ecza deposu dağıtım süreçlerinde operasyonel verimliliğin artırılmasıdır. Bu hedefe ulaşmak için, Makine Öğrenmesi (ML) tabanlı müşteri segmentasyonu ile kapasite kısıtlı ve zaman pencereli araç rotalama problemini (VRPTW) bütünleştiren bir metodoloji önerilmektedir. Geleneksel dağıtım planlamasında kullanılan deterministik ve tecrübeye dayalı yaklaşımlar, yüksek operasyonel maliyetler ve değişken hizmet düzeyleri gibi verimsizliklere neden olmaktadır. Önerilen model ise rotalama kararlarını yalnızca maliyet minimizasyonuna göre değil, aynı zamanda müşterilerin (eczanelerin) hesaplanan stratejik değerine göre de optimize eden çok kriterli bir yapı sunmaktadır. Önerilen metodoloji iki ana bileşenden oluşmaktadır. Birinci bileşen müşteri sınıflandırma modelidir. Bu modelde farklı sadakat sürelerine sahip müşterilerin karşılaştırılabilmesi için öncelikle bir özellik mühendisliği adımı uygulanacaktır. Her müşterinin bireysel zaman serisi verisine (sipariş tutarı) lineer regresyon modeli uygulanarak satış trendi eğimi (gelecek potansiyeli) elde edilecektir. Bu tahminsel özellik “aylık ortalama ciro”, “sadakat süresi” ve “stratejik önem” gibi özet istatistikler ve uzman görüşleri ile birleştirilecektir. Elde edilen özellik matrisi K-Means kümeleme algoritması ile işlenerek müşteriler stratejik profillere (Altın, Gümüş, Bronz) ayrılacak ve her birine sayısal bir “Öncelik Puanı” (P) atanacaktır. İkinci bileşen VRPTW optimizasyon modelidir. Bu model depo ve eczane lokasyonları, araç kapasiteleri (Q) ve zaman pencereleri gibi fiziksel kısıtları içermektedir. Modelin amaç fonksiyonu toplam operasyonel maliyeti minimize ederken ML tabanlı öncelik puanlarını da dikkate alacak şekilde güncellenecektir. Problemin NP-Zor yapısı nedeniyle büyük ölçekli problemlerin çözümü için probleme özgü bir Matheuristic algoritma tasarlanacaktır. Geliştirilen yaklaşımın çözüm kalitesi, küçük ölçekli testlerde GAMS/CPLEX çözümleri ile karşılaştırılarak doğrulanacaktır. Projenin temel sanayi odaklı çıktısı geliştirilen analitik modelleri bir araya getiren etkileşimli bir karar destek arayüzüdür. Python ile geliştirilmesi planlanan bu arayüz, yöneticilerin farklı operasyonel senaryoları test etmesine ve optimize edilmiş rotaları harita üzerinde görsel olarak analiz etmesine olanak sağlayacaktır. |