Dou Anadolu Blgesi Aratrmalar; 2004

Latif ZTRK

MONTE-CARLO SMULASYON METODU VE BR LETME UYGULAMASI

*Latif ZTRK *nn niversitesi ktisadi ve dari Bilimler Fakltesi, Ekonometri Blm-MALATYA
_________________________________________________________________________________________________________________

ZET
Bu almada sistem yaklam ve Monte-Carlo simulasyon metodu ksaca incelenmi ve bu metoda uygun olarak AB iplik fabrikasndaki makineler gzlenerek veriler toplanmtr. Bu veriler dorultusunda Monte-Carlo simulasyon modeli gelitirilerek, sonular alnm ve iletmenin hangi durumlarda en yksek verimlilie ulaaca tespit edilmitir. Anahtar Kelimeler: Simulasyon, Monte-Carlo, Rastsal Saylar
_________________________________________________________________________________________________________________

MONTE-CARLO SIMULATION METHOD AND APPLICATION TO A FACTORY

ABSTRACT
In this study, Monte-Carlo simulation method and system approach are investigated briefly. Then, appropriate to Monte Carlo method, the data is observed from the AB thread factory by observation of the machines. On the base of the data, the simulation program (monte carlo simulation model) is developed and it is determined at which circumstances the factory reaches its maximum productivity. Key Words: Simulation, Monte-Carlo, Random Numbers
_________________________________________________________________________________________________________________

1. GR
SSTEM VE SMULASYONUN TANIMLANMASI Bilimsel alanlardaki ar uzmanlama, verimlilik kavramnn nem kazanmas, otomasyon problemin ok boyutlu ve karmak hale gelmesi gibi nedenlerle eitli disiplinlerdeki araylarn neticesi olarak yeni bir yaklam domutur. Sistem elemanlar arasndaki iletiimi ve etkileimi dikkate alan sistem dizayn yaklam, sistem yaklam olarak adlandrlr (Uytes, 2004). Sistem, aratrmaclar tarafndan bir veya daha ok amaca veya sonuca ulamak zere aralarnda ilikiler olan fiziksel veya kavramsal nitelikteki birden ok bileenin oluturduu bir btn olarak tanmlanmaktadr. Yneylem aratrmas ise sistem yaklam ile paralel olarak sistemde ortaya kacak problemlere optimum zm bulmak iin, sistemin kontrol edilebilen bileenlerine, eitli yntem, teknik ve aralarn uygulanmas olarak tanmlanmaktadr (Esen, 1994). Bu yaklamlardaki temel ama sistemin ve sistemdeki problemlerin belirlenmesi, daha sonra da sistemin tanmndan hareketle sistemdeki problemin bir btnlk ierisinde ele alnp olabilir zm seeneklerinin gelitirilmesidir. Bu zm seenekle116 rini belirlemede etkin olarak kullanlan bir teknik de simulasyon tekniidir. Simlasyon, sistemdeki neden-sonu ilikilerini bilgisayara tayarak, deiik koullar altnda gerek sisteme ait davranlarn bilgisayar modelinde izlenmesini salayan bir modelleme tekniidir (Murphy, 2001). Simulasyon teknii bir teoriden te problemlerin zmnde kullanlan bir metodolojidir. Simulasyon tekniinin problemlere yaklam siste-min yapsna ve bu yapya baml olarak kurulacak modele gre deiiklik gstermektedir. Statik Simulasyon Modelleri Bir sistemin bir andaki veya dnemdeki durumu sz konusu ise buna ilikin olarak (zaman boyutunu iermeyecek biimde) kurulan model statik bir model olacaktr (Esen, 1994). Genellikle statik simulasyon modelleri Monte-Carlo simulasyonu olarak adlandrlmaktadrlar. Dinamik Simulasyon Modelleri Zaman zerinde gelien sistemlerin gsterimini salayan simulasyon modellerine dinamik modeller ad verilmektedir (Winston, 1991). Bu modeller zaman deiimi ile karlkl olarak etkileimi olan matematiksel modellerdir.

Dou Anadolu Blgesi Aratrmalar; 2004 Deterministik Simulasyon Modelleri Davran daha nceden tahmin edilebilen ve gelecekte ne tr davranlara girecei bilinen modeller deterministik modellerdir. Sistemdeki mekanizma ak ve belirgin bir ekilde tanmlanr (Raftery, 2004). Deterministik modellerde dsal(eksojen) ve isel (endojen) deikenler rastsal deildir. Stokastik Simulasyon Modelleri Davran daha nceden btnyle kestirilemeyen modeller stokastik modellerdir. Yani, baz olaylarn hangi olaslklarla meydana gelecei hakknda eitli sylemler oluturulabilir (Pidd, 1990). Bu tip modellerde girdi deerleri ve sre, olaslk dalmlar ile temsil edilebilmektedirler. Stokastik modeller deterministik modellerden daha karmak olduu iin bu modellere zmler bulmak ve bulunan zmlerin analitik olarak yeterli olmas olduka gtr. Bu adan simulasyon teknii stokastik modellerin analizi ve zmnde en ok bavurulan temel tekniklerden biri olmutur (Sevtekin, 1992). Srekli Modeller Srekli sistemlerde, durum deikenleri zaman zerinde srekli deitiinden dolay, istatistikler yalnzca sistemdeki durumu srekli bir ekilde gzlemleyerek elde edilir. Bu deikenler zaman sresince srekli bir ekilde deitiinden bu ynyle kesikli durumlardakilerden farkllamaktadrlar. Srekli simulasyonun yerine getirilmesi temelde dorudan doruyadr ve buradaki simulasyon dilinin rol grevlerin hazrlanmasnda eitli kolaylklar nererek modelin yorucu hesaplamalarn azaltmaktr (Taha, 1987). Kesikli Modeller Zaman ierisinde kesikli veya saylabilir noktalarda sistemin temel deikenlerinin deerleri deiime uruyorsa bu sistemler kesikli sistemler olarak tanmlanmaktadrlar (Winston, 1991). SMULASYONUN TAJLARI AVANTAJ VE DEZAVAN-

Latif ZTRK 4. Simulasyon bir sistemdeki dahili karmak etkileimleri ett etme ve bunlar zerinde deney yapma olanan salar. 5. Simule edilen sistemin ayrntl gzlemlenmesi daha iyi anlalmasn, daha nce grlmemi eksikliklerin giderilmesini, daha etkin fiziksel ve operasyonel sistemin kurulmasn salayabilir. 6. Simulasyon, deiik artlar altnda sistemin nasl olaca hakknda ok az veriye sahip olduumuz veya hi bir veriye sahip olmadmz yeni durumlar zerinde deney yapma amac ile kullanlabilir. 7. Simulasyon analitik zmlerin doruluunu ispatlamak zere kullanlabilir. 8. Simulasyon ile dinamik sistemlerin gerek zaman, daraltlm veya geniletilmi sre iinde incelenebilir. 9. Simulasyon, analistleri daha genel dnmeye zorlar (Craig, 2004). Simulasyonun dezavantajlarn ise aadaki ekilde sralayabiliriz: 1. Bir sistemin bilgisayar simulasyonunu kurmak ve geerli olduunu ispatlamann maliyeti ok yksektir. Genel olarak her bir sistem iin ayr bir program yazma gerei vardr. Simulasyon dilleri bu mahsurlar bir dereceye kadar ortadan kaldrmtr. 2. Aratrclar simulasyon tekniini rendikten sonra onu analitik yntemlerin daha uygun olduu durumlarda da kullanma eilimindedirler (Craig, 2004). PROBLEMN BELRLENMES Simulasyon denemesini planlamadan nce yaplacak olan aratrma ak olarak tanmlanmaldr. Bu aama simulasyon denemesi boyunca problemin yeniden ifade edilmesini gerektirebilir. Bu safhada sistem modelinde nelerin ierileceinin tanmlanmas yer almaldr. Yani, sistemin snrlar ve detaylarnn dzeyleri belirlenmelidir. Buradaki ama sistemin nasl paralanp sistemin detayna ne kadar girilecei veya benzer sistem elemanlar arasndaki ayrmlarn nasl yaplacadr. Modelleme yntemindeki ikinci adm, modeli planlamak ve simulasyon modelini kurmaktr. Geerli bir simulasyon modelini gelitirmenin yolu, modellenecek sistemin ileyiini iyi anlamak ve sistemin davrann etkileyen rastsal deiken deerlerini meydana getirme kabiliyetidir (Gerrard, 2004). Bu safhada modelin gerek sistemin bir gstericisi olmas iin gerekli olan verilerin elde edilmesi gerekmektedir. Modelin detay ne kadar fazla ise veya alan ne kadar geni ise veri toplama problemi de o kadar byk olmaktadr.

Simulasyonun avantajlarn dokuz balk altnda toplamak mmkndr: 1. Sistemin modeli kurulduktan sonra, farkl durumlarn analizi iin istenildii kadar kullanlabilir. 2. Simulasyon yntemleri, sistem verilerinin detayl olmad durumlarda elverilidir. 3. Simulasyon modeli zerinde daha sonra yaplacak analiz iin veri, ou kez gerek hayatta olduundan daha ucuz elde edilir. 117

Dou Anadolu Blgesi Aratrmalar; 2004 Model kurulurken dikkate alnmas gereken dier bir nemli faktr, model ile test edilen karar alternatiflerinin tipidir. Eer detayna inilmi kararlar test edilecekse, byle kararlara temel oluturmak iin modelin verileri de gerekli olan detay seviyesinde olmaldrlar. Model, amacna bal olarak toplam sistemin yalnzca belli bir alt sistemini veya alt sistemlerin ileyiini temsil edecek bir biimde de formle edilebilir. Model tekil safhasnda stokastik elemanlarn veya rastsal deikenlerin tespit edilmesi gerekli olup, rastsal deikenlerin davrann aklayan dalm fonksiyonu belirlenmelidir (Ylmaz, 1995). Ayn zamanda simulasyon modelini kurmak ve modeli denemede kullanlacak istatistiksel yntemi tanmlamak gerekmektedir. Simulasyon, rnekleme deneylerinin bir gerek sistem zerindeki bir modelle ilikilendirilmesini gerektirdiinden, simulasyonun sonular rnek gzlemler veya rneklem istatistikleridir. Buradaki istatistiksel analizin amac, elde edilen sonulardan, denenen model artlarnn ve durumlarnn istatistiksel bir karm yapmak iin yeterli olduundan ve modeli yeterli derecede temsil ettiinden emin olmaktr. VERLERN TOPLANMASI VE LENMES Herhangi bir problem tanmlanmadan nce yeterince verinin derlenmesi ve ilenmesi gerei vardr. Bilgisayarda yaplacak bir simulasyon projesini baarabilmek iin aadaki faktrler dnlmelidir. 1. Kantitatif veriler nceden hazrlanmaldr. 2. Anlaml bir dzeye indirgenen verinin, sistemin davranlarn aratrmak iin matematiksel bir model kurmaya imkan verip vermedii aratrlmaldr. 3. Veriler simule edilmekte olan sistemin matematiksel modelini iyiletirmeye imkan vermelidir. 4. Verileri sistemin durum deikenlerinin alma karakteristiklerinin parametrelerini tahmin etmek iin kullanlabilmelidir. 5. Veri olmakszn simulasyon modellerinin geerliliini aratrmak olas deildir. Stokastik simulasyon modellerinin tasarmnda ncelikle tecrbelere dayal verilerin veya teorik olaslk dalmlarnn kullanlmasna karar verilmelidir. Bu seim nemli bir aamadr ve aratrmann temelini oluturur. lem grmemi ham verilere gre alma gemiin simulasyonudur. Modelin ilemesi iin gerekli rastsal deikenleri retirken tablolar yerine teorik dalmlarn kullanlmas srasnda bilgisayar zaman ve bellek etkin biimde kullanlmaldr. Analist modelinin duyarlln alt olaslk dalmlarna gre belirlemelidir. O halde 118

Latif ZTRK kullanlan veriler geerlilik, verilerin dalm, teorik dalmlara uygunluk simulasyonun baarsn etkileyen faktrlerdir. Temelde simulasyon bir deney olduundan, simule edilen sistem hakknda uygun istatistiksel sonular karabilmek iin, gzlemler istatistiksel olarak bamsz ve ayn ekilde dalm olmalar gerekmektedir. Herhangi bir fiziksel deneyde, kt deikeninin takdiri normalde n tane bamsz gzlem deerinin ortalamas temeline dayanr. Simulasyonda, simulasyon sisteminin performansnn lsn takdir yine n tane gzleme dayandrlmaktadr. Simulasyonda bamsz gzlemlerin elde edilmesi normal bir laboratuar deneyinden ok daha zordur. Simulasyon deneylerinin ilk ktlarnda sabitdurum olmaz ve genellikle sabit-durum olayna yeterli derecede simulasyon uygulamas yapldktan sonra ulalr. Burada dikkate alnmas gereken ey, gzlemlerin simulasyonun ilk evrelerinde alnmamas gerektiidir. nk, bu safhada edinilen bilgiler byk deiimlere maruz kalmaktadr, dolays ile sistemin gerek davrann ortaya koyamayabilirler (Taha, 1987). Simulasyon uygulamalarnda ama gzlemlerin mmkn olduu kadar kk rnekleme hatas ile elde edilmesi olduundan, bu sonucu elde etmek iin, sabit-duruma ulalmas asndan uzun mddetli simulasyon uygulamas yaplmas, simulasyon uygulamasnn rastsal saylarn deiik dizinleri ile yaplmas ve her bir uygulamann tek gzlemi gstermesi gerekmektedir. Rastsal saylarn deiik dizinlerini kullanmak, sonu gzlemlerini simulasyon deneylerinde istenildii gibi, gerekli ekilde bamsz yapmaktadr. Her ne kadar sabit-durum artlar altnda gzlemlerin elde edilmesi rnekleme hatasn drse de, bu gzlemlerin ortalamasn alarak, rnekleme hatasn daha da drebiliriz. n tane gzlemin ortalamasnn standart sapmas tek tek gzlemlerin standart sapmasnn

varmaktayz. RASTSAL SAYILARIN ELDE EDLMES Simulasyon modellerindeki stokastik olaylarn, olaslk dalmlar ile retilmesi iin, rastsal saylara gereksinme vardr. Dzgn rastsal saylar ile olaslk dalmlarndan rastsal deikenler aadaki gibi elde edilir. Kesikli Dalmlar in

1 ine n

eit

olduundan

dolay

bu

sonuca

Dou Anadolu Blgesi Aratrmalar; 2004 nce verilen dalmn kmlatif olaslk fonksiyonu elde edilir. Sonra rastsal deikenin her deerine karlk olan kmlatif olaslk deerleri ile orantl olarak, rastsal saylar tahsis edilir. retilen rastsal say hangi arala giriyorsa, buna karlk olan kmlatif olaslk, (dolays ile rastsal deiken deeri) istenilen rastsal deikendir. Srekli Dalmlar in Sre, tamamen kesikli dalmlardaki gibidir. X rastsal bir deiken olmak zere nce

Latif ZTRK durumunda mevcuttur. ounlukla bu dzgn rastsal deikenlerden rastsal saylar olarak bahsedilir. Bu saylar iki nemli art salamaktadrlar; 1- Btn deerlerin meydana gelmesi eit ansa sahiptir. 2- Btn yeni deerler btn nceki elde edilen deerlerden bamszdr. Dier bir deyile, eer biz tek haneli rastsal saylar elde ediyorsak, sfrdan dokuza kadar olan saylarn elde edilme olasl gemite elde edilen saylardan bamsz olarak birbirine eittir. Yani 3 saysnn %10luk elde edilme olasl 0-9 arasndaki saylarn hepsiyle ayndr. Simulasyon modeli iin rastsal dzgn saylarn ihtiyacmz olan rastsal deikenlere evrilmesini eitli yollarla meydana getirebiliriz. En basiti saylar alt kmeler eklinde zel olaylara tahsis etmektir. yle ki alt kmedeki saylarn olaslklarnn birleimi modellenen olayn olaslna tam olarak kar gelmelidir. Monte Carlo rneklemi bir simulasyondan ziyade olaslkl simulasyon modelleri ile birleik olarak kullanlan bir yntem veya metottur. Monte Carlo metodunu gerek bir durumun stokastik modelini oluturup, bu model zerinden rnekleme deneyleri hazrlama teknii olarak tanmlayabiliriz. Bu tip simulasyonlar, stokastik yapda birbiriyle ilikili ok sayda deikene sahip sistem ktlarnn allmasnda kullanlmaktadrlar. Modelin Test Edilmesi Planlama almasndan sonra, arzu edilen bilgiyi elde etmek iin model altrlr. Bu aamada planlamadaki kusurlar aranmaya balanr. Simulasyon modellerinde nemli kavramlardan biri de duyarllk analizleridir. Kullanlan parametrelerin en son deerini belirlemek iin duyarllk analizinden yararlanlr. Duyarllk analizi, parametrelerin deiim araln sistematik olarak aratrma ve modelin bu deerlere kar alaca deerleri belirleme ilemidir. Simulasyon modelinde uygulamalar ok sayda deikenle denenir. ok duyarl tahminlerde bulunmak ise ar zaman ve harcama gerektirmektedir. Ne yazk ki allan sistem veya problemin modelinin geerli olduunu gsteren kesin bir yntem mevcut deildir. Buna karlk modelin kabul edilme olasln glendirecek olan eitli testler vardr. Eer elimizde gemi veriler varsa, modelin nceki verilerin sonularn tekrarlamas modelin kabul edilebilirliini veya modelin sonularnn mantkl olduunu gsterir. Modellenen gerek sistemde olduu gibi parametreleri deitirdiimiz zaman modelin buna cevap verip vermedii kontrol edilmelidir. Ayn zamanda modelin cevabnn akla manta uygun 119

F ( x) = P(X x)

(1)

kmlatif younluk fonksiyonu elde edilir. Sonra 0 ile 1 arasnda deien dzgn bir rastsal say retilir. Sonuncu adm,

P( X x) ' i
rastsal sayya eitleyip x'e gre zmektir.

(2)

Stokastik problemlerin pratik olarak hesaplanabilmesi iin belirli bir dalma uyan yeterli byklkte rastsal saylara ihtiya duyulmaktadr. Bilgisayarlarn ounda rastsal saylar reten fonksiyonlar vardr. Bunlara rnek olarak RANDU(ISEED), RN(0), ve RND(x)i verebiliriz. Rastsal Saylarn Dntrlmesi Gerek sistemlerin niteliklerinin tamamnn stokastik davran dzgn dalmla karakterize edilemezler. Aslnda bir sistem ierisinde dzgn dalmdan daha sk kullanlan teorik (Normal, stel, Gamma v.b) dalmlara rastlamak olasdr. Sistemi temsil edecek uygun bir teorik dalmn bulunmamasndan dolay ampirik (deneysel) dalm kulanlabilir. Sistemin stokastik zelliinden dolay dzgn dalmdan elde edilen rastsal saylarn, teorik ya da ampirik dalmlara dnmlerini gerektirir. Pratikte uygulamalarn bir ounda dzgn dalmlardan baka, teorik dalmlara uygun rastsal saylar kullanlr. Bu ama iin nce dzgn dalml saylar alnr ya da bilgisayarda meydana getirilerek bir dnm yntemi ile istenilen dalma geilir. Dnm, istatistiksel anlamda herhangi bir dalmdan rnek almak demektir. Bu i iin zerinde allan dalm tanmlayan parametrelerin de verilmesi arttr. MONTE-CARLO METODU Monte Carlo metodu dzgn dalmdan rastsal deikenler elde etmek ve bunlar uygun bir ekilde ilgilenilen dalma tamaktr (Economics, 2004). Bir dzgn dalm, deiken deerlerinin zel bir alanla snrlandrlm olmas ve eit anslara sahip olmas durumunda veya ayn olaslklara sahip olmas

Dou Anadolu Blgesi Aratrmalar; 2004 olmas gerekmektedir. Bahsedilen akla manta uygunluk, modelin verdii cevabn gerek byklnden ziyade, byle bir deiiklie modelin cevabnn yn ile ilgilidir. Eer gerek sistemin kesin cevab bilinmiyor ise, simulasyon modeli gelitirmeye ok az ihtiya vardr veya gerek yoktur. Dier bir yaklam da, gerek sistemin almasyla yakndan ilgili ve sistemi tanyan bir kii ile model hakknda grmek ve modeli gzden geirmektir. Doal olarak modelin sonularn ve modelin mantklln uygun kii ile gzden geirmek sbjektif bir olaydr. Model mantnn doru olmas, gelitirilen modelin doruluunu ve incelenen sisteme uygunluunu garantilemez. Ancak modelin bilgisayar ileyii ile analistin dncesinin birbirine uygun olduunu belirtir. Simulasyon modelinin programlanmasnda dikkatli olmak gerekmektedir. Model doru formle edilmise bile yanl veya yetersiz programlama bizi hatal sonulara gtrebilir. Sistemi kullanacak olanlara modelde kulanlan varsaymlarn, modelin yapsnn ve parametre deerlerinin kabul edilebilir olduu dorulanmaldr. Eer, bu yerine getirildiyse, modellenen sistem hakknda bu kiiler bilgilendirilmelidir. Bu bilgilenmenin sz konusu modelin kullanmndan sorumlu olacak kiileri tatmin etmesi gerekmektedir. Simulasyon Sonularnn Deerlendirilmesi Simulasyon ynteminin son safhas, simulasyon sonularnn yorumlanmas ve analiz edilmesini kapsamaktadr. Deney tasarm yapld zaman bu adm iin temel almalarn ou ortaya konulmu olmaktadr. Modelin sonularnn gvenilirlii istatistiksel anlamlln ykseltmekle olasdr. Bunun iin de bu sonularn varyanslarnn mmkn olduu kadar kk tutulmas gerekmektedir. Eer iki karar alternatifinden sonulanan temsil gc arasnda dikkatli bir ayrm yaplacaksa, yukarda bahsedilen durum daha da nem kazanmaktadr. A seenei B seeneinden daha iyidir demek yeterli deildir. unu syleyebilmeliyiz ki gzlemlenen farkllk istatistiksel olarak anlamldr ve bu bir basit rneklem hatasnn sonucu deildir. rnekleme hatasnn bykl hem rneklemin bykl hem de temsil lmnn varyansyla ilikilidir. Dier durumda, verilen bir rnek hacminin varyansn daha kk tutmak iin varyans indirgeme teknikleri kullanlmaldr. Gerek simulasyon problemlerinin pek ou iin ayrntl veri toplama ve inceleme olana yoktur. Bu nedenle de model kurmada soyutlama ilemi yaplr. Bir sistemin elemanlar seildikten sonra hipotez kurulur veya problem denemeye braklr ve elemanlarn etkileri gzlenir. 120

Latif ZTRK Kurulacak hipotez genelde; Ho: gzlem deerleri ile teorik deerler arasnda anlaml bir fark yoktur ve alternatif hipotez olarak H: gzlem deerleri ile teorik deerler farkldr eklindedir. UYGULAMA ALANININ TANIMLANMASI VE PROBLEMN

AB plik Fabrikas, ham pamuktan iplik elde eden bir fabrikadr. Fabrikada piyasadan alnan pamuk, makinelerde iplik haline dntrlmektedir. AB plik Fabrikasnda kullanlan makinelerin her birinin zerinde 1000 adet i bulunmaktadr. lerin iplii sarmasnda kullandklar kopalar zamanla anarak kopmaktadrlar. Kopmalar makinenin verimini drmekte ve maddi olarak kayplara neden olmaktadrlar. AB plik Fabrikas zarar minimize etmek iin ilerde bulunan kopalarn mrnn ne kadar olduunu tayin etmek ve hangi aralklarla kopalarn deitirilmesi gerektiini saptamak istemektedir. Fabrikann uzun yllar bekleyip sonucu grme olana olmadndan, burada bir yneylem aratrmas teknii olan Monte Carlo simulasyonunu kullanarak bilgisayar ortamnda fabrikay varsaylan malzemeler ve varsaylan paralar kullanarak istediimiz kadar uzun yllar altrp istediimiz verileri elde etme olanana sahibiz. Bunun iin de simulasyon uygulamas iin problem hakknda baz n bilgileri elde etmemiz gerekmektedir. Tablo.1 Uygulamada Kullanlan Gzlem Deerleri
Deitirme Gn 10 11 12 13 14 15 16 17 18 19 20 Kopalardaki Bozulma Adedi 30-31-32-33-34 31-32-33-34-35 32-33-34-35-36 33-34-35-36-37 37-38-39-40-41 41-42-43-44-45 45-46-47-48-49 49-50-51-52-53 53-54-55-56-57 57-58-59-60-61 61-62-63-64-65 Srasyla Bozulma Olaslklar %5, %15, %60, %15, ve %5 Srasyla Bozulma Olaslklarna Karlk Gelen Rastsal Saylar 00-04, 05-19, 20-79, 80-94, 95-99

Yukardaki tabloda kullanlan veriler fabrikada iplik makinesi 10 ile 20 gn arasnda ayr ayr gzlenerek elde edilmitir. 10. gnde makinede bulunan kopalardan (toplam 1000 adet kopa) ortalama olarak 32 adet kopmaktadr. Oluturduumuz modelin geree daha yakn olmas ve sonularn modeli tam yanstmas asndan meydana gelen kopmalar ortalama olarak deil, gerekte meydana gelen yzdeleriyle ifade etmek uygun grlmtr. 10. gn iin bu yzdeler %5 olaslkla 30 adet, %15 olaslkla 31 adet, %60 olaslkla 32 adet, %15 olaslkla 33 adet ve nihayetinde %5 olaslkla 34 adet olarak gerekletii grlmtr.

Dou Anadolu Blgesi Aratrmalar; 2004 Dzgn dalmdan ektiimiz rastsal saylara gre bu olaslklarn dalm yledir; 00-04 arasnda ekilecek rastsal say iin kopalardaki kopma adedinin 30 adet olaca devamnda 05-19 arasnda ekilecek rastsal say iin kopma adedi 31, 20-79 arasnda ekilecek rastsal say iin 32, 80-94 arasnda ekilecek rastsal say iin 33 ve 95-99 arasnda ekilecek rastsal say iin de kopma adedinin 34 olarak gerekleecei dnlmtr. Sadece 10. gn iin verilen yukardaki bilgiler 10-20 arasndaki btn gnler iin gerekletirilmi olup, yntem olarak ayn yol izlenmitir. Bilgisayar programnda ise dzgn dalmdan ekilen 0-1 arasndaki say 00-99 rakamlarna dntrlerek uygulama yaplmtr. Deitirme Maliyetinin Hesaplanmas; 1. 2. 3. 4. 5. 6. 7. 8. Kopa Maliyeti=1.400.000 TL (Yenisiyle deitirilecek kopann birim fiyat.) ilik=11.200.000 TL (Kopalarn deitirilmesi iin harcanan 2 saatlik cret) Gnlk Bana retim Miktar= 4.5 Kg (Bir makinede 1000 adet i bulunmaktadr) Bir Kg pliin Kr = 700.000 TL Bir in 1 Gn almama Maliyeti= 4.5 X 700.000 = 3.150.000 TL Bir in ki Saatlik retimi= (4.5 / 24) X 2 = 0.375 Kg Bana Durma halinde zarar = 0.375 X 700.000 =262.500 TL Deitirme Maliyeti = Kopa Maliyeti + ilik + (1000-Kopan Kopa Adedi) X 262.500 TL (Kopan kopalar zaten makine alrken de retim yapmad iin 2 saatlik durma zamannda ki maliyete bu kopalar dahil edilmemitir.)

Latif ZTRK Tablo 3. Uygulamalardan Elde Edilen 1200 Gnlk Simulasyon Sonular
Simulasyon Sresi; 1200 (Gn) Kopalarn Deitirilme Aral Gnlk Maliyet (Gn) (000 TL) 10 124.382 11 123.494 12 123.021 13 122.887 14 122.969 15 123.258 16 123.687 17 124.294 18 124.986 19 125.780 20 126.658

Yukardaki iki ayr uygulamada da grld gibi iletme minimum maliyeti 13 gnde bir deiiklik yaptnda elde etmektedir. Bu sonu aadaki ekil.1de de grlmektedir.
127

Gnlk Maliyet Milyon ( TL.)

126

125

124

123

122 10 11 12 13 14 15 16 17 18 19 20

Degistirme Araligi (Gn)

ekil 1. Simulasyon Sonularnn Grafiksel Gsterimi Modelimizin gerek sistemi temsil edip etmediini istatistiksel olarak gstermenin yollarndan biri de Ki-Kare testini uygulamaktr. Burada Ki-Kare testini uygularken simulasyon deneyimizin 300 ve 1200 gnlk sonularn ele alacaz. Gzlem deerlerimiz ile bu sonular arasnda farkn olmadn gstermek ayn zamanda modelimizin geerliliini onaylamaktr. Bu test iin de aadaki H0 hipotezinin kabul edilmesi gerekmektedir. H0: Gzlem deerleri ile beklenen deerler arasnda fark yoktur. H1: Gzlem deerleri ile beklenen deerler arasnda fark vardr. Tablo 4. 300 ve 1200 Gnlk Beklenen Frekanslar
10.Gnler in 300 Gnlk Beklenen Frekanslar Uygulama Beklenen Aralklar Frekanslar 00-04 15 05-19 45 20-79 180 80-94 45 95-99 15 10.Gnler in 1200 Gnlk Beklenen Frekanslar Uygulama Beklenen Aralklar Frekanslar 00-04 60 05-19 180 20-79 720 80-94 180 95-99 60

Tablo 2. Uygulamalardan Elde Edilen 300 gnlk simulasyon sonular

Simulasyon Sresi; 300 (Gn) Kopalarn Deitirilme Aral Gnlk Maliyet (Gn) (000 TL) 10 124.374 11 123.514 12 123.008 13 122.866 14 122.980 15 123.253 16 123.753 17 124.292 18 124.964 19 125.775 20 126.670

121

Dou Anadolu Blgesi Aratrmalar; 2004 Tablo 5. 300 ve 1200 Gnlk Gzlenen Frekanslar
10.Gnler in 300 Gnlk Gzlenen Frekanslar Uygulama Gzlenen Aralklar Frekanslar 00-04 13 05-19 47 20-79 190 80-94 37 95-99 15 10.Gnler in 1200 Gnlk Gzlenen Frekanslar Uygulama Gzlenen Aralklar Frekanslar 00-04 53 05-19 180 20-79 719 80-94 170 95-99 69

Latif ZTRK periyodik deiimin iletmeye maliyetinin minimum olaca bulunmutur.

3. KAYNAKLAR
1) 2) 3) 4) evrimii:http://www.uytes.com.tr/simulasyon/i yilestirme.html 12.02.2004 Craig,D.,evrimii:http://web.cs.mun.ca/~donal d/msc/node6.html 17.03.2004 Craig,D.,evrimii:http://web.cs.mun.ca/~donal d/msc/node7.html 21.04.2004 evrimii:http://economics.about.com/library/gl ossary/bldef-monte-carlo-simulations.htm 13.04. 2004 Esen, H.., 1994. letme Ynetiminde Sistem Yaklam, 27 s. Avcol Basm Yayn, stanbul. Gerrard,R.J.,evrimii:http://www.staff.city.ac.u k/r.j.gerrard/courses/2dsm/dsm03_1.htm 09.04. 2004 Murphy, C. A., Perera, T.D., 2001. The Definition and Potential Role of Simulation Within an Aerospace Company. 829-237 s. Winter Simulation Conference. Pidd, M., 1990. Computer Simulation In Management Science, 22 s. John Wiley & Sons Ltd.,Chichester. Raftery,A.E.,evrimii:http://csde.washington.e du/~handcock/simuw/socmeth03.pdf 09.03. 2004

Bu veriler nda Ki-Kare testini %99 (1- , =0.01) anlamllk dzeyinde ve 3 serbestlik derecesinde uygulayacak olursak.* 300 gn iin hesaplanan Ki-Kare deeri:

2 hes = 3.401
1200 iin hesaplanan Ki-Kare deeri:

(3)

5) 6)

2 hes = 3.419

(4)

%99 anlamllk dzeyinde 3 serbestlik derecesindeki Ki-Kare tablo deeri:

7)

2 tablo
ve

= 11.34

(5) 8)

2 hes.1.2

2 tablo

(6) 9)

olduundan ve her iki uygulama iin de hesapladmz Ki-Kare deerleri Ki-Kare tablo deerinden kk olduundan H0 hipotezini kabul ediyoruz. Dolaysyla gzlem deerleri ile beklenen deerler arasnda fark olmadndan modelimizin sistemi geerli bir ekilde yanstt sylenebilir.

2. SONU
Uyguladmz simulasyon srelerinin hepsinde bilgisayar ktlarmz birbirine ok yakn rakamlar vermitir. Bu rakamlar simulasyon uygulamasndan alnan sonu tablolarnda gsterildii gibi ekil-1deki grafikten de kolaylkla gzlenebilir. Birinci gnden itibaren artma eilimi gsteren gnlk maliyet 13.gnde minimum noktaya ulamakta ve bu gnden sonra tekrar ykselmeye balamaktadr. Buradaki rakamlarn sadece bir makineyi yansttn dnrsek iletmedeki makine says arttka deiik politikalarn uygulanmasndan sonulanan kr veya zarar ayn oranda artacaktr. AB plik fabrikasna simulasyon uygulama sonular dorultusunda, ring makinelerindeki kopalarn 13 gnde bir deitirilmesi durumunda bu
*

10) Sevtekin, M., 1992. Ekonometrik Simulasyon Modelleri, Uluda niversitesi ktisadi dari Bilimler Fakltesi Dergisi, Cilt:XIII, Say:1-2, Bursa, 235, 11) Taha, H.A., 1987., Operations Research An Introduction, 695 s. Macmillan Publishing Co., Inc, New York. 12) Winston, W.L., 1991. Operations Research Application and Algorithms, 1115 s. Kent Publishing Company, Boston. 13) Ylmaz, Z., 1995. Saysal Yntemler, 211 s. Uluda niversitesi Basmevi, Bursa.

Not: Serbestlik Derecesi V=k-m-1 dir. Burada k aralk saysn, m ise deney saysn gstermektedir

122