STRATEJİK VE TAKTİKSEL FİLO YÖNETİMİ ÜZERİNE LİTERATÜR

ARAŞTIRMASI VE BİR LOJİSTİK FİRMASINDAN UYGULAMA

ÖRNEKLERİ
Adil BAYKASOĞLU1, Nurhan DUDAKLI1, Kemal SUBULAN1, A.Serdar TAŞAN1,

Can KAPLAN2, Murat TURAN2

1
Dokuz Eylül Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 35397 Buca, İzmir
2
EKOL Lojistik A.Ş., Ekol Caddesi No:2, 34935 Sultanbeyli, İstanbul

ÖZET
Günümüzde filo yönetimi küresel lojistik sektöründe giderek artan öneme sahip bir konu haline gelmiştir. Literatürde günümüze
kadar yapılan çalışmaların çok büyük bir kısmında, filo büyüklüğü optimizasyonu ve filo kompozisyonu problemleri tek modlu
karayolu taşımacılık hizmeti sağlayan lojistik firmaları açısından ele alınmıştır. Son yıllarda intermodal taşımacılığın yaygın hale
gelmesi ile taşıma modu seçimi ve kaynakların farklı taşıma modlarına tahsisi gibi stratejik düzeydeki kararlar, filo yönetimi
problemlerinin karmaşıklığını daha da arttırmıştır. Bu çalışmada, filo yönetiminde klasik optimizasyon teknikleri ile yapay zeka
yaklaşımlarının kullanımı üzerine kapsamlı bir literatür araştırması yapılmıştır. Ayrıca, birçok ölçüt göz önünde bulundurularak
yapılan çalışmalar için bir sınıflandırma sistematiği geliştirilmiştir. Son olarak, konu ile ilgili gelecekte çalışılması faydalı araştırma
konuları üzerinde durulmuş ve büyük ölçekli bir lojistik firmasının uluslararası karayolu taşımacılığı biriminin filo yönetimi
problemini pratikte ele alış şekli, geliştirilen çözüm yaklaşımları ve uygulama örneklerine değinilmiştir.

Anahtar Kelimeler: Filo Yönetimi, Filo Büyüklüğü ve Kompozisyonu, Filo Atama, Intermodal Taşımacılık, Araç Yeniden
Konumlandırma.

ABSTRACT
A LITERATURE REVIEW ON STRATEGIC AND TACTICAL FLEET MANAGEMENT WITH EXAMPLE
APPLICATIONS FROM A LARGE SIZE LOGISTIC COMPANY

The importance of fleet sizing/composition problems in global logistics sector has become an essential research area and there is
a significant increase in the number of papers published on this area over the past decade. However, most of the papers in this field
focused only on single mode transportation systems and only few works are available with practical scope. Moreover, since there has
been an increasing attention to intermodal transportation systems by many logistics companies all over the world, the fleet
sizing/composition problem in intermodal freight transportation will arise as a new research area. On the other hand, since this
problem includes transportation mode selection, fleet composition and various strategic and tactical fleet management decisions
simultaneously, the structure of the problem will be more complex than the classical fleet sizing problems in the current literature. In
this study, a comprehensive literature review on the usage of optimization methods and computational intelligence techniques in fleet
management is presented. In addition, a classification frame is proposed by considering different problem characteristics and
factors. Finally, example applications are presented in a large scaled international logistics company.

Keywords: Fleet Management, Fleet Sizing and Composition, Fleet Allocation, Intermodal Transportation, Vehicle Repositioning.

1.GİRİŞ
Filo yönetimi, filo büyüklüğü ve kompozisyonu belirleme, filo atama, filo genişletme/daraltma, dış kaynak
kullanımı, dağıtım ağlarının tasarlanması, terminal ve aktarma noktalarına ilişkin yer seçimi ve araçların lojistik ağı
üzerinde yeniden konumlandırılması gibi çok sayıdaki karmaşık problemleri eş zamanlı olarak bünyesinde barındırır.
Bu bağlamda, filo yönetimi kapsamında ele alınan stratejik, taktiksel ve operasyonel düzeydeki kararlar Şekil 1’deki
karar hiyerarşisindeki gibi özetlenebilir. Filo yönetimi karar hiyerarşisindeki tüm alt problemler, gelecekte yapılması
planlanan filo genişletme/daraltma kararlarına ilişkin yatırımlar, araçların faydalı kullanım oranları, müşteri hizmet
düzeyleri ve toplam taşımacılık maliyeti hedefleri açısından firmalar için büyük bir çelişki oluşturmaktadır. Firmanın
çok sayıda araca sahip olması ve yatırımları doğrultusunda filosunu genişletmesi, müşteri hizmet düzeyini artırırken,
diğer yandan daha yüksek sermaye harcamalarına ve çok sayıda araç için elde bulundurma maliyetlerine sebep
olmaktadır. Bu nedenle, karar hiyerarşisinin tüm seviyelerindeki alt problemler gerek ekonomik açıdan gerekse müşteri
tatmini ve firmanın sürdürülebilirliği açısından birbiriyle ilişkilidir. Bu hususta, bilimsel yazında lojistik ağlarının
tasarımı, yük taşımacılığı planlama ve araç rotalama gibi problemler üzerine çok sayıda çalışma bulunmasına rağmen
lojistik ağlarında filo büyüklüğü ve kompozisyonu ile araç yeniden konumlandırma problemleri üzerine yapılan
çalışmaların sayısı oldukça sınırlıdır. Ayrıca, günümüze kadar yapılan çalışmaların çok büyük bir kısmında, filo
büyüklüğü optimizasyonu ve filo kompozisyonu problemleri tek modlu karayolu taşımacılık hizmeti sağlayan lojistik
firmaları açısından ele alınmıştır. Ancak, son yıllarda intermodal taşımacılığın yaygın hale gelmesi ile taşıma modu
seçimi ve kaynakların farklı taşıma modlarına tahsisi gibi stratejik düzeydeki kararların da filo büyüklüğü ve
kompozisyonu ile entegre bir şekilde ele alınması gerekliliği filo yönetimi problemlerin karmaşıklığını daha da
arttırmıştır. Stratejik ve taktiksel filo yönetiminin temel girdileri, karar problemleri ve hedefleri Şekil 2'de resmedilmeye
çalışılmıştır.

Şekil 1: Filo Yönetimi Karar Hiyerarşisi

Şekil 2’de görüldüğü üzere, çok sayıda karmaşık kararı bünyesinde bulunduran filo yönetim sistemlerinde,
yöneylem araştırması teknikleri ve yapay zeka yaklaşımlarının kullanımı işletme etkinliğini arttırmak için büyük önem
arz etmektedir. Bu çalışmada, filo yönetiminde matematiksel programlama, ağ modelleme, kuyruk modelleri ve
benzetim gibi klasik optimizasyon teknikleri ile yapay zeka yaklaşımlarının kullanımı üzerine kapsamlı bir literatür
araştırması yapılmıştır. Ayrıca, kullanılan taşıma modu, boş/dolu araç hareketleri, filo homojenliği, firma tipi (üretici
firma, lojistik komisyoncusu, lojistik servis sağlayıcı vb.), talep yapısı ve belirsizlik durumlarının dikkate alınıp
alınmaması gibi birçok ölçüt göz önünde bulundurularak yapılan çalışmalar için bir sınıflandırma sistematiği
geliştirilmiştir.

Şekil 2: Filo Yönetimi Problemlerinin Genel Yapısı

Son olarak, konu ile ilgili gelecekte çalışılması faydalı araştırma konuları üzerinde durulmuş ve büyük ölçekli bir
lojistik firmasının uluslararası karayolu taşımacılığı biriminin filo yönetimi problemini pratikte ele alış şekli, geliştirilen
çözüm yaklaşımları ve uygulama örneklerine değinilmiştir.

2. TEK MODLU TAŞIMACILIK SİSTEMLERİ

Bilimsel yazında, filo yönetimine ilişkin kararlar genellikle tek modlu taşımacılık sistemlerinde (Karayolu,
demiryolu ve denizyolu taşımacılığı) ele alınmış olup, yaygın olarak operasyonel düzeydeki yük konsolidasyonu, araç
rotalama ve çizelgeleme problemleri üzerine yoğunlaşmıştır. Ancak, daha evvel de değinildiği üzere, filo büyüklüğü ve
kompozisyonunun belirlenmesi, müşteri taleplerinin rotalara ve araçlara atanması gibi kararlar araç rotalama ve
çizelgeleme gibi diğer filo yönetimi kararlarına girdi oluşturacak şekilde ele alınmalıdır. Bu nedenle çalışma
kapsamında, filo büyüklüğü/kompozisyonu problemlerini sadece operasyonel düzeydeki araç rotalama ve çizelgeleme
problemleri ile eş zamanlı olarak ele alan çalışmalara değinilmemiştir.
2.1. Stratejik Filo Yönetim Kararları
Tek modlu taşımacılık sistemlerinde, stratejik filo yönetimi kararlarının başında filo büyüklüğü optimizasyonu, filo
kompozisyonunun belirlenmesi, terminal ve hub lokasyon seçimi kararları yer almaktadır. Filo büyüklüğü
optimizasyonu, bir firmanın filosunda sahip olması gereken araç sayısını hedeflemekte iken filo kompozisyonu
problemi araç sayısı ile birlikte araç tipine de karar vermeyi hedeflemektedir. Stratejik filo yönetimi üzerine yapılan ilk
çalışmalarda problemlerin yapısı ve çözüm yaklaşımları oldukça basit bir şekilde ele alınmıştır. Özellikle, 1980'lere
kadar olan çalışmalarda yaygın olarak tek modlu, kara yolu taşımacılığında homojen filolu ve tek dönemi kapsayan filo
büyüklüğü belirleme problemleri ele alınmıştır (Kirby, 1959; Mole, 1975; Parikh, 1977; Williams ve Fowler; 1980).
Ancak, ilerleyen yıllarda heterojen filo kullanımının artması ile problemin yapısı değişerek filo kompozisyonu problemi
üzerine odaklanılmıştır (Etezadi ve Beasley, 1983; Gould, 1969; New, 1975; Gheysens vd. 1984; Redmer vd., 2000;
Zhao vd., 2001; List vd., 2003; Qiuping vd., 2009). Filo büyüklüğüoptimizasyonu, genellikle taşıma kapasitesi ile
taşıma hizmet talepleri arasında bir dengenin kurulması esasına dayanmakta ve bir operatör tarafından en uygun araç
sayılarının belirlenmesini hedeflemektedir. Filo büyüklüğü optimizasyonuna ilişkin bilimsel yazındaki ilk çalışmalardan
biri Kirby (1959) tarafından gerçekleştirilmiştir. Çalışmada, araç satın almaktan kaynaklanan sabit maliyetler ile dış
kaynak kullanımından kaynaklanan kiralama maliyetleri arasında bir denge kurularak optimal filo büyüklüğünün
belirlenmesi hedeflenmiştir. Bu bağlamda, toplam maliyeti en küçükleyen araç sayısını ortaya koyan bir matematiksel
formülasyon geliştirmiştir. Daha sonra bu matematiksel formülasyona değişken maliyetler de dâhil edilerek çalışma
genişletilmiştir (Wyatt, 1961). Mole (1975) optimal filo büyüklüğünün zamana bağlı olarak değişimini dikkate alan
dinamik programlama tabanlı bir yaklaşım önermiştir. Bu çalışmada, filo gelecekte yapılması planlanan potansiyel
yatırımlar ve elden çıkarma kararları da filo büyüklüğü kararlarına dâhil edilmiştir. Parikh (1977) filo büyüklüğü ve boş
araçların yeniden konumlandırılması problemleri için kuyruk teorisine dayanan bir yaklaşım önermiştir. Çalışmada, filo
büyüklüğü optimizasyonu ve araç yeniden konumlandırma problemleri iki alt probleme ayrılmış; öncelikle optimum
filo büyüklüğüne karar verilerek daha sonra oluşan çözüme olarak her rotaya uygun sayıda araç atanmıştır. Williams ve
Fowler (1980) Tennessee Üniversitesi öğrenci ve personeline hizmet veren araç filosunun belirlenmesi üzerine
simülasyon modellemeyi esas alan çalışmalarda bulunmuşlardır. Öğrenci ve personel talebine ilişkin belirsizlikler rassal
değişkenler ile ifade edilerek stokastik talep yapısı modellenmeye çalışılmıştır. Sonuç olarak, yüksek bir hizmet
kalitesinin çok daha az sayıda araç ile sağlanabileceği ortaya konulmuştur. Köchel (1997) filo büyüklüğü, filo atama ve
yeniden konumlandırma problemlerini eş zamanlı olarak ele alarak çok aşamalı envanter modellemeye dayanan bir
yaklaşık çözüm yöntemi önermiştir. Karayolu taşımacılığında tek tip araçtan oluşan ve tek planlama dönemini kapsayan
filo büyüklüğü problemine ilişkin çalışmalar yukarıda özetlenmiştir. Filo büyüklüğü ve kompozisyonu problemlerini ele
alan doğrusal programlama temelli ilk çalışmalardan biri Gould (1969) tarafından gerçekleştirilmiştir. Çalışmada
mevsimsellik gösteren yük talebini karşılamak üzere, filoda her bir araç tipinden bulunması gereken araç sayısına karar
veren doğrusal programlama modeli geliştirilmiştir. New (1975) araçların farklı operasyonlara ve rotalara atandığı ve
satın alma/elden çıkarma kararlarının da dâhil edildiği filo kompozisyonu problemi için çok dönemli bir kapasite
planlama problem için tamsayılı programlama modeli geliştirmiştir. Etezadi ve Beasley (1983) filo kompozisyonu ve
araç rotalama problemlerinin eş zamanlı olarak çözümü için karışık tamsayılı bir matematiksel programlama modeli
geliştirilmiştir. Gheysens vd. (1984) ise filo büyüklüğü ve araç rotalama problemleri için iki aşamalı sezgisel bir
yaklaşım önermiştir. Çalışmanın ilk aşamasında, filo büyüklüğü alt sınır algoritması ile belirlenmiş; ikinci aşamada ise
araç rotalama probleminin çözümü için genel atama sezgisel yaklaşımları kullanılmıştır. Powell ve Sheffi (1989) bir
lojistik firması için karışık tamsayılı matematiksel programlama ve çeşitli sezgisel yöntemlerin entegre bir şekilde
kullanıldığı APOLLO adında bir yazılım geliştirmişlerdir. Bu yazılım interaktif bir şekilde yük planlama, konsolidasyon
ve rotalama problemlerinin çözümünü sağlamaktadır. Heterojen araç filolu lojistik firmalarının optimal filo
büyüklüğünü belirlemek için toplam maliyetleri en küçükleyen çeşitli matematiksel modeller önerilmiştir (Etezadi ve
Beasly, 1983; Redmer vd., 2000; Zhao vd., 2001; List vd., 2003; Köchel vd., 2003; Dong ve Song, 2009; Sayarshad ve
Ghoseiri, 2009). Bilimsel yazında, dağıtım ve lojistik ağlarının tasarımı ve araç rotalama problemleri üzerine oldukça
fazla sayıda çalışma bulunmasına rağmen, çok aşamalı ve çok periyotlu lojistik ağlarında filo büyüklüğü ve
kompozisyonu problemleri üzerine yapılan çalışmaların sayısı oldukça sınırlıdır (Zhao vd., 2001; Qiuping vd. 2009).
Wu vd. (2005) bir lojistik firmasının filo büyüklüğü problemi için belli bir zaman periyodunda araçların operasyon,
bakım ve yeni araç satın alma maliyetleri toplamını en küçükleyen; aynı zamanda araç satışlarından elde edilen geliri de
dikkate alan bir matematiksel programlama model geliştirilmişlerdir. Çalışma kapsamında, yüklü araçların sefer süreleri
stokastik parametreler olarak ele alınarak bu parametrelere ilişkin belirsizliklerin ele alınmasında kesikli olasılık
dağılımlarından faydalanılmıştır. Qiuping vd. (2009) Ro/Ro inşaatı, Ro/Ro alım-satımı ve kiralanması gibi stratejik
düzeydeki filo genişletme kararlarını da içeren filo kompozisyonu ve çizelgeleme problemleri için içeren karışık
tamsayılı bir matematiksel programlama modeli geliştirmişlerdir. Geliştirilen modelde, ekonomik ve teknik özelliklere
ilişkin birçok kısıt dikkate alınarak indirgenmiş net nakit akışı en büyüklenmeye çalışılmıştır. Filo büyüklüğü
optimizasyonu bünyesinde birçok belirsizliği barındırmaktadır. Bu hususta, müşteri talepleri, araçların kullanım oranları
ve transfer sürelerine ilişkin belirsizlikler buna örnek olarak verilebilir. Bu bağlamda, belirsiz yük talebi ve operasyonel
koşullar altında optimal filo büyüklüğünü belirlemek amacıyla senaryo tabanlı stokastik programlama modelleri
geliştirilmiştir (List vd., 2003; Dong ve Song, 2009; Etezadi ve Beasly, 1983). Roy vd. (2013) mevsimsellik gösteren
yük taleplerini ve belirsiz sefer sürelerini dikkate alan optimale çözüme yakın çözümler üreten bir model
geliştirmişlerdir. Turnquist ve Jordan (1986) iki aşamalı bir tedarik zincirinde filo büyüklüğünü belirlemek için üretim
sürecinin de dikkate alındığı bir model geliştirmişlerdir. Demiryolu taşımacılığında yük taşıma ve depolama
sistemlerinde kullanılan vagon sayısının belirlenmesinde, Cheon (2012) üretim ve taşıma süreciyle birlikte ilgili
maliyeleri ve yatırım kararlarını da dikkate alan bir filo planı oluşturmuştur. Son yıllarda, büyük boyutlu filo büyüklüğü
ve kompozisyonu problemlerinin çözümü için meta-sezgisel algoritmaların kullanımı da giderek önem arz etmektedir.
Sayarshad ve Ghoseiri (2009) demiryolu taşımacılığında karşılanamayan vagon talebinin daha sonraki dönemlere
aktarıldığı bir filo büyüklüğü ve atama problemi için yeni bir matematiksel formülasyon geliştirmişlerdir. Ayrıca, orta
ve büyük ölçekli problemlerin etkin çözümü için tavlama benzetimine dayanan bir çözüm yaklaşımı da önermişlerdir.
Bilimsel yazındaki birçok çalışmada, statik filo büyüklüğü ve kompozisyonu problemleri ele alınmış olup, bu alandaki
dinamik optimizasyon problemlerine çözüm üreten çalışmaların sayısı oldukça azdır (Zhao vd., 2001; Sayarshad ve
Moghaddam, 2010).

2.2. Taktiksel Filo Yönetim Kararları

Filo büyüklüğü/kompozisyonu problemlerinin beraberinde getirdiği bir diğer önemli problem de lojistik ağındaki
talep noktalarındaki ithalat/ihracat yönündeki talep dengesizliği nedeniyle oluşan boş kaynakların lokasyonlar arasında
yeniden konumlandırılması problemidir (Köchel vd., 2003). Bir başka deyişle, belirli talep noktaları üzerindeki araç
envanterinde dengesizlikler meydana gelmektedir. Bu da taşıma ağı boyunca araçların optimal bir şekilde
atanması/dağıtılması ve yeniden konumlandırılmasını gerektirmektedir. Dejax and Cranic (1987) filo yönetimi ve boş
araç hareketlerine ilişkin kapsamlı bir çalışma gerçekleştirmişlerdir. Filo büyüklüğü belirleme problemi aynı zamanda,
taşıma ağı boyunca boş ve dolu araçların yeniden konumlandırılması gibi pratik karar verme problemleriyle de
yakından ilişkilidir. Bu nedenle, çalışmada filo yönetim problemleri kapsadıkları planlama ufkuna göre sınıflandırılarak
boş araç hareketlerinin filo yapısı ve büyüklüğüne etkileri inceleniştir. Araç atama problemi ise genellikle önceden
belirlenmiş rotaların olduğu lojistik ağlarında araçların konumlandırılma ya da rotalara atanmasıyla ilgilidir. Zhao vd.
(2001) rotaların önceden belirlendiği, orijin ve talep noktalarına ek olarak tek bir aktarma noktasını da içeren bir lojistik
ağ için filo kompozisyonu problemini ele alan, çok aşamalı ve çok dönemli bir karışık tamsayılı matematiksel
programlama modeli geliştirmişlerdir. Geliştirilen modelde, dönemsel yük taleplerinin karşılanabilmesi için sabit rotalar
üzerinde hareket eden firmanın öz malı ve kiralaması gereken araç sayılarına karar verilmek istenmektedir. Qiuping vd.
(2009) Ro/Ro’lara ilişkin stratejik yatırım kararlarıyla birlikte filo atama ve çizelgeleme kararlarını eş zamanlı olarak
ele alan karışık tamsayılı bir matematiksel programlama modeli geliştirmişlerdir. Bu çalışmada, Ro/Ro alım/satımı,
kiralanması gibi filo genişletme kararları verilirken aynı zamanda Ro/Ro’ların rotalara atanması kararlarına de yer
verilmiştir. Sayarshad ve Ghoseiri’in (2009) demiryolu taşımacılık ağında optimal vagon sayısının belirlenmesi üzerine
geliştirdikleri modelde, farklı lokasyonlar arasındaki yük vagonlarının tedariki ve talebi arasında dengesizliklerin
oluşmasına bağlı olarak demiryolu ağı boyunca boş vagonların faydalı kullanım oranlarını da dikkate almışlardır.
Önerilen model ile yük treni istasyonu kapasitesi, planlama ufkunun her bir döneminde karşılanamayan talep miktarı,
herhangi bir zaman döneminde herhangi bir lokasyondaki dolu ve boş vagon hareketleri ve vagon kapasitesinin farklı
noktalara tahsisi karar vericiye sunulmuştur. Carbajal vd. (2013) filo büyüklüğü ile yeniden konumlandırma maliyetleri
arasında denge kuran bir optimizasyon modeli geliştirmişlerdir. Çalışma kapsamında, özellikle daha fazla yeniden
konumlandırma yaparak planlama dönemi boyunca satın alma ya da kiralamadan kaynaklı sabit maliyetlerin azaltılıp
azaltılamayacağı analiz edilmiştir. Ayrıca, farklı yeniden konumlandırma stratejisinin yer aldığı filo büyüklüğü
problemi için ağ akış modeli oluşturulmuştur. Dört farklı yeniden konumlandırma stratejisinin uygulanması sonucunda
elde edilen maliyetler göstermektedir ki yeniden konumlandırma stratejileri filo büyüklüğünü önemli ölçüde azaltmakta
ve maliyet avantajı sağlamaktadır. Zaman ve konum bakımından dengesiz olarak dağılmış bir bisiklet filosu için
yeniden konumlandırma problemini çözmek için bir kesikli olay simülasyon modeli geliştirilmiştir (Caggiani ve
Ottomanelli, 2013). Arz ve talep dengesi sayesinde sistemin kapasitesinin ve müşteri memnuniyetinin arttırılması
amaçlanmıştır. Modelin çıktıları olarak ise her bölgedeki istasyon sayısı, toplam bisiklet sayısı, bisikletlerin yeniden
konumlandırılması işleminde kullanılan araçların sayısı ve kapasitesi olarak belirlenmiştir. Bilimsel yazında, talep
belirsizliği altında, boş araçların yeniden konumlandırma problemini ele alan dinamik optimizasyon modelleri ve
stokastik programlama modelleri de mevcuttur (Beaujon ve Turnquist, 1991; Crainic vd., 1993; Dong ve Song, 2009;
Sayarshad ve Moghaddam, 2010; Redmer vd., 2012). Beaujon ve Turnquist (1991) yeniden konumlandırma ve filo
büyüklüğü problemlerini eş zamanlı olarak ele alan, talep ve sefer sürelerine ilişkin belirsizliklerin de dikkate alındığı
bir matematiksel programlama modeli önermişlerdir. Dong ve Song (2009) denizyolu taşımacılığında konteyner filo
büyüklüğünü belirlemek için yaptıkları çalışmada boş konteynerlerin yeniden konumlandırılması problemini dinamik
olarak ele almış ve problemin çözümü için simülasyon optimizasyonu tekniğini kullanmışlardır. Crainic vd. (1993)
talep belirsizliği altında, boş konteynerlerin yeniden konumlandırma problemini ele alan bir stokastik programlama
modeli geliştirmiştir. Ayrıca, geliştirdikleri modelde yeni konteynerlerin satın alınması durumunu da dikkate alarak, filo
büyüklüğü problemine kısmen de olsa değinilmiştir. Sayarshad ve Moghaddam (2010) vagonların optimal tahsisi,
yeniden konumlandırılması ve filo büyüklüğü problemleri için iki aşamalı stokastik programlamaya dayanan bir çözüm
yaklaşımı önermişlerdir. Filodaki araçların faydalı kullanım oranları ile filo büyüklüğü arasında önemli bir ilişki olması
nedeniyle, filo büyüklüğü belirleme ve yeniden konumlandırma problemi için belirsiz talep koşullarını dikkate alan çok
dönemli bir stokastik programlama modeli geliştirmişlerdir. Redmer vd. (2012) bölgesel yakıt deposu ve gaz
istasyonlarından oluşan, orta ölçekli bir yakıt dağıtım ağına ilişkin tanker filo kompozisyonu ve araç atama
problemlerinin çözümünde yerel arama, evrimsel algoritmalar ve hibrit algoritmalardan oluşan farklı meta-sezgisel
yaklaşımlar kullanmışlardır.
3. INTERMODAL TAŞIMACILIK SİSTEMLERİ
Filo büyüklüğü/kompozisyonu probleminin yanı sıra, hızla gelişen taşımacılık araştırma alanında, intermodal
taşımacılık sistemleri; son yıllarda gerek araştırmacıların gerekse uygulayıcıların dikkatini çeken önemli bir konu haline
gelmiştir. Intermodal taşımacılık, taşıma şekilleri değiştirilirken yük üzerinde herhangi bir işlem yapmadan, yükün aynı
taşıma birimiyle birden fazla noktaya, birden fazla taşıma modeliyle taşınması olarak tanımlanmıştır (Taşıma Bakanlığı
Avrupa Konferansı, 1997). Taşımacılık uygulamalarında intermodal taşımacılık, rekabetçi ve tek modlu taşımacılığa
alternatif bir sistem olarak geliştirilmiştir. Intermodal taşımacılık, dünya lojistik sektöründe özellikle 1990’lı yılların
başında oldukça popüler hale gelmiştir. Bir başka deyişle, çevreye duyarlılık, toplam verimlilik ve farklı taşıma
modellerinin entegre bir şekilde kullanımının sağladığı maliyet avantajları sayesinde oldukça kabul gören bir
taşımacılık sistemi olarak karşımıza çıkmaktadır (OECD,1997). Bu nedenle, Avrupa birliği uzun yıllardır bu konudaki
çalışmalara önemli fonlar ayırmaktadır. Konuyla ilgili ilk bilimsel çalışmalar, Mahoney (1985), Muller (1995), Hayuth
(1987), McKenzie vd. (1989) ve De Boer (1992) tarafından gerçekleştirilmiştir. Bontegoning (2004) bu konuda yapılan
çalışma sayısının oldukça sınırlı olduğuna değinerek yöneylem araştırması ve yapay zeka tekniklerinin gerçek hayat
uygulamalarına çözümler getirilebileceğini vurgulamıştır.

3.1. Stratejik Filo Yönetim Kararları

Macharis vd. (2004) filo yönetimi üzerine yaptıkları bir literatür araştırmasında, yöneylem araştırması tekniklerinin
intermodal taşımacılık alanındaki uygulamaları üzerine yapılan çalışmaların henüz başlangıç seviyesinde olduğunu
belirtilmiştir. Intermodal taşımacılıkta planlama problemlerini stratejik, taktiksel ve operasyonel olmak üzere üç temel
düzeyde inceleyerek; intermodal taşımacılıkla ilgili çeşitli konularda çalışmaların bulunduğu fakat intermodal
taşımacılıkta filo büyüklüğü/kompozisyonu problemleriyle ilgili herhangi bir çalışmanın bulunmadığına değinmişlerdir.
Tüm bunların yanında, intermodal taşımacılık problemlerinin boyut ve karmaşıklık derecesinin yüksek olmasından
dolayı, pratik hayat uygulamaları için mevcut yöneylem araştırması tekniklerinin daha da geliştirilmesi ve yeni sezgisel
yaklaşımların oluşturulması gerektiğine vurgu yapılmıştır. Intermodal taşımacılıkta planlama problemleri üzerine
yapılan bir diğer çalışmada ise son yıllarda genellikle iki temel stratejik planlama problemi: (i) terminal tasarımı ve (ii)
altyapı-ağ konfigürasyonu üzerinde durulduğuna değinilmiş ve terminallere kaynakların atanması, kapasite planlaması,
filo büyüklüğü ve kompozisyonu gibi diğer stratejik planlama problemlerinin literatürde ele alınmadığına vurgu
yapılarak, gelecekte yapılması planlanan trend konular arasında gösterilmiştir (Pekin vd., 2008). Tek modlu taşımacılık
sistemlerindeki stratejik filo yönetim kararlarına ek olarak, konteynerle taşıma intermodal taşımacılığın temelini
oluşturan önemli bir unsurdur. Uluslararası Konteyner Kiralama Enstitüsüne göre, hem konteyner hem de Ro/Ro filoları
her yıl yaklaşık %10’luk büyüme göstermeye devam etmektedir. Bu bağlamda, intermodal taşımacılıkta konteyner filo
büyüklüğünün belirlenmesi problemi de stratejik bir filo yönetim kararları arasında yer almaktadır. Özellikle, karayolu
taşımacılığındaki sefer sürelerine ilişkin belirsizlikler konteyner filo büyüklüğünü etkilemektedir. Bilimsel yazında, tek
modlu taşımacılık sistemlerinde homojen/heterojen araçlı filolarda konteyner filo büyüklüğü üzerine yapılmış
çalışmalar olmasına karşın, intermodal taşımacılıkta farklı büyüklüklerde taşınan (Denizyolu taşımacılığında yığınlar
halinde, karayolu taşımacılığında tek bir ünite halinde) konteyner filo büyüklüğü problemine ilişkin sınırlı sayıda
çalışma bulunmaktadır. Konteyner filo büyüklüğü problemi, firmaların sahip olması gereken minimum konteyner
sayısının belirlenmesi, gelecek dönemlerde satın alınması ve kiralanması gereken konteyner sayının belirlenmesi ile
ilgilidir. Dong ve Song (2012) bir intermodal taşımacılık sisteminde konteyner filo büyüklüğü probleminin çözümü için
genetik algoritma ve tavlama benzetimi temelli bir simülasyon optimizasyonu yaklaşımı önerilmişlerdir. Ayrıca,
çalışma kapsamında elde bulundurma, kiralama, karayolu ve denizyolu taşımacılık maliyetleri gibi birçok alt maliyet
kaleminden oluşan toplam maliyet fonksiyonunu en küçükleyen bir matematiksel programlama modeli geliştirilmiştir.
Geliştirilen modelde, müşteri talepleri ve karayolu taşımacılığındaki sefer süreleri stokastik parametreler olarak ele
alınmıştır. Tek tipte konteyner kullanımının varsayılması ve sadece kiralanacak konteyner sayısına karar verilmesi
çalışmanın temel eksiklikleri arasında yer almaktadır. Guelat vd. (1990) ulusal ve bölgesel taşımacılıkta stratejik
planlama problemi için çok modlu ve çok ürünlü bir taşıma ağı modeli önermişlerdir. Geliştirilen modelin çözümünde
en kısa yol algoritmalarından yararlanılmıştır. Benzer şekilde, Lin ve Ma (1999) karayolu ve havayolu taşımacılığı
yapan bir lojistik firmasının filo planlama problemi için ağ akış modellerini temel alan bir tamsayılı programlama
modeli geliştirmişlerdir. Oluşturulan filo planı içerisine filo büyüklüğüne ve rotalamaya ilişkin kararlar da yer
almaktadır. Problemin çözümünde minimum kapsar ağaç algoritmasından yararlanılmıştır.

3.2. Taktiksel Filo Yönetim Kararları

Bilimsel yazında, intermodal taşımacılık sistemlerinde filo büyüklüğü ve kompozisyonu problemleri için farklı
hatlar arasında dönemsel olarak araçların aktarıldığı/yeniden konumlandırıldığı çalışmaların sayısı oldukça sınırlıdır.
Lin ve Ma (1999) geliştirdikleri tamsayılı programlama modelinde, filo büyüklüğüne ek olarak yüklerin araçlara
atanması ve rotalama gibi taktiksel ve operasyonel düzeydeki kararları da ele almışlardır. Ayrıca, araçların maksimum
servis süreleri de dikkate alınarak araç sayısı ve toplam taşımacılık maliyetleri en küçüklenmeye çalışılmıştır. Çalışma
kapsamında yapılan analizler ile filo planlamasında rotalama ve filo büyüklüğünün problemlerinin entegre bir şekilde
alınmasının firmaya yaklaşık %16'lık bir kazanç sağlayacağı ortaya konulmuştur. Jansen vd. (2004) demiryolu ve
karayolu taşımacılık hizmeti veren bir lojistik firmasının filo büyüklüğü ve yeniden konumlandırma problemlerini eş
zamanlı olarak ele alan bir karar destek sistemi geliştirmişlerdir. Geliştirilen karar destek sistemi ile günde yaklaşık
olarak 4000 adet konteynerin taşındığı bir taşıma ağı için planlama sistematiği oluşturmak amaçlanmıştır. Karayolu
taşımacılığında kullanılan çekiciler için maliyet avantajı ve araç verimliliği amaçlarına yönelik olarak, taşıma işlemi
sonrasında bulundukları yere geri dönmesi, yeniden konumlandırılması gibi opsiyonlar dikkate alınarak doğru yerde
doğru miktarda çekici bulunmasına ilişkin kararlar da oluşturulan plan içerisinde yer almaktadır. Vis vd. (2005)
konteyner terminallerinde belli bir zaman içerisinde taşınması gereken konteynerler için gerekli filo büyüklüğünün
belirlenmesi ve tampon bölgenin seçimi için bir tamsayılı programlama modeli geliştirmişlerdir. Ayrıca, farklı
senaryolar altında elde edilen filo büyüklükleri için simülasyon deneyleri yapılarak en uygun filo büyüklüğüne karar
verilmiştir. Bierwirth vd. (2012) Avrupa’daki bir intermodal taşımacılık ağı için taşıma modu seçimi, servis tipi
belirlenmesi ve terminal seçimi gibi kararları esas alan, yüklerin hangi oranda hangi taşıma modu ile taşınacağına ve
buna bağlı olarak gerekli tren sayısına karar veren bir karışık tamsayılı matematiksel programlama modeli
geliştirmişlerdir. Ancak, çalışma kapsamında karayolu ve demiryolu kullanımına ilişkin sefer süreleri göz ardı
edilmiştir. Elde edilen sonuçlar göstermektedir ki intermodal taşımacılık sistemlerinin kullanılması durumunda, sadece
karayolunun kullanılması alternatifine nazaran önemli ölçüde maliyet avantajı sağlanmaktadır. Bu çalışma, Meisel vd.
(2013) tarafından taşıma sürecine üretim süreci de entegre edilerek, ürün envanterini ve birden fazla planlama dönemini
içerecek şekilde genişletilmiştir. Ancak, bu çalışmalarda, intermodal taşımacılık ağlarında yük planları oluşturulurken
üretici açısından problem çözülmüştür. Bir başka deyişle, lojistik firmaları için önem arz eden filo büyüklüğü ve
kompozisyonu gibi problemler dikkate alınmamıştır. Bu bağlamda, birçok ölçüt göz önünde bulundurularak yapılan
çalışmalar için Şekil 3’teki gibi bir sınıflandırma sistematiği geliştirilmiştir. Bu doğrultuda, bilimsel yazındaki mevcut
çalışmalar farklı problem karakteristikleri ve çözüm metodolojileri dikkate alınarak Tablo 1’de özetlenmiştir.

Çizelge 1: Bilimsel Yazındaki Mevcut Çalışmaların Özeti

4. UYGULAMA ÖRNEKLERİ
Bu bölümde, Türkiye'nin ve Avrupa'nın öncü entegre lojistik hizmet sağlayıcıları arasında yer alan bir lojistik
firmasının uluslararası karayolu taşımacılığı biriminin filo yönetimi problemini pratikte ele alış şekli, geliştirilen çözüm
yaklaşımları ve uygulama örneklerine değinilmiştir. Firma, Avrupa kıtasında bulunan yüksek sayıdaki (5000 civarında)
müşterilerine farklı taşıma modları (Karayolu taşımacılığı, denizyolu taşımacılığı, demiryolu taşımacılığı ve bunların
kombinasyonları) ve servis tipleri kullanarak taşımacılık hizmeti vermektedir. Firmanın uluslararası boyutta taşımacılık
hizmeti sağlarken, karşılaştığı en temel sorunlardan biri dönemsel değişkenlik gösteren müşteri hizmet taleplerine
(İhracat/ithalat) cevap verebilmek için farklı taşıma modellerindeki uygun miktardaki kaynağı (Öz kaynak ve/veya spot-
dış kaynak kullanımı) doğru zamanda talebin oluştuğu bölgelerde, belirli hatlar üzerinde ve aktarma merkezlerinde
bulundurabilmektir. Bir başka ifadeyle, birçok müşteriden oluşan her bir sipariş ülkesinin aylık bütünleşik yük talebinin
hangi oranlarda hangi taşıma modelleri ile karşılanacağının belirlenmesi doğrultusunda oluşacak lojistik kaynak
tahsisi/dağıtımı problemidir. Burada sözü edilen kaynaklar; öz mal dorse (Tenteli, kapalı kasa, askılı, frigo, çift katlı
vs.), öz mal konteyner, öz mal çekici (Türkiye plakalı veya Avrupa birliği plakalı), demiryolu hareketleri (blok tren
seferleri), firmaya ait mevcut Ro-Ro filosu ve seferleri ve dış kaynak (spot hizmeti) kullanımlarıdır. Bu doğrultuda,
kaynaklarının en etkin şekilde kullanılması sağlanarak, hem maliyetleri en küçüklemek, hem müşteri servis seviyesini
arttırmak hem de çevresel sorunlara olan duyarlılığı sürdürmek hedeflenmektedir. Bu bağlamda, problem firma
tarafından sunulan farklı taşıma modelleri için filo kompozisyonu problemi: filo atama, öz mal alım/satım kararları, dış
kaynak kullanımı (spot dorse & çekici kullanımı) ve kaynakların lojistik ağı üzerinde yeniden konumlandırılması gibi
problemleri ile eş zamanlı olarak bünyesinde barındırmaktadır. Firmaya ait intermodal taşımacılık ağı üzerindeki
limanlar, tren istasyonları ve aktarma merkezlerinin detaylı gösterimi Şekil 4’te verilmiştir.

Şekil 3: Filo Yönetimi Problemleri için Sınıflandırma Sistematiği

Ayrıca, sadece karayolu taşımacılığında farklı servis tiplerine ilişkin yük talepleri (Standart, Express ve Süper-
Express) göz önünde bulundurularak, Avrupa’daki 5 farklı aktarma merkezi için ihtiyaç duyulan öz mal (Çekici-dorse)
ve dış kaynak kullanımına ilişkin heterojen filo büyüklüğünün belirlenmesi de firmanın karşılaştığı bir diğer önemli
sorundur. Dış kaynak kullanımına dönemsel olarak ne oranda ihtiyaç duyulduğuna karar vermek, spot kaynak
planlamasına (Hangi dönemlerde, hangi tedarikçilerle çalışılacağı) yön göstermektedir. Tüm bunlara ek olarak, her
sipariş ülkesi için yıllık müşteri taleplerinin değişen oranlarda artması, firmaya ait her aktarma merkezi için farklı
seviyelerde kaynak artırımına ihtiyaç duyulmasını gündeme getirmektedir. Bu durum, lojistik ağı üzerindeki farklı
noktalarda gerçekleştirilecek olan kaynak kapasitesi artırım kararları problemin yapısını daha da karmaşık hale
getirmektedir (Filo genişleme/daraltma kararlarının dönemsel olarak verilmesi - yeni çekici & dorse satın alma).

Şekil 4: Firmaya Ait İntermodal Taşımacılık Ağı

Ayrıca, intermodal taşımacılıkta filo yönetimi, bünyesinde farklı belirsizlik türlerini barındırmaktadır. Sözgelimi,
farklı sipariş ülkelerindeki müşteri talepleri rassallık türünde belirsizlik içermektedir. Ancak, birim sefer maliyetleri,
spot kaynak temin etme maliyetleri, aylık maksimum yapılabilecek Ro-Ro ve blok tren sefer sayıları ve karayolu
taşımacılığında farklı servis tiplerindeki sefer süreleri (yükleme/boşaltma nokta sayısı, bekleme süreleri, gümrük sayısı
ve yolun trafik durumu gibi faktörler nedeniyle) gibi parametreler, rassallıktan ziyade bulanıklık içermektedir. Bu
nedenle, farklı belirsizlik türlerini eş zamanlı olarak içeren intermodal taşımacılıkta filo optimizasyonu probleminin
çözümü için farklı çözüm yöntemlerinin (Senaryo tabanlı stokastik programlama, robust optimizasyon ve bulanık
matematiksel programlama) entegre bir şekilde kullanılması gerekmektedir. Intermodal taşımacılık hizmeti veren söz
konusu lojistik firması için entegre taşıma modu seçimi-filo büyüklüğü optimizasyonu problem bileşenleri ve
aralarındaki ilişkiler Şekil 5’te görselleştirilmiştir.

Şekil 5: İntermodal Taşımacılıkta Filo Büyüklüğü Problem Bileşenleri

Özet olarak, filo büyüklüğü/kompozisyonu problemlerinin lojistik firmaları açısından önemi son yıllarda üzerinde
hassasiyetle durulması gereken bir araştırma konusu haline gelmiş ve özellikle son yıllarda yapılan çalışmaların
sayısında anlamlı bir artış gözlemlenmiştir. Bu doğrultuda, en uygun taşıma modellerinin seçimi, lojistik ağı üzerindeki
kaynak aktarımları (Boş kaynakların yeniden konumlandırılması) ve efektif bir şekilde belirlenen filo büyüklüğü ile
kaynakların faydalı kullanım oranlarını maksimize etmek ve daha az sayıda dış kaynak kullanımı sağlamak; filo
yönetimi kapsamında ileri düzeyde karar destek sistemlerinin geliştirilmesini gerektirmektedir. Bu karar destek
sistemleri sayesinde maliyetlerin azaltılmasının yanı sıra, ortaya çıkan efektif ve etkin olmayan kaynak kullanımının
önüne geçilerek, firmaların uluslararası lojistik alanında gerçekleştirmiş oldukları iş hacminin artışını da beraberinde
getirecektir.

5.SONUÇ
Son yıllarda, intermodal taşımacılık sistemleri gerek çevreye duyarlık gerekse farklı taşıma modlarını entegre bir
şekilde ele almasından kaynaklı sağladığı verimlilik artışı ve maliyet avantajı sayesinde uygulamacıların ve
araştırmacıların dikkatini çeken önemli bir konu haline gelmiştir. Ancak, bilimsel yazında çoğunlukla tek modlu
taşımacılık sistemleri üzerine çalışmalar yapılmış olup; intermodal taşımacılık sistemlerinde filo yönetimi üzerine
yapılan çalışmaların sayısı oldukça azdır. Özellikle, filo büyüklüğü/kompozisyonu problemlerinin lojistik firmaları
açısından önemi son yıllarda artmış ve üzerinde hassasiyetle durulması gereken bir araştırma konusu haline gelmiştir.
Bu doğrultuda, yapılan çalışmaların sayısında anlamlı bir artış gözlemlenmiştir. Bunun yanı sıra, dünya lojistik
sektöründe güncel bir konu haline gelen intermodal taşımacılık ile söz konusu filo büyüklüğü/kompozisyonu
problemleri intermodal taşımacılıkta filo planlama problemine dönüşerek daha karmaşık bir yapıya sahip olmaktadır.
Tüm bunlara ek olarak, filo planlama problemlerinin bünyesinde birçok belirsizlikleri barındırması, problemin
çözümünü daha da zorlaştırmaktadır. Bu bağlamda, problemin zorluğu göz önüne alındığında, filo yönetimi ve
planlama için geliştirilecek karar destek sitemlerinde yöneylem araştırması tekniklerinin yapay zeka yaklaşımları
entegre bir şekilde kullanılması gerekliliği ortaya çıkmaktadır. Bu konuda yapılan çalışmalar henüz çok yeni olmakla
beraber, gelecekteki popüler araştırma alanları içerisinde yer alması kaçınılmazdır. Bu bağlamda, tüm belirsiz koşulları
dikkate alacak şekilde intermodal taşımacılık sistemlerindeki her bir taşıma moduna ilişkin yük planlarının yapıldığı ve
bu planlar doğrultusunda dönemsel olarak filo büyüklüğü/kompozisyonun belirlendiği bir karar destek sisteminin
geliştirilmesi gelecekte yapılması planlanan çalışmalar arasında yer almaktadır.
TEŞEKKÜR

Bu çalışma, Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği ve EKOL Lojistik A.Ş. işbirliği ile
gerçekleştirilen 0617.STZ.2014 no'lu SANTEZ projesi kapsamında, T.C. Bilim, Sanayi ve Teknoloji Bakanlığı tarafından
desteklenmektedir.

KAYNAKÇA

Beaujon, G. J., Turnquist, M. A., (1991), "A model for fleet sizing and vehicle allocation", Transportation Science, Vol. 25(1), pp.
19- 45.

Bierwirth, C., Kirschstein, T., Meisel F., (2012), "On transport service selection in intermodal rail/road distribution networks", BuR -
Business Research, Vol. 5(2), pp. 198-219.

Caggiani, L., Ottomanellia, M., (2013), "A dynamic simulation based model for optimal fleet repositioning in bike-sharing systems",
Procedia - Social and Behavioral Sciences, Vol. 87, pp. 203-210.

Carbajal, J. A., Erera, A., Savalsbergh, M., (2013), "Balancing fleet size and repositioning costs in LTL trucking", Annals of
Operations Research, Vol. 203, pp. 235-254.

Cheon, M. S., Furman, K. C., Shaffer, T. D., (2012), "A modeling framework for railcar fleet sizing in the chemical industry",
Industrial & Engineering Chemistry Research, Vol. 51, pp. 9825-9834.

Crainic, T. G., Gendreau, M., Dejax, P., (1993), "Dynamic and stochastic models for the allocation of empty containers", Operations
Research, Vol. 41(1), pp. 102-126.

DeBoer, D.J., (1992), "Piggyback and Containers: A History of Rail intermodal on America's Steel Highway" Goden West Books,
San Marino, CA.

Dejax, P. J., Crainic, T. G., (1987), "A review of empty flows and fleet management models in freight transportation", Transportation
Science, Vol. 21(4), pp. 227-248.

Dong, J. X., & Song, D. P., (2009), "Container fleet sizing and empty repositioning in liner shipping systems", Transportation
Research Part E: Logistics and Transportation Review, Vol. 45(6), pp. 860-877.

Dong, J. X., Song, D. P., (2012), "Quantifying the impact of inland transport times on container fleet sizing in liner shipping services
with uncertainties", OR spectrum, Vol. 34(1), pp. 155-180.

Etezadi, T., Beasley, J. E., (1983), "Vehicle fleet composition", The Journal of the Operational Research Society, Vol. 34(1), pp. 87-
91.

Gheysens, F., Golden, B., Assad, A., (1984), "A comparison of techniques for solving the fleet size and mix vehicle routing
problem", OR Spektrum, Vol. 6, pp. 207-216.

Gould, J., (1969), "The size and composition of a road transport fleet", Operational Research Quarterly, Vol. 20(1), pp. 81-92.

Guelat, J., Florian, M., Crainic, T. G., (1990), "A multimode multiproduct network assignment model for strategic planning of freight
flows", Transportation science, Vol. 24(1), pp. 25-39.

Hayuth, Y., (1987), "Intermodality: Concept and Practice: Structural Changes in the Ocean Freight Transport Industry", Lloyds of
London Press, London.

Jansen, B., Swinkels, P. C., Teeuwen, G. J., de Fluiter, B. V. A., Fleuren, H. A., (2004), "Operational planning of a large-scale multi-
modal transportation system", European Journal of Operational Research, Vol. 156(1), pp. 41-53.

Kirby, D., (1959), "Is Your Fleet the Right Size&quest", Journal of the Operational Research Society, Vol. 10(4), pp. 252-252.

Köchel, P., (1997), "An approximate model for fleet sizing and redistribution", Science in Traffic, Vol. 9(5-6), pp. 195-200.

Köchel, P., Kunze, S., Nieländer, U., (2003), "Optimal control of a distributed service system with moving resources: Application to
the fleet sizing and allocation problem", International Journal of Production Economics, Vol. 81, pp. 443-459.

Lin, C. C., Ma, S. J., (1999), "The fleet planning for multi-modal express services in Taiwan. Journal of the Eastern Asia Society for
Transportation Studies, Vol. 3(3), pp. 271-285.

List, G. F., Wood, B., Nozick, L. K., Turnquist, M. A., Jones, D. A., Kjeldgaard, E. A., Lawton, C. R., (2003), "Robust optimization
for fleet planning under uncertainty", Transportation Research Part E: Logistics and Transportation Review, Vol. 39(3), pp. 209-227.
Macharis, C., Bontekoning, Y. M., (2004), "Opportunities for OR in intermodal freight transport research: A review", European
Journal of operational research, Vol. 153(2), pp. 400-416.

Mahoney, J.H., (1985), "Intermodal freight transportation", ENO Foundation for transportation, Inc., Westport, Connecticut.

McKenzie D.R, North M.C., Smith D.S., (1989), "Intermodal Transportation: the Whole Story", Simmons-Boardman Books, Inc,
Omaha, NE.

Meisel, F., Kirschstein, T., Bierwirth C., (2013), "Integrated production and intermodal transportation planning in large scale
production–distribution-networks", Transportation Research Part E, Vol. 60, pp. 62-78.

Mole, R. H., (1975)," Dynamic optimization of vehicle fleet size", Operational Research Quarterly, Vol. 26(1), pp. 25-34.

Muller G., (1995), "Intermodal freight transportation" Eno Transportation Foundation and IANA, Virginia.

New, C. C., (1975), "Transport fleet planning for multi-period operations", Operational Research Quarterly, Vol. 26(1), pp. 151-166.

Parikh S.C. (1977), "On a fleet sizing problem and allocation problem", Management Science, Vol. 23(9), pp. 972-977.

Pekin, E., Caris, A., Jourquin, B., (2008), "A decision support system for intermodal transport policy", ASP/VUBPRESS/UPA.

Powell, W. B., Sheffi, Y., (1989), "Design And Implementation Of An Interactive Optimization System For Network Design In The
Motor Carrier Industry", Operation Research, Vol. 37(1), pp. 12-29.

Qiuping, Y., Xinlian, X., Weiwei, H,.(2009), "Research and Application of Ship Routing and Fleet Planning Model", Second
International Conference on Intelligent Computation Technology and Automation ICICTA’09, Vol.3., pp. 685-688, October 2009.

Redmer A., Sawicki P., Zak J., (2000), "Multiobjective Optimisation of the Fleet Size in the Road Freight Transportation Company",
Rome Jubilee 2000 Conference: Meeting of the Euro Working Group Transportation, September 2000, Rome, Italy.

Redmer, A., Żak, J., Sawicki, P., Maciejewski, M., (2012), "Heuristic approach to fleet composition problem", Procedia-Social and
Behavioral Sciences, Vol. 54, pp. 414-427.

Roy, D., Sebastian, J., Sharma, D., (2013), "Fleet sizing for transporters with seasonal demands", International Journal of Automation
and Logistics, Vol. 1(1), pp. 105-115.

Sayarshad, H. R., Ghoseiri, K., (2009), "A simulated annealing approach for the multi-periodic rail-car fleet sizing
problem", Computers & Operations Research, Vol. 36(6), pp. 1789-1799.

Sayarshad, H. R, Tavakkoli-Moghaddam, R., (2010), "Solving a multi periodic stochastic model of the rail–car fleet sizing by two-
stage optimization formulation", Applied Mathematical Modelling, Vol. 34(5), pp.1164-1174.

Tavakkoli-Moghaddam, R., Sayarshadand, H. R., ElMekkawy, T. Y., (2009), "Solving a new multi-period mathematical model of the
rail-car fleet size and car utilization by simulated annealing", International Journal of Engineering, Transactions A: Basics, Vol.
22(1), pp. 33-46.

Turnquist, M. A., Jordan, W. C., (1986), "Fleet Sizing Under Production Cycles and Uncertain Travel Time", "Transportation
Science, Vol. 20(4), pp. 227-236.

URL 1, European Conference of Ministers of Transport, United Nations Economic Commission for Europe Statistical Division and
European Union Eurostat, (1997), Glossary for Transport Statistics, second ed. See also
<http://www1.oecd.org/cem/online/glossaries/> 04.02.2014

URL 2, OECD, (1997), The Envıronmental Effects Of Freıght <http://www.oecd.org/trade/envtrade/2386636.pdf> 04.02.2014

Vis, I. F. A., de Koster, R. B. M., Savelsbergh, M. W. P., (2005), "Minimum vehicle fleet size under time-window constraints at a
container terminal" Transportation Science, Vol. 39(2), pp. 249-260.

Williams, W. W., Fowler, O. S., (1980), "Minimum cost fleet sizing for a university motor pool" Interfaces, Vol. 10(3), pp.21-29.

Wu, P., Hartman, J. C., Wilson, G. R., (2005), "An integrated model and solution approach for fleet sizing with heterogeneous
assets. Transportation Science, Vol. 39(1), pp. 87-103.

Wyatt, J. K., (1961), "Optimal fleet size", Operational Research Quarterly, Vol. 12(3), pp. 186-187.

Zhao, Q. H., Wang, S. Y., Lai, K. K., Xia, G. P., (2001), "Dynamic multi-period transportation model for vehicle composition with
transshipment points", Advanced Modeling and Optimization, Vol. 3(1), pp. 17-28.