Determining Warehouse Location and Example of a Market Chain

Ünlü A., Erol O., KESKİNTÜRK T.

XVIth INTERNATIONAL SYMPOSIUM ON ECONOMETRICS, OPERATIONS RESEARCH AND STATISTICS, Edirne, Türkiye, 7 - 12 Mayıs 2015, ss.1

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Edirne
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1
  • İstanbul Üniversitesi Adresli: Evet

Özet

Depo yeri seçimi, işletmelerde tedarik zinciri yönetimi açısından en önemli unsurlardan
birisidir. Büyük kuruluşların ve fabrikaların satış noktalarının taleplerini karşılayabilmek
için depolardan satış noktalarına doğru malzeme akışı vardır. Bu tedarik zincirinin
aksamaması, zamanın verimli kullanılması, araç ve yakıt maliyetlerinin azaltılması ve
etkin bir araç planlaması için depo yeri seçiminin satış noktalarına yakın ve merkezi bir
konumda olması gerekmektedir. Bu çalışmada bir market zincirinin mevcut deposuna
alternatif bir yer belirlenmesi hedeflenmiştir. Depo ve satış noktaları arasındaki sevkiyat
miktarları ve mesafeler göz önüne alınarak farklı metotlarla çözüm aranmıştır.
Kullanılan metotlar ağırlık merkezi yöntemi ve diferansiyel gelişim algoritmasıdır. İki
yönteme göre bulunan çözümler karşılaştırılmıştır ve hangisinin daha iyi çözüm verdiği
tespit edilmiştir. Son olarak yeni depo yeri için elde edilen verilerle eski depo yeri
verileri karşılaştırmaya tabi tutulmuştur.

Warehouse location selection is one of the most important issues for establishments in
terms of supply chain management. Establishments and factories have material flow
from warehouse to salespoint in order to meet the supply of salespoint. Warehouse
location should be close to salespoint for effective vehicle planning, reduction of fuel
cost, effective time planning and punctual supply chain. In this study, it is aimed to
determine alternative location of a market chain which is close to current warehouse. By
using shipping quaintity and distance values between warehouse and salespoint,
alternative solutions had been sought. Center of Gravity and Differential Evolution
Algorithm are the two methot that we used. The results of two methots are compared with each other to determine that which is more efficient. The data obtained from new warehouse location was compared with old warehouse location data.