Yöneylem Araştırması Nedir? Başlangıç Rehberi

Bir hastanenin acil servisinde gece nöbetinde kaç doktor olmalı? Bir kargo şirketinin İstanbul-Ankara arası dağıtım merkezleri kaç adet ve nerede olmalı? Bir okulun haftalık ders programı nasıl yapılmalı ki hem öğretmenler boş ders yığılmasın hem öğrenciler tek bir günde tüm zor derslere yakalanmasın?

Bu sorular yüzeyden farklı görünebilir, ama hepsi aynı disiplinin penceresinden yaklaşıldığında çözülür. Yöneylem araştırması —İngilizce tabiriyle Operations Research veya kısaca OR— birbiriyle çelişen amaçlar, sınırlı kaynaklar ve binlerce olası karar arasında “en iyi” olanı bulma sanatıdır. Hem matematiksel bir disiplindir hem de mühendislik gibi pratik bir yaklaşımdır; kuramsal ile uygulamayı sürekli bir döngü içinde tutar.

Bu rehber, yöneylem araştırmasının ne olduğunu, nereden geldiğini, hangi problemleri çözdüğünü ve bugün dünyada nerelerde gizli kahraman gibi çalıştığını yeni başlayan okurlar için anlatır. Yöneylem terminolojisine yabancıysan, bu yazıyı bir harita olarak düşün — ileride okuyacağın daha derin yazılar bu haritadaki noktaları tek tek büyütecek.

Tanım: Yöneylem araştırması nedir?

En kısa tanımı ile yöneylem araştırması, karar verme problemlerinin matematiksel modeller kullanılarak optimize edilmesi disiplinidir. Üç anahtar kelime üzerinde duralım:

Karar problemi, “ne yapılmalı?” sorusunun cevap beklediği herhangi bir durumdur. Bir lojistik firmasının “hangi depodan hangi mağazaya ne kadar ürün gönderelim?”, bir hastanenin “yarın kaç hemşire çağıralım?”, bir bireyin “elimdeki 100 bin lirayı hangi yatırım araçlarına nasıl bölüştüreyim?” gibi sorular karar problemleridir. Karar problemini sıradan sorulardan ayıran şey, birden çok geçerli cevabın olması ve aralarından birinin diğerlerinden “daha iyi” olduğudur.

Matematiksel model, bu kararın yapısını sayılarla ifade etme biçimidir. Bir model üç bileşenden oluşur: değişkenler (kararı temsil eden büyüklükler, örneğin “depo A’dan mağaza B’ye gönderilecek ürün miktarı”), kısıtlar (uyulması zorunlu kurallar, örneğin “depo kapasitesi 1000 birim, daha fazlasını gönderemezsin”) ve amaç fonksiyonu (en iyiyi nasıl tarif ettiğimiz, örneğin “toplam taşıma maliyetini minimize et”). Bu üçü bir araya geldiğinde problemin matematiksel karşılığı çıkar.

Optimizasyon, geçerli tüm cevaplar arasından amaç fonksiyonunu en uygun hâle getirenin sistematik olarak bulunmasıdır. “Sistematik” kelimesinin altını çizelim: deneme-yanılma değil, ispatlanabilir doğrulukta yöntemler kullanılır. Bir lineer programlama probleminin optimum çözümü bulunduğunda, daha iyi bir çözüm olamayacağını matematiksel olarak gösterebilirsin.

Bu üç kelimenin oluşturduğu disiplin, 70 yılı aşkın akademik birikimle birlikte bugün modern dünyanın görünmez altyapılarından biridir.

Tarihçe: Savaştan akademik disipline

Yöneylem araştırmasının kökenleri II. Dünya Savaşı yıllarına uzanır. 1930’ların sonunda Britanya, Almanya’nın hava saldırılarına karşı yeni geliştirdiği radar teknolojisini etkin kullanmak için bir grup matematikçi ve fizikçiyi bir araya getirdi. Bu ekibin görevi yeni cihazın teknik geliştirmesi değil, operasyonel kullanımının optimize edilmesiydi: hangi noktalara kaç radar istasyonu konulmalı, gelen sinyaller nasıl önceliklendirilmeli, kaç savaş uçağı hangi sektöre ne sıklıkla yönlendirilmeli. Adına başta “operational research” denilen bu çalışma alanı, savaş sırasında konvoy planlamasından denizaltı avlama taktiklerine, bombardıman uçaklarının formasyon optimizasyonundan mühimmat envanterine kadar yayıldı.

Savaşın bitimiyle birlikte askeri amaçlı geliştirilen bu teknikler sivil uygulamalara yöneltildi. 1947’de George Dantzig’in lineer programlama için geliştirdiği simpleks algoritması, doğrusal kısıtlar altında en iyi kararı hesaplamayı pratik kılan bir devrim niteliğinde adımdı. Aynı dönemde Tjalling Koopmans ve Leonid Kantorovich’in kaynak tahsisi üzerine çalışmaları (sonradan 1975 Nobel Ekonomi Ödülü’nü beraberce kazandılar), yöneylemin ekonomi ile kesişimini başlattı.

1950’ler ve 60’lar disiplinin akademik kurumsallaşma yıllarıdır. ABD’de Operations Research Society of America (ORSA) ve Britanya’da Operational Research Society kuruldu; üniversitelerde ayrı bölümler açıldı. Bilgisayarın zaman içinde ucuzlaması, daha önce kalemle çözülemeyecek büyüklükteki problemlerin yöneylem modellerine girmesinin önünü açtı. 1970’ler, kombinatoryel optimizasyon başlığında dinamik programlama, dal-sınır ve sezgisel algoritmaların yerleşmesine sahne oldu. 1980’ler ve 90’lar, ticari çözücülerin (CPLEX, Gurobi, LINDO) doğuşuyla yöneylemin endüstride yaygınlaştığı dönem oldu.

Türkiye’de yöneylem araştırması ilk olarak 1950’lerin sonunda Orta Doğu Teknik Üniversitesi ve Boğaziçi Üniversitesi gibi kurumların endüstri mühendisliği programlarında yer aldı. Halim Doğrusöz, İbrahim Kavrakoğlu gibi öncüler Türkiye’de OR’ın akademik temellerini attı; Yöneylem Araştırması ve Endüstri Mühendisliği Derneği (YAEM) bugün hâlâ alanın sivil çatısıdır.

2000’li yıllar yöneylem araştırması için ikinci bir dönüşüm dönemi oldu. Bilgisayar gücünün ucuzlaması ve özellikle ticari çözücülerin (CPLEX 1990’larda, Gurobi 2008’de, ücretsiz kütüphaneler GLPK ve OR-Tools 2010’larda) modern arayüzler kazanması, daha önce ulaşılamaz görünen büyük problemlerin masaüstü seviyesinde çözülebilmesinin önünü açtı. Aynı dönemde bulut hesaplama yöneylemin “tek bilgisayara sığmayan” problemlerini hizmet olarak çözebilen platformların doğmasını sağladı; bugün AWS, Google Cloud ve Azure üzerinden saatlik kiralanabilen optimizasyon hesap motorları endüstri standardı hâline geldi. Yöneylem disiplini, doğduğu radar laboratuvarından çıkıp veri merkezine yerleşti.

Problem türleri: Yöneylemin altı ana sınıfı

Yöneylem araştırması homojen bir konu değildir; içinde altı ana problem ailesi barındırır. Çoğu gerçek dünya problemi bu ailelerin birden fazlasının karışımıdır.

Doğrusal programlama (LP), hem amaç fonksiyonunun hem kısıtların doğrusal fonksiyonlarla ifade edildiği problem ailesidir. “x kg buğday + y kg arpa üretimini maksimize et; ama tarla 100 dönümden büyük olamaz, su tüketimi günde 1000 m³’ü geçmez” tarzı problemler. LP, yöneylemin temelidir; basitliği, hesaplama gücünün modern bilgisayarda neredeyse anlık olması ve geniş ölçeklere çıkabilmesi onu en yaygın kullanılan araç hâline getirir. Detaylı bir tanıtım için Doğrusal Programlama Nedir, Nasıl Çözülür? yazımıza bakabilirsin.

Tamsayı ve karma tamsayı programlama (IP/MILP), değişkenlerin tamsayı veya 0/1 değerleri alması gereken durumları kapsar. “Şu binayı yapayım mı, yapmayayım mı?” gibi ikili kararlar, “kaç tane kamyon satın alalım?” gibi sayım kararları bu sınıfa girer. LP’den çok daha zorlayıcı (NP-zor) olduğu için ölçeklenmesi sorunludur ve aktif araştırma alanıdır.

Ağ akış ve çizge problemleri, problem yapısının düğümler ve aralarındaki bağlantılarla ifade edildiği durumlardır. En kısa yol (navigasyon), maksimum akış (boru hattı kapasitesi), atama problemi (çalışan-iş eşlemesi), gezgin satıcı problemi (TSP — en kısa tur) bu sınıfın klasik örnekleridir. Ağ problemleri özel yapıları sayesinde genel LP’den çok daha hızlı çözülebilir.

Çizelgeleme problemleri, kaynakların zaman boyunca tahsisini içerir. Lig fikstürü, ders programı, üretim hattı sıralama, hastane personel nöbet çizelgesi bu aileye girer. Round-robin’den iş atölyesi (job-shop) çizelgelemesine kadar geniş bir yelpazede yöntemler vardır; Çizelgeleme Problemleri rehberi bu konuyu derinlemesine inceler.

Stokastik ve simülasyon problemleri, belirsizlik altında karar vermeyi içerir. “Müşteri talebi tahminim ortalama 100 ama %20 sapması var; üretimi nasıl planlayalım?” gibi sorular için kullanılır. Monte Carlo simülasyonu, kuyruk teorisi, stokastik dinamik programlama bu başlık altındadır. Bir bankanın şube ATM doluluğu planlaması veya bir e-ticaret sitesinin sunucu kapasitesi tahmini bu yöntemlerle yapılır.

Karar analizi ve oyun teorisi, birden fazla aktörün etkileşim içinde olduğu, klasik optimizasyondan farklı bir biçimde “rasyonel davranan rakip” varsayımıyla çalışılan alandır. Açık artırma tasarımı, regülasyon politikası, müzakere stratejisi gibi problemler bu kapsama girer. Oyun teorisi yöneylem disiplini ile ekonomi-siyaset bilimi arasındaki köprüdür.

Bu altı aileye ek olarak son 30 yılda gelişen daha özel başlıklar da vardır: robust optimizasyon (parametre belirsizliğine dayanıklı çözümler), çok amaçlı optimizasyon (Pareto sınırı, denge çözümleri), çift seviyeli programlama (lider–izleyen yapıları), hesaplama merkezli yöneylem (yapay zekâ ve büyük veri ile entegre yöntemler) bunlar arasındadır. Modern yöneylem analisti, bu özelleşmiş başlıkların en az birinde derinleşmek zorundadır; tek bir alt başlığın bütünüyle hâkim olmak bir kariyerin malzemesidir.

Yöneylem metodolojisi: Model, çöz, yorumla

Hangi problem ailesine girerse girsin, yöneylem yaklaşımı belirgin bir metodoloji izler. Bu metodoloji genelde dört adımdan oluşur ve sırasıyla takip edilir.

Birinci adım: problemi tanımla. Soru “ne karar verilmeli?” diye sorulduğunda cevabın net olduğundan emin olmak gerekir. Sıkça yapılan hata, gerçek karar problemini değil, onun bir görünümünü çözmek. Örneğin “stoklarımız neden artıyor?” sorusu bir karar problemi değildir; arkasındaki “ne kadar sipariş vereyim, ne sıklıkla?” karar problemidir.

İkinci adım: matematiksel modeli kur. Problemde değişkenler, kısıtlar ve amaç fonksiyonu açıkça yazılır. Bu adım yöneylemin en zorlu kısmıdır çünkü gerçek dünyanın bulanıklığını sayısal denklemler hâline getirmek hem teknik beceri hem alan bilgisi gerektirir. İyi modelin alâmeti farikası şudur: modelin bir parametresini değiştirdiğinde sonucun nasıl değişeceğini önceden sezgisel olarak öngörebiliyorsundur.

Üçüncü adım: çöz. Modele uygun bir algoritma seçilir ve çalıştırılır. Küçük problemler kâğıt-kalem veya Excel ile, orta ölçekliler bu sitedeki gibi ücretsiz çözücülerle, büyük endüstriyel problemler ticari çözücülerle (CPLEX, Gurobi, FICO Xpress) çözülür. Çözücünün arkasındaki algoritmayı tam anlamak şart değildir; ama bilmek, sorun çıkardığında müdahale edebilmeyi sağlar.

Dördüncü adım: yorumla ve uygula. Çözücünün ürettiği sayıların pratikteki karşılığı yazılır, paydaşlarla paylaşılır, modelin hangi varsayımlar altında geçerli olduğu açıklanır. Çoğu yöneylem projesi bu adımda başarısız olur: matematiksel olarak doğru çözüm pratikte uygulanamayacak şekilde sunulduğunda modelin değeri sıfıra iner.

Bu dört adımın hiçbiri tek başına yeterli değildir. Yöneylem analisti, hem matematiği hem alan bilgisini hem iletişimi bir arada götüren çok yönlü bir profilin çalışmalı olmasını gerektirir.

Gerçek dünya uygulamaları

Yöneylem araştırması bugün hayatın her köşesinde, çoğu zaman görünmez bir şekilde çalışır. Birkaç somut örnek üzerinden bakalım.

Ulaştırma ve lojistik: UPS’in dağıtım kamyonlarının rotaları, FedEx’in hava paket merkezleri, Amazon’un depo yerleşimi — hepsi büyük ölçekli yöneylem optimizasyon modellerinin çıktısıdır. UPS’in 2012’de uyguladığı ORION sistemi yıllık yüz milyon dolar mertebesinde yakıt tasarrufu sağladığını duyurmuştu; optimize edilen kararların büyük kısmı doğrudan dağıtım rotaları üzerinde.

Sağlık operasyonları: Hastane ameliyat odası çizelgelemesi, acil servis hemşire vardiya planlaması, organ nakli kuyruğu yönetimi yöneylem modellerinin ekmeği-suyudur. Türkiye’de Sağlık Bakanlığı’nın MERNİS tabanlı hasta yönlendirme sistemleri benzer optimizasyon mantığını kullanır.

Enerji şebekesi: Elektrik üretim santrallerinin saatlik devrimleri (unit commitment problemi), yenilenebilir enerji kaynaklarının değişken üretiminin talebe uyumlandırılması, dağıtım hattı kapasite planlaması — yöneylemin yoğun matematik kullandığı alanlardan biri. TEİAŞ ve özel elektrik üreticileri kendi optimizasyon modellerini koşturur.

Finans: Portföy seçim teorisi (Markowitz’in 1952’deki çalışması temeldir), kredi riski yönetimi, türev ürün fiyatlama gibi alanlarda yöneylem teknikleri kullanılır. Kuantitatif fonlar yöneylemin endüstrideki en yoğun istihdam edenlerinden biridir.

Spor: Profesyonel ligler için fikstür çekilişi (yukarıda bahsettiğimiz), NBA için maç günü planlaması, takımların draft seçim stratejileri yöneylem optimizasyonu kullanılarak yapılır. UEFA’nın Şampiyonlar Ligi grup aşaması çekilişlerinde bilgisayar destekli kombinasyon üretimi onlarca yıldır kullanılmaktadır.

Acil müdahale: İtfaiye istasyonu yer seçimi, ambulans konuşlandırma politikaları, doğal afet sonrası yardım dağıtımı çift hayat etkisi olan yöneylem problemleridir. Türkiye gibi deprem riski yüksek bir ülkede bu modellerin önemi her geçen yıl artmaktadır.

Türkiye’de yöneylem araştırması

Türkiye’de yöneylem araştırması temel olarak endüstri mühendisliği bölümlerinin çatısı altında öğretilir. ODTÜ, Boğaziçi, İTÜ, Bilkent, Sabancı, Koç gibi üniversitelerin endüstri/sistem mühendisliği lisans ve lisansüstü programlarında ana ders olarak yer alır. Son yıllarda işletme mühendisliği, yöneylem yönetimi gibi yan başlıklarda da yöneylem dersleri yaygınlaşıyor.

Sektörde Türk Hava Yolları, Arçelik, Vestel, Turkcell, Garanti BBVA gibi büyük kurumlar düzenli olarak yöneylem analisti istihdam eder. Otomotiv ve beyaz eşya üretiminde MES (Manufacturing Execution System) entegrasyonları yöneylem optimizasyon motorları içerir. Bankacılıkta kredi tahsis optimizasyonu, sigorta’da prim hesaplama, perakendede mağaza yerleşim planlaması yaygın uygulamalardır.

Akademik ortamda Yöneylem Araştırması ve Endüstri Mühendisliği Derneği (YAEM) yıllık kongresi, doktora ve yüksek lisans öğrencileri için Türkçe dilinde en büyük toplanma noktasıdır. Uluslararası alanda Türk araştırmacılar INFORMS (Amerika) ve EURO (Avrupa) toplulukları içinde aktif rol oynar.

Türk üniversitelerinin yöneylem araştırması yayınlarına bakıldığında belli başlı tematik kümeler göze çarpar: lojistik ve dağıtım optimizasyonu (özellikle İstanbul-Anadolu eksen problemleri), enerji şebekesi planlaması (yenilenebilir entegrasyonu), sağlık operasyonları (deprem sonrası acil tıbbi müdahale), ve spor çizelgeleme (Süper Lig fikstür problemleri akademik makale konusudur). Bu yerel odak alanları Türkiye coğrafyasının ve sektörel önceliklerinin yansımasıdır; bir yöneylem araştırmacısının kariyerinde ele alabileceği gerçek dünya problemleri için verimli bir zemin sunar.

Yöneylem ile ilgili yaygın yanlış anlamalar

Yöneylem araştırmasını yeni öğrenen veya dışından bakan biriyle konuşurken sıklıkla karşılaşılan birkaç yaygın yanlış anlama vardır. Bunları açıklığa kavuşturmak işin doğasını anlamak açısından faydalı.

“Optimum çözüm her zaman uygulanır.” Yanlış. Modelin ürettiği matematiksel optimum, modelin temsil ettiği gerçeklikte optimumdur. Modelin ihmâl ettiği ya da yanlış varsaydığı detaylar, çözümün uygulanmasını sınırlar veya imkânsız kılar. Yöneylem analistinin gerçek görevi “doğru sayıyı vermek” değil, “doğru kararın verilmesine yardım etmek” — bu nüans önemlidir.

“Yöneylem sadece üretim/lojistik için kullanılır.” Bu, disiplinin doğuş yıllarındaki ağırlığı yansıtır ama bugün geçerli değil. Sağlık, finans, spor, eğitim, kamu politikası, askeri planlama, çevre yönetimi — yöneylem modellerinin uygulandığı alanlar her on yılda genişliyor.

“Yapay zekâ yöneylemi gereksizleştirecek.” Bu sıklıkla duyulan ama detayına girilmeden tekrarlanan bir iddiadır. Gerçekte AI/ML teknikleri yöneylemin karar verme katmanını zenginleştiriyor (özellikle deneme- yanılma yapılabilen ortamlarda), ama klasik optimizasyon yöntemlerinin ispatlanabilir doğruluk garantisi sağlama özelliğinin yerini almıyor. Bir bankanın kredi risk modeli AI olabilir, ama o riskin yönetimi için verilecek kararlar (sermaye dağıtımı, kredi limitleri) hâlâ optimizasyonla çözülür ve bu durum yakın gelecekte değişmeyecek.

“Yöneylem işi çok teorik, pratiği yok.” Tam tersi. Yöneylem belki de mühendisliğin en uygulamalı alt disiplinlerinden biridir. Akademik teori önemli olmakla birlikte, sektörde günü kurtaran pratik problem çözme yeteneğidir. Bir yöneylem analistinin işinin %80’i model kurmak değil, doğru insanlarla iletişim kurmak, veri toplamak, sonucu yöneticiye anlatmak ve uygulama detaylarını takip etmektir.

“Excel ile yapılabilir, ayrı bir yazılıma gerek yok.” Küçük problemler için Excel’in Solver eklentisi gerçekten yeterli olabilir. Ama 50’den fazla değişkenli problemler için Excel ölçeklenmez ve hata yapma riski hızla artar. Profesyonel araçlar (LP/MILP çözücüleri, çizelgeleme yazılımları, simülasyon platformları) hem performans hem güvenilirlik açısından şarttır.

“Yöneylem sadece sayılar üzerine.” Yöneylemin sıkça unutulan bir tarafı, niteliksel kararların modellenmesidir. Bir kararın “iyi” sayılması için matematiksel olarak ölçülebilir olması zorunlu değil; kullanıcı memnuniyeti, adillik, çevresel etki gibi soyut kriterler de modellenebilir. Bunun için çok kriterli karar verme (MCDM) ve yarımyıl-stat analiz teknikleri kullanılır.

Nasıl öğrenirim?

Yöneylem araştırmasına başlamak için önerebileceğimiz bir kademeli yol var:

Sıfırdan başlayanlar için: Bir endüstri mühendisliği veya işletme mühendisliği lisans dersi notları, YouTube’daki Türkçe ve İngilizce eğitim serileri, MIT OpenCourseWare’in OR derslerine bakılabilir. İlk olarak doğrusal programlamayı kavramak temel. Bir küçük problemi (mesela bir mahalle simit fırınının üretim planı) elinle Excel’de modellemek anlamayı hızlandırır.

Orta seviye: Hillier & Lieberman veya Winston’ın ders kitaplarından bir tanesini baştan sona okumak, ardından bir programlama dili (Python en yaygın) ile küçük çözücü kullanım denemeleri yapmak (PuLP, Pyomo, OR-Tools) faydalıdır. Bu seviyede Google OR-Tools rehberimiz de bir başlangıç noktası olabilir.

İleri: Kombinatoryel optimizasyon, stokastik programlama, robust optimizasyon gibi özelleşmiş başlıklara geçilir. Akademik makale takibi (INFORMS Journal on Computing, Operations Research), uluslararası konferanslara katılım, açık kaynak projelere katkı bu seviyede önerilir.

Yöneylemde teorik ilerlemenin tek başına yeterli olmadığı bir gerçek var: endüstri ile bağlantı kurmadan öğrenilen yöneylem, akademik bir alıştırmadan öteye geçemez. Bir staj, bir küçük danışmanlık projesi, bir Kaggle yarışmasının optimizasyon kategorisi — herhangi biri “bu modelin gerçek dünyada karşılığı neydi?” sorusunun cevaplandığı bir deneyim sunar. Türkiye’de büyük şirketlerin araştırma birimleri (Vestel R&D, Türk Telekom Argela, Aselsan TEAM) zaman zaman yöneylem stajyerleri kabul eder; başvurulara açık tutmakta fayda var.

Yöneylem ile veri bilimi ve yapay zekânın ilişkisi

Son yıllarda veri bilimi, makine öğrenmesi ve yapay zekâ terimleri yöneylem araştırmasının daha eski “veri analitiği” başlığını gölgelemiş gibi görünür. Ama gerçekte üç disiplin birbirini ikame etmez; tamamlar.

Veri bilimi ve makine öğrenmesinin temel sorusu “verideki kalıpları bul, gelecekte ne olacağını tahmin et” dir. Bu descriptive ve predictive analitik olarak adlandırılır. Bir e-ticaret sitesinde gelecek hafta hangi ürünün ne kadar talep göreceğini tahmin etmek bu kategoriye girer.

Yöneylem araştırmasının temel sorusu ise “kısıtlar altında en iyi kararı seç” — yani prescriptive analitik. Tahmin edilen talebe göre depo arasındaki sevkiyatın nasıl planlanacağı yöneylem sorusudur. Bir başka deyişle, ML geleceği görmeye yarar; OR ise gördüğümüz gelecek karşısında ne yapacağımıza karar verir.

Modern uygulamalarda iki disiplin sıkça birleşir. Predictive-prescriptive pipeline olarak adlandırılan bir yaklaşımda, ML modeli tahmin üretir, OR modeli o tahmini kısıt veya parametre olarak alır ve karar verir. Üretim planlama, tedarik zinciri, dinamik fiyatlama, taksi/yolcu eşleme gibi sistemler bu birleşik yapının pratik örnekleridir. Uber’in sürücü-yolcu eşleme algoritmaları, Netflix’in içerik öneri sıralaması, Spotify’ın kişiselleştirme motorları hem ML hem OR teknikleri kullanır.

Yapay zekâ tarafında ise takviyeli öğrenme (reinforcement learning) ile yöneylemin kesişimi giderek belirginleşiyor. RL ajanı, klasik OR’ın analitik çözücüsünün yetersiz kaldığı dinamik ortamlarda (tahmin edilemeyen trafik, değişken talep, çoklu rakip) deneme-yanılmayla en iyi politikayı öğrenir. AlphaGo’nun stratejik kararları, OpenAI’nin oyun ajanları, modern warehouse robotlarının yer seçimi — hepsi bu birleşim alanının ürünleri.

Yöneylem öğrencisinin Python ve modern ML kütüphanelerini (scikit-learn, PyTorch, TensorFlow) öğrenmesi artık opsiyonel değil zorunludur. Bunun aksi de geçerli: veri bilimi öğrencileri klasik optimizasyon temellerini bilmeden gerçekten karar verici sistemler kuramaz.

Yöneylem araştırmasının geleceği nereye gidiyor?

Disiplinin önümüzdeki 10-15 yıllık trajektörisini şekillendiren birkaç güçlü eğilim var. Bunları kısaca özetlemek, yeni başlayan birinin gelecek planlamasında faydalı olabilir.

İklim değişikliği ve yeşil dönüşüm, yöneylem için en büyük yeni problem ailesini doğuruyor. Karbon ayak izinin azaltılması için tedarik zinciri yeniden tasarımı, elektrikli araç şarj istasyonu yerleşimi, yenilenebilir enerji dengeleme, kentsel ulaşımın çoklu modlu optimizasyonu, sirküler ekonomi içinde malzeme akış planlaması — hepsi yöneylem yöntemlerinin yoğun kullanıldığı taze alanlar. AB’nin Yeşil Mutabakat ve Türkiye’nin yeşil sanayi politikaları, önümüzdeki yıllarda yöneylem analistlerine ciddi talep yaratacak.

Hesaplama gücünün kuantum çağına ilk adımları, optimizasyon dünyası için heyecan verici bir gelişme. Klasik bilgisayarda NP-zor sınıfa giren bazı kombinatoryel problemler, gelecekteki kuantum bilgisayarlarda polinomyal zamanda çözülebilir olabilir. D-Wave, IBM ve Google’ın kuantum optimizasyon girişimleri henüz pratik fayda sağlayamasa da, alanın 2030’lara doğru şekilleneceğini gösteriyor. Bu konuyla ilgilenen bir yöneylem analistinin daha şimdiden lineer cebir ve kuantum hesaplama temelleriyle tanışması faydalı olabilir.

Açık kaynak hareketinin olgunlaşması, daha önce sadece pahalı ticari yazılımlarla erişilebilen yöneylem yeteneklerinin demokratikleşmesini sağlıyor. COIN-OR projesi, Google OR-Tools, Pyomo, JuMP (Julia) gibi araçların birbirinden öğrenmesi ve birleşmesi, akademik araştırmacının ve küçük girişimcinin işini kolaylaştırıyor. Bu, yöneylemin büyük şirketlerin tekelinden çıkıp daha geniş bir ekosisteme yayılmasını hızlandıracak.

Gerçek zamanlı ve dinamik karar verme, yöneylemi statik “yıllık plan” ufkundan çıkarıyor. Kentsel trafik kontrolü, dinamik fiyatlama (Uber, Booking), gerçek zamanlı kapasite tahsisi (5G şebekeleri, bulut hesaplama) gibi alanlarda saniye-altı kararların alınması gerekiyor. Bu, klasik optimizasyon algoritmalarının yetersiz kaldığı bir alandır ve online optimization, streaming algorithms, bandit problems gibi yeni alt başlıkların hızla büyümesine yol açıyor.

Sonuç olarak yöneylem araştırması ne ölmüş bir disiplin ne de durağan. 70 yıllık geçmişinin üzerine her on yılda yeni bir uygulama dalgası ve yeni araçlar inşa ediyor. Bu yazıyı okuyan biri olarak, sen bu dalgalardan birinde yer almak için doğru zamanda doğru yerdesin.

Özet

Yöneylem araştırması, kısıtlı kaynaklarla karmaşık karar problemlerini matematiksel yöntemlerle çözen bir disiplindir. II. Dünya Savaşı’nda doğmuş, bilgisayarın yaygınlaşmasıyla pratik bir endüstri aracına dönüşmüş, bugün ulaştırma, sağlık, enerji, finans, spor ve daha pek çok alanda görünmez ama hayati bir altyapıdır. Türkiye’de güçlü bir akademik geleneği vardır ve sektörde artan bir taleple karşı karşıyadır.

Bu sitenin geri kalanı yöneylemin spesifik problem türlerine ve onları çözen araçlara odaklanır. Yayında olan araçlar arasından kısa bir tur: Lig Fikstürü Oluşturucu ve eşlik eden Round-Robin rehberi ile çizelgelemeyi pratikten başlayarak öğrenebilirsin; Lineer Programlama Çözücü ve Doğrusal Programlama rehberi LP’nin matematik temelini sunuyor; gezgin satıcı, atama, knapsack, ders programı ve EOQ envanter optimizasyonu için ayrı interaktif araçlar ile 2000+ kelimelik rehberler yayında. Yeni problem türleri ve araçlar için yol haritası açık.

Yöneylem araştırması büyük bir disiplin; bu rehberin amacı seni o haritanın başlangıç noktasına götürmekti. İçeride neyi keşfedeceğin sana kalmış. Hangi problem türüne kafa yorduğunu şu anda bilemesem de, yöneylem yaklaşımının sana sunabileceği iki güzel hediyesi var. Birincisi: karmaşık görünen problemlerin çoğunun aslında belirli bir yapıyı izlediğini ve o yapıyı fark edince çözümün de ortaya çıktığını göreceksin. İkincisi: sayılarla düşünmek bir kez alışkanlık hâline geldikten sonra, her gün karşılaştığın küçük büyük kararlarda bile —yemek tercihinden tatil planına, iş bölümünden yatırım kararına— yöneylem refleksinin devreye girdiğini fark edeceksin. Bu disiplin, bir akademik konu olmaktan çok bir düşünce alışkanlığıdır; ve bir kez kazanılınca geri verilmesi zordur.

Sıkça sorulanlar

Yöneylem araştırması ile operasyon araştırması aynı şey mi?

Evet, ikisi aynı disiplinin Türkçe karşılığıdır. 'Yöneylem' kelimesi Türk Dil Kurumu'nun önerdiği ve akademik literatürde yerleşmiş terim olduğu için bu metinde tercih edilmiştir; 'operasyon araştırması' veya doğrudan 'OR' (operations research) ifadeleri de aynı anlama gelir ve eş anlamlı kullanılabilir.

Yöneylem araştırması mezunu hangi alanlarda iş bulur?

Yöneylem araştırması mezunları geniş bir yelpazede istihdam edilir: lojistik ve tedarik zinciri yönetimi, ulaştırma planlaması, üretim çizelgeleme, sağlık operasyonları, finans (portföy optimizasyonu, risk yönetimi), enerji şebeke planlaması, telekomünikasyon kapasitesi tasarımı, savunma sanayii ve son yıllarda makine öğrenmesi/yapay zekâ takımları. Türkiye'de havayolu, otomotiv, perakende ve banka sektörleri sürekli yöneylem analisti arar.

Yöneylem öğrenmek için ileri seviye matematik şart mı?

Lise seviyesi cebir ve temel olasılık bilgisi başlangıç için yeterlidir. İleri seviye konular (lineer programlama duality, stokastik optimizasyon, kombinatoryel teoremler) için lineer cebir, çok değişkenli kalkülüs ve olasılık-istatistik temelleri faydalıdır. Modern yöneylem yazılımları matematiksel detayların büyük kısmını soyutlar; problemin doğru modellenmesi matematiksel manipülasyondan daha kritiktir.

Başlamak için hangi kitabı önerirsin?

Türkçe kaynak için Halim Doğrusöz'ün 'Yöneylem Araştırması' kitabı klasik bir başlangıçtır. İngilizce için Hillier & Lieberman'ın 'Introduction to Operations Research' geniş kapsamlı standart ders kitabıdır; Winston'ın 'Operations Research: Applications and Algorithms' uygulamaya daha yakındır. Online ücretsiz kaynak isteyenler MIT OpenCourseWare üzerindeki Operations Research derslerine bakabilir.

Yöneylem araştırması ile veri bilimi arasındaki fark nedir?

İki alan büyük ölçüde örtüşür ama farklı sorulara odaklanır. Veri bilimi 'verideki kalıbı bul, gelecekteki davranışı tahmin et' (descriptive + predictive) sorularına yönelirken, yöneylem 'kısıtlar altında en iyi kararı seç' (prescriptive) sorusuna odaklanır. Modern uygulamalarda iki disiplin sıkça birleşir: tahmin modeli üretilen tahmin değerini yöneylem modelinin girdi parametresi olarak kullanır.