Özet: Bu çalısmada traktör imalatı yapan bir isletmede, kitlesel özel üretime yönelik hedef programlama tabanlı üretim planlama yaklasımının tasarımı ve gelistirilmesi gerçeklestirilmistir. Üretim planlama yaklasımı, ürün üzerindeki müsteri isteklerini göz önüne alacak, ürün çesitliligini ve seri üretim ilkelerini gözetecek sekilde tasarlanmıstır. Üretim planlamaya özgü hedeflerin gerçeklestirilebilmesi amacı ile bir hedef programlama modeli gelistirilmis ve bu hedef programlama modeli ile uyumlu bir sekilde çalısan bir Karar Destek Sistemi olusturulmustur. Gelistirilen hedef programlama modelinin çözüm süresi, modelde yer alan karar degiskeni sayısının fazla olması nedeni ile kabul edilebilir sürelerin dısına çıkmaktadır. Bu nedenle farklı üretim planlarını olusturma ve kısa sürede bu planlardan uygun olanını üretime yansıtabilme olanagı kalmamaktadır. Belirtilen gerekçeler dogrultusunda gelistirilen hedef programlama modelinin çözümüne yönelik yerel açgözlü arama ve genetik algoritma yaklasımları üzerinde durulmustur. Bu yaklasımların performanslarını gözlemlemek amacı ile 12 ayrı problem seti olusturulmus ve her bir problem seti için sonuçlar elde edilmistir. Gerçeklestirilen performans analizi sonucunda yerel açgözlü arama yaklasımının genetik algoritma yaklasımına göre daha iyi sonuçlar verdigi gözlemlenmistir. Ancak genetik algoritma yaklasımının yerel açgözlü arama yaklasımına göre çözüm süresinin daha kısa oldugu gözlemlenmistir.

Abstract: In this study, a production planning approach which is based on goal programming intended for mass customization is designed and developed in a firm which works on tractor manufacturing. This production planning approach is developed according to customer's choices, product variety, and the principles of mass production. The goal programming model is developed to perform the goal of the production planning and the Decision Support System which works with this goal programming model is also performed. The computation time of the goal programming model exceeds the time which is acceptable because of the too many decision variables which the goal programming model has. For this reason, the composition of different production plans and implementation of the appropriate production plan which is selected from those different production plans is not possible in a little while. In consideration of those reasons mentioned above, local greedy search and genetic algorithm approaches which are used for the solution of the goal programming model are considered. In order to observe the performances of the proposed approaches, different twelve problem sets are composed and the solutions of these problem sets are acquired. As a result of the performance analysis, it is seen that the local greedy search approach gives better solutions when compared to the ones which the genetic algorithm provides. But we observed that the computation time of the genetic algorithm is shorter than the local greedy search approach.