Theses supervised by Prof. Dr. İsmail Hakkı Cedimoğlu
12 theses · Sakarya University
802.11ax teknolojisi tabanlı kurumsal kablosuz ağların performans analizi ve iyileştirilmesi
Wi-Fi teknolojisi, günümüzde hem bireysel hem de kurumsal kullanımda kritik bir öneme sahiptir. Artan cihaz sayısı ve veri talepleri, özellikle kurumsal kablosuz ağların performans ve güvenilirlik açısından optimize edilmesini zorunlu kılmaktadır. Bu çalışmada, kurumsal kablosuz ağların performansını artırmaya yönelik kapsamlı bir analiz ve iyileştirme çalışması gerçekleştirilmiştir. Çalışmada, Wi-Fi ağlarının sinyal gücü, sinyal-gürültü oranı (SNR), veri hızı, ağ kapasitesi ve kanal çakışması gibi temel performans parametreleri detaylı bir şekilde değerlendirilmiştir. Analiz süreci, A, B ve C adı verilen üç ana binadan oluşan bir kurumsal tesiste, Ekahau AI Pro yazılımı ve Ekahau Sidekick cihazı kullanılarak gerçekleştirilmiştir. Elde edilen veriler, belirli alanlarda sinyal gücü seviyesinin -85 dBm seviyelerine düştüğünü ve bunun ağın kapsama alanını olumsuz etkilediğini ortaya koymuştur. B-C binasının zemin katında, dolaşım (roaming) için ikincil sinyal seviyelerinin yetersiz olduğu tespit edilmiştir. Kampüs genelinde SNR seviyelerinin ortlama 30 dB ve üzeri olduğu gözlemlenmiş ve bu değerlerin ideal bağlantı sağladığı belirlenmiştir. Analiz sırasında, bazı alanlarda aynı kanalda yayın yapan erişim noktalarının sayısının 6'ya kadar çıktığı belirlenmiştir. Bu durum, özellikle yoğun parazitin olduğu bölgelerde ağ performansının düşmesine neden olabilecek bir etken olarak değerlendirilmiştir. Veri hızı 2.4 GHz frekans bandında 1 - 300 Mbps, 5 GHz bandında ise 1 - 585 Mbps arasında değişiklik göstermiştir. Analiz sonuçları doğrultusunda gerçekleştirilen iyileştirme çalışmalarında ise müdahale edilebilirliğin daha yüksek olduğu 5 GHz frekans bandına odaklanılmıştır. Wi-Fi sinyal gücünü zayıflatan birçok faktör bulunmaktadır. Erişim noktalarının yanlış yerleştirilmesi, zayıf Wi-Fi sinyalinin başlıca nedenleri arasında yer alırken; mesafenin etkisi ve iç duvarların sinyal gücü üzerindeki zayıflatıcı etkisi de önemli faktörlerdendir. Tesiste, sinyal seviyesi düşük olan alanlarda sinyal gücü iyileştirmesi için erişim noktalarının konumları ve yönleri yeniden düzenlenmiş, ayrıca ek erişim noktaları eklenmiştir. İyi bir Wi-Fi ağı, minimum erişim noktası sayısı ile maksimum alanı kapsayabilmelidir ve erişim noktalarının doğru şekilde yerleştirilmesi, iyi bir kapsama alanı elde etmede kilit bir unsurdur. Tesisin öne çıkan problemi olan kanal çakışması, 2.4 GHz frekans bandında sınırlı kanal yapısı nedeniyle bu bandın yayınlarının devre dışı bırakılmasıyla çözülmüştür. 5 GHz frekans bandında ise, çakışmayı önlemek için kanallar 20 MHz ile sınırlandırılmış ve erişim noktalarına statik, kanal çakışmasını engelleyici bağımsız atamalar yapılmıştır. Bu iyileştirme adımları, ağ performansının artırılmasında ve kullanıcı deneyiminin iyileştirilmesinde önemli bir katkı sağlamıştır. Çalışma, kurumsal kablosuz ağların performans analizi ve iyileştirilmesi konusunda önemli veriler sunmaktadır.
Derin öğrenmeye dayalı nesne tespiti modelleri ile cilt kanseri tespiti
Çalışmada, YOLOv8, YOLOv11, YOLOv12 ve RT-DETR (Real-Time Detection Transformer) olmak üzere farklı derin öğrenme tabanlı nesne tespiti modelleri kullanılmış ve bu modellerin benign (iyi huylu) ve malign (kötü huylu) cilt lezyonlarını ayırt etmedeki başarı düzeyleri karşılaştırılmıştır. Araştırmanın hedefi, söz konusu modellerin doğruluk, hız, genelleme yeteneği ve gerçek zamanlı çalışma performansı açısından kapsamlı bir değerlendirmesini yapmaktır. Böylece, klinik uygulamalarda kullanılabilecek daha hızlı, güvenilir ve objektif bir erken teşhis sistemi geliştirilmesine katkı sağlanması amaçlanmıştır.
Derin öğrenme ağları kullanılarak 3B tıbbi görüntü tanımlanması
Günümüzde, derin öğrenme ağlarının kullanımı, birden fazla alandaki performansından ve sürekli gelişen yeteneklerinden yararlanmak için, günümüzde bu tür ağlara güveni artıran en önemli konulardan biridir. Ancak, klasik etkileşim derin öğrenme ağları ve kamera veya videoya dayalı sıradan görüntüler arasında belirgin olabilir. Bazı ciddi hastalıkların tespitinde çok fazla doğruluk gerektiğinden ve örneğin trafik gibi ihlallerin baş edilmesi ile ilgili kullanımlar doğru ve doğru olmayı gerektirdiğinden, iki boyutluluk bu alanda ilerlemek için gereken istek ve gelişmelerin gerisinde kalmaktadır. Tüm bunlar, sistemin sağlam bir şekilde görülmesi, iki boyutlu perspektifte olmayan faydaları nedeniyle üç boyutlu bir perspektifle temsil edilen görüntünün yeni ve doğru yüzü ile ele alınması için çalışmayı gerektirmiştir. Sinir ağını, tanımlama yeteneğinde daha fazla doğruluk ve performansta doğruluk sağlayan özelliklerle zenginleştirmek gerekmektedir. Tanıma alanında iki boyutlu görüntülerin sunduğu geniş seçeneklere rağmen, yine de istenen hedefe ulaşmakta yetersiz kalmaktadır ve bu, en son görüntü teknolojilerine güvenmek, bunları derin öğrenme yoluyla işlemek ve ele almak için sürekli gelişmeyi gerektirmektedir. Ağlar, derin öğrenme ağları, (kenarlar, çizgiler, eğriler, açılar, noktalar vb.) dahil olmak üzere temel bilgileri çıkarmak için çok sayıda 2B görüntüyü manipüle edebilen ağlardır. Konvolüsyonel sinir ağları, sırayla değişen ağırlıklara ve yer değiştirmelere sahip nöronlardan meydana gelmesi bakımından normal sinir ağlarına çok benzemektedir. Her nöron bazı girdi verilerini alır, standart ürünü hesaplar ve isteğe bağlı olarak doğrusal olmayan bir aktivasyon fonksiyonu kullanır. Ağın tamamı, daha önce olduğu gibi, tek ayırt edilebilir değerlendirme işlevidir: bir uçta ilk piksel kümesinden (görüntü), diğer uçta belirli bir sınıfa ait olma olasılık dağılımına kadar. Bu ağlar, son (tamamen bağlı) katmanda hala bir kayıp fonksiyonuna (örneğin, SVM/Softmax) sahiptir ve normal sinir ağlarıyla ilgili olarak verilen tüm tavsiyeler, evrişimli sinir ağlarıyla da ilgilidir. Evrişimli sinir ağlarının mimarisi, girdi verilerinin bazı özelliklerini, ağ mimarisinin kendisinde dikkate almamıza izin veren girdide açıkça görüntü edinmeyi içerir. Bu özellikler, doğrudan dağıtım işlevinin daha verimli uygulanmasına ve ağdaki toplam parametre sayısını önemli ölçüde azaltılmasına imkan tanır. Gerçekleştirilen bu araştırmada, 3D evrişimli sinir ağı olan 3DCNN'ye dayalı olarak derin öğrenme kapsamında tam bir 3B tıbbi görüntü tanıma modeli tasarlanarak uygulanmıştır. Sistemi meydana getirmek amacıyla, 3D görüntü veri seti "MosMedData" kullanılmıştır. Kullanılan veri setinde her gibi 12800 kısımdan oluşan ve 64 bölüm içeren 100 normal ve 100 anormal 3D görüntüden yararlanılmıştır. Kullanılan veri seti, %70 eğitim veri seti ve %30 doğrulama veri olmak üzere ayrıştırılmıştır. Önerilen derin öğrenme modelini oluşturmak için dört temel adım yer almaktadır. İlki, ön işleme aşaması, ardından veri çoğaltma süreci, ardından derin öğrenme modeli yapılandırması ve son aşama ise eğitim ve değerlendirme kısmından oluşmaktadır. Ön işleme adımı için, akciğer dokularını elde etmek için yeniden boyutlandırma, yeniden ölçeklendirme ve normalizasyon gibi birçok ön işleme işlemi kullanılmaktadır. İkinci adım, eğitimin sahte eğitim sorununu ortadan kaldırabilmesi için aynı görüntünün döndürülmüş, çevrilmiş ve kontrastı değiştirilmiş kopyalarını kullanarak eğitim görüntülerinin sayısını artırmak için uygulanan veri büyütme ve veri artırmadır. Karıştırma işlemi, eğitim örneğinin eğitim sürecine karıştırılma sırasına göre verilmesi için de uygulanmaktadır. Eğitim modeli için 3B CNN ağının değiştirilmiş bir versiyonu önerilmektedir. Tamamen bağlı katmanı küresel ortalama havuzlama katmanıyla değiştirerek ve son iki yoğun katman arasına bir bırakma katmanı ekleyerek mimari değiştirilmiştir. Deneyler, farklı eğitim dönemleri, farklı veri artırma durumları ve tüm 3D görüntülerin veya yalnızca akciğer dokularının kullanıldığı birçok senaryoda uygulanmaktadır. Gerçekleştirilen deneylerde, en iyi dönem 25 olduğunu ve en iyi durumun tüm akciğer 3D görüntüsünü kullanmak yerine sadece akciğer dokularını kullanmak olduğunu göstermektedir. Eğitim için %70 doğruluk ve %71 doğrulama doğruluğu elde ediyoruz. Gelecekteki çalışmalar için, 3D CNN mimarisi aşağıdaki özelliklerle değiştirilebilir: -Verileri daha iyi ölçeklendirmek için standardizasyon yöntemini uygulamak. -Resnet101 gibi transfer öğrenme yöntemini kullanarak verileri eğitmek veya InceptionV3 derin sinir ağları. -Verilerin artırılması.
CNN derin öğrenme tekniği kullanılarak prostat kanser hastalığının teşhisi
Prostat kanseri (PKa) için bir risk sınıflandırma yöntemi olan Gleason derecelendirmesi subjektif, yani girdi görüntüyü inceleyen ve rapor eden patoloğun deneyim ve uzmanlığına yoğun bir biçimde bağlıdır. Onun dışında, gleason derecelendirmesi PKa teşhisi/tedavisi için önemli olsa da zaman alıcı bir iştir. Ayrıca, biyopsi görüntülerini teşhis/derecelendirme süreci gözlemci patologlar arasında önemli farklılıklara sahip olup, bireysel hastalar için teşhis/tedavi verimliliği ve etkinliğini sınırlayabilmektedir. Makine Öğrenmesi (MÖ) ve Derin Öğrenme (DÖ) sistemleri, gleason derecelendirmesinin nesnelliğini ve verimliliğini artırma konusunda umut vaat etmiştir. Ancak, derin öğrenme ağları tek başına kullanıldığında, eğitim verileri dışındaki bir kaynaktan Tüm Slayt Görüntülerinde (TSG) etki alanı kayması ve düşük performans sergiler. Dolayısıyla, bu çalışmada makine öğrenmesi ve derin öğrenme algoritmalarının karma olarak kullanılması amaçlanmıştır. Bu sistemde, girdi biyopsi görüntüsü üzerinde önemli bölgeleri otomatik olarak belirleyebilen ve belirlenen bölgeleri doğru bir şekilde sınıflandırabilen yapay zekâ tabanlı prostat kanseri tespit ve teşhis sistemi geliştirilmiştir. Önemli bölgeleri tespit etmek (yerelleştirme görevi için) YOLO algoritması kullanılmıştır. Algoritma, bu çalışma için oluşturulan prostat kanseri veri kümesi ile yeniden eğitilmiştir. Veri seti, 500 gerçek prostat dokusu biyopsi görüntüsünden oluşmaktadır. Veri seti, veri artırma işleminden önce sırasıyla 450/50 gerçek prostat dokusu görüntüsü olarak eğitim/test kısımlarına ayrılmıştır. Daha sonra 450 etiketli biyopsi görüntüsünden oluşan eğitim seti, veri çoğaltma yöntemi ile ön işleme tabi tutulmuştur. Bu sayede veri setindeki biyopsi görüntü sayısı 450'den 1776'ya yükseltilmiştir. Ardından veri seti ile algoritma eğitilmiş ve otomatik prostat kanseri tespit ve teşhis aracı geliştirilmiştir. Geliştirilen araç iki test seti ile test edilmiştir. İlk test seti, eğitim setine benzeyen 50 görüntü içermektedir. Böylece %97 tespit ve sınıflandırma doğruluğu sağlanmıştır. İkinci test seti ise tamamen farklı 137 gerçek prostat doku biyopsi görüntüsü içerir. Böylece %89 tespit doğruluğu elde edilmiştir. Bu çalışmada, otomatik prostat kanseri tespit ve teşhis aracı geliştirilmiştir. Test sonuçları, nesne algılama algoritmaları gibi yapay zekâ (bilgisayar görüşü) yöntemleri kullanılarak yüksek doğruluklu (yüksek performanslı) prostat kanseri teşhis araçlarının geliştirilebileceğini göstermektedir. Bu sistemlerin, patologlar arasındaki gözlemciler arası değişkenliği azaltabileceği ve tanı aşamasındaki zaman gecikmesini önlemeye yardımcı olabileleceği kanısına varılmıştır.
Derin öğrenme ile fotoğraftan yaş ve cinsiyet tespiti
Anahtar kelimeler: Derin öğrenme, görüntü işleme, yaş tahmini, cinsiyet tahmini Büyük verilerin büyük hızlarla işlendiği çağımızda milyarlarca veriden farklı parametreler çıkararak çeşitli problemlerin çözümüne kolaylık getirmek için derin öğrenme algoritmaları kullanılmaktadır. Bu çalışmada, Mevcut veri setlerinde bulunan kadın, erkek, yaşlı, genç, çocuk, bebek fotoğraflarının derin öğrenme algoritmaları ile yaş ve cinsiyetlerini tespit etmek amaçlanmıştır. Bu tahminleme algoritmasını gerçekleştirmek için çeşitli derin öğrenme kütüphanelerinden faydalanılmış ve derin öğrenme modelleri ile bir model geliştirilerek diğer modellerle kıyaslanması sağlanmıştır. Tez, derin öğrenme algoritmalarını kullanarak yaş ve cinsiyet tespiti yapmayı ayrıntılı bir şekilde araştırmaktadır. Derin öğrenme ile yaş ve cinsiyet tespiti alanında yapılan ve yapılacak olan literatür çalışmalarına katkı sağlamayı hedeflemektedir. Çalışmada öncelikli olarak literatürde yaş ve cinsiyet tahminini derin öğrenme kullanarak gerçekleştiren çalışmalar uygulanmıştır. Uygulamada kullanılan veri seti kadın ve erkek fotoğraflarından oluşturulmuştur. Her fotoğraf kişi cinsiyetine ve yaşına göre etiketlendirilmiştir. Bu veri seti vikipedi görüntülerinden derlenmiştir, 3170 eğitim verisi ve 318 test verisi içermektedir. Çalıştırılan üç farklı model sonuçları karşılaştırılmıştır. Çalışma, derin öğrenme algoritmalarını kullanarak cinsiyet tahmini yapmayı ayrıntılı bir şekilde açıklamaktadır ve yapılacak olan literatür çalışmalarına yol göstermeyi planlamaktadır.
Ağ tabanlı saldırı tespit sistemlerinde topluluk öğrenme yöntemlerinin karşılaştırmalı performans analizi
Teknolojinin gelişmesine paralel olarak internet kullanımı büyük bir artış göstermektedir. İnternetin bu denli yaygın kullanımı büyük miktarda verinin üretilmesine ve böylece bilgi güvenliği unsurlarını tehdit eden ağ saldırılarının daha da yaygınlaşmasına neden olmuştur. Bu bilgi güvenliği unsurlarının tehditlere karşı güvenliğinin sağlanması amacıyla birtakım uygulamalar geliştirilmekte ve kullanılmaktadır. Bu uygulamalardan biri olan saldırı tespit sistemlerinin son yıllarda makine öğrenmesi, derin öğrenme gibi yöntemlerle geliştirilmesi araştırmacılar tarafından ilgi görmektedir. Bu çalışmada, makine öğrenmesi yöntemiyle topluluk öğrenme algoritmaları kullanılarak bir saldırı tespit sistemi modeli önerilmiştir. Bu modelde, belirlenen algoritmaların performansı NSL-KDD veri kümesi üzerindeki KDDTest+ veri kümesini kullanarak test edilmiştir. Buna ek olarak, KDDTrain+ eğitim veri setinde bilgi kazancı yöntemi ile öznitelik seçimi yapılmış, bu algoritmaların KDDTest+ veri seti üzerindeki performansları da incelenmiştir. Bu modelde kullanılmak üzere, henüz literatürde az sayıda çalışılmış bir topluluk öğrenme algoritması olan, CatBoost algoritması seçilmiştir. Ardından, CatBoost algoritmasının performansı, diğer topluluk öğrenme algoritmalarından Random Forest ve AdaBoost algoritmalarının performanslarıyla karşılaştırılmıştır. Bu uygulamada deneysel ortam Python programlama dili, Scikit-learn ve CatBoost kütüphaneleri kullanılarak oluşturulmuştur. Deneysel sonuçlar incelendiğinde, önerilen model ile CatBoost algoritmasının performansı bilgi kazancı yöntemi ile seçilen öznitelikler kullanılarak KDDTest+ veri kümesi üzerinde %79,43 doğruluk (accuracy), %68,44 kesinlik (precision), %96,95 duyarlılık (recall), %80,24 f-ölçütü (f-measure) ve eğri altındaki alan (AUC) değeri 0,9678 olarak elde edilmiştir. Bu ampirik çalışmada, CatBoost algoritmasının, hem öznitelik seçimi yapılan hem de öznitelik seçimi yapılmayan veriler üzerinde diğer algoritmalara göre daha iyi saldırı tespiti performansı gösterdiği anlaşılmıştır.
Otomasyon sistemlerinde görüntü işleme tekniklerini kullanan ürün tanımı uygulaması
Günümüzde üretim sektöründeki tüm firmalar, özellikle döküm sektöründe üretim yapan firmalar, için herhangi bir üretim bandındaki son ürünün kalitesi en önemli etkenlerdendir. Bu bağlamda firmalar üretimin son aşaması haline gelen kalite kontrol işlemini minimum hata ile gerçekleştirme çabasındadırlar. Kontrol işlemini gerçekleştirmek için geleneksel yöntem olarak sensörlerden oluşan kontrol kuleleri kullanılmaktadır. Bu yöntem mekanik algılayıcılardan oluşan bir elektronik aksam olması nedeni ile zamanla ve bazı fiziksel nedenlerden dolayı hatalı sonuçlar verebilmektedir. Ayrıca üretim bandında yer alan her bir farklı ürün için değişen sayında sensörlerin ve farklı tasarımların kullanılması üretim esnekliğini ve üretim hızını düşürmekle birlikte bu süreçteki maliyeti arttırmakta bir o kadar da üretimdeki kaliteyi azaltmaktadır. Bu sebeplerden dolayı geleneksel yöntem artık firmalar tarafından tercih edilmemektedir. Bu çalışmada firmaların sorunlarına ve taleplerine cevap verebilecek, geleneksel yönteme alternatif bir uygulama önerilmiştir. Çalışmada Raspberry Pi 4B geliştirilebilir kartı ve Raspberry Pi V2 Infrared kamerası ile gömülü bir sistem oluşturulmuştur. Bu sistem özellikle alüminyum parçaların görüntülerinin işlenmesinde karşılaşılan zorluklar ve ortamda bulunan güneş ışınlarının görüntüyü etkilemesi nedeniyle güneş ışığını soğurması için tasarlanan bir lens ve filtreyle birlikte güçlü bir kızılötesi ışık kaynağını barındıran bir fiziksel ortam ile desteklenmiştir. Gömülü sistemi programlayabilmek için .Net ortamında C# programlama dili kullanılarak bir masaüstü uygulaması geliştirilmiştir. Gömülü sistem; Brightness, Contrast, Hue, Saturation, Thresohld, Erode, Dilate, MatchTemplate ve Surf Alghorithm gibi görüntü işleme tekniklerinin kullanıldığı OpenCV kütüphanesi ile verimli çalışabilen Python programlama dili sayesinde programlanmıştır. Gerçekleştirilen ara yüz ile 32 farklı ürün ve her bir ürün üzerinde belirlenebilecek 32 farklı alan için sistem programlanabilmektedir. Kart ile ara yüz arasındaki bağlantı TCP protokolü üzerinde bir Soket uygulaması ile gerçekleştirilmiş böylelikle bağlantı Ethernet ve Wifi üzerinden kablolu ya da kablosuz yöntemle güvenli bir şekilde sağlanmıştır. Ara yüz üzerinden; Odak, Eşik, Yoğunluk, Pozlama gibi parametreler ile esnek şekilde programlanabilen sistem, kameradan alınan canlı ürün görüntüsü ve programda belirtilen referans görüntüsünü hızlı ve doğru bir şekilde ortam değişkenlerinden etkilenmeyecek yüksek verimlilik ile tarayıp karşılaştırmaktadır. Uygulama, üretim süreçlerindeki 'Kalite Kontrol' işleminin minimum zaman ve maliyette yapılmasını sağlarken maksimum performans ve verim sağlayabileceğini öngörmektedir.
Açık kaynak uzaktan eğitim yazılımlarında altyapı otomasyonu ve çıktıların değerlendirilmesi
Uzaktan eğitim amacıyla kullanılan konferans yazılımları kullanıcıya oldukça basit ve anlaşılır bir arayüz sunsa da arka planında oldukça karmaşık bir yapı yer almaktadır. Böylesine karmaşık yapının sürekliliğini sağlamak bir yana dursun, ihtiyaç duyulduğunda yeni bir ortama aktarılması ve aynı kararlılığı elde etmek için oldukça uzun mesai harcanması gerekmektedir. Bu çalışma, bir üniversitede bulunan uzaktan eğitim altyapısındaki yapının ve yazılımların mümkün olduğunca otomatik bir şekilde kurulumunun gerçekleşmesi, gerekli bakımların yapılması ve gerçekleşen problemlere karşı alınan aksiyonların mümkün olduğunca nasıl otomatik hale getirildiği araştırılacaktır. Bunların yanında bu yapıdan sürekli olarak elde edilen verilerin işlenerek karar mekanizmalarına desteğini gösterecektir. Her geçen gün hızla ilerleyen bilgisayar yazılımları, bu yazılımların yönetilmesi, bakımı, güncellemeleri, çalışma ortamları gibi problemleri beraberinde getirmiştir. Problemlere getirilen çözümler her ne kadar yardımcı olsa da ihtiyaçlara yönelik olarak birçok açıdan yetersiz gelmektedir. Bilgisayar ve bilişim altyapılarında kullanılan bu kaynakların etkili biçimde yönetimi çok önemlidir. Çeşitli nedenlerden ötürü artabilecek kaynak ihtiyaçlarını hızlıca genişletip gerek görülmediğinde daraltılması bu kaynakların maliyetinin yönetiminde oldukça etkilidir. Altyapı maliyetlerinde esneklik önemli olduğu kadar işlemler tekrar ettikçe zahmetli bir hal almaktadır. İhtiyacı gidermek için çeşitli otomasyon araçları bulunsa dahi yapılandırmalar göz önünde bulundurulduğunda her zaman istenilen sonucu verememektedir. Böyle durumlarda yapılandırmanın ihtiyacını karşılayacak çözümlerin bir kereye mahsus oluşturulması gerekmektedir. Elde edilen kazanımlarda neredeyse yüzlerce aşamadan oluşan kurulum ve bakım sürecinin oluşturulan betiklerle ve konfigrasyon araçlarının kullanımıyla bir kaç adıma düşürülerek ciddi anlamda zaman tasarufu sağlandığı açıklanmıştır.
Atölye tipi çizelgeleme problemlerinde evrimsel algoritmalar ile yapay arı kolonisi algoritmasının bütünleşik bir yaklaşımı
Hayatımızın birçok alanında çok önemli bir yeri olan çizelgeleme problemlerinin çözümü ile ilgili olarak yıllardır çok ciddi çalışmalar yapılmıştır. Bu çalışmaların yapılmasında şüphesiz en büyük sebep, mevcut çizelgeye göre daha iyilerinin geliştirilmesini sağlamaya çalışmak ve daha büyük kazanç ve verimlilikler ortaya koymaktır. Bundan dolayı, doğru ve etkin bir çizelgeleme, hem insanlar hem de işletmeler için büyük önem arz etmektedir. Bu bağlamda özellikle son yıllarda çizelgeleme problemlerinin çözümünde sezgisel algoritmaların araştırmacılar tarafından yoğun bir biçimde kullanıldığı görülmektedir. Bu tez çalışmasında, atölye tipi çizelgeleme problemlerinin çözümünün eniyilemesi için bütünleşik bir yaklaşım önerilmiştir. Bu bağlamda sürü zekâsına dayalı sezgisel algoritmalardan olan yapay arı kolonisi algoritması ile evrimsel algoritmalar bütünleşik yaklaşım için kullanılmıştır. Önerilen metot, atölye tipi çizelgeleme ile ilgili data setlerine uygulanmış ve elde edilen sonuçlar ortalama bağıl hata yüzdesi (ARPE) ile ortalama bağıl sapma yüzdesi (ARPD) kriterleri kullanılarak, karınca kolonisi optimizasyon (ACO) tekniği, kuş sürüsü algoritması (PSO) ve diferansiyel gelişim (DE) algoritması ile kıyaslanmıştır. Sonuçlar kıyaslanırken, parametrik ve parametrik olmayan testler kullanılarak metotlar arasında istatistiksel olarak anlamlı farklar olup olmadığı kurulan hipotezlerle araştırılmıştır. ARPE kriterine göre, önerilen yaklaşım ile ACO tekniği sonuçları arasında istatistiksel olarak anlamlı farklar gözlemlenirken, önerilen metot ile PSO ve DE algoritmalarının sonuçları arasında ise istatistiksel olarak anlamlı farklar olmadığı görülmüştür. Yapılan testler sonucunda, önerilen metot ile elde edilen ARPE değeri, ACO metodu ile elde edilen ARPE değerinden 4,3 puan (yüzdesel değişim olarak) daha düşük olduğundan daha etkin bir netice vermiştir. ARPD kriterine göre ise, önerilen yaklaşım ile diğer tüm algoritmaların sonuçları arasında istatistiksel olarak anlamlı farklar olduğu yapılan testlerle ortaya konmuştur. Yapılan testler sonucunda, önerilen metot ile elde edilen ARPD değeri, ACO metodu ile elde edilen ARPD değerinden 6,3 puan, PSO metodu ile elde edilen ARPD değerinden 0,6 puan, DE metodu ile elde edilen ARPD değerinden ise 0,7 puan daha düşük olduğundan daha kararlı ve etkin neticeler vermiştir. Yapılan testler sonucunda, çizelgelemesi yapılacak olan iş veya makine sayısının 20 ve 20'den az olduğu durumlarda önerilen metodun çok daha hızlı ve etkin sonuçlar verdiği gözlemlenmiştir.
Ağ güvenliği: Saldırılar ve zeki güvenlik duvarı etmeni ile savunma mekanizmaları
A number of transactions like e-banking, e-commerce and e-taxations are carried out over the internet today. Some of these transactions pose security risks and have made various people and organizations become targets of attacks there by exposing them to lots of business liabilities such as data leakages and compliance. Today the most common forms of attacks are DOS and Spoofing attacks and this is mainly due to the availability of a number of open source software which can be used by attacker's to easily gain unauthorized access to company resources and as a result numerous systems have been victims of DOS and spoofing attacks. Most organizations have been deploying traditional network security mechanisms such as firewalls and IDSs to secure their systems. Despite deploying these security measures, networks are still prone to attacks since traditional network security mechanisms have shortcomings for example firewall systems do not have the ability to differentiate between legitimate and illegitimate packets sent to a network. IDSs can detect attacks but give out a lot of false alarms. This has therefore necessitated the need to come up with a much more efficient defense mechanism against these DOS and Spoofing attacks. The study proposed an intelligent firewall agent, and the intelligent firewall agent integrated a firewall and IDS systems for prevention and detection of attacks respectively. Also an expert system was integrated in the IDS so that to record the time an attack happened in seconds by so doing false alerts can be reduced and prevent network attacks.
Hücresel imalatta çizelgeleme
Günümüzün rekabetçi ve mücadeleci iş ortamında işletmeler için önemi oldukça artan ve hatta birinci sıraya yerleşen en düşük maliyetle ve en kısa sürede üretim anlayışı sonucu işletmeler üretim standart zamanların ve hazırlık sürelerinin minimizasyonu konularına ağırlık vermişlerdir. Bu husus, müşteri tatmininin müşterinin istediği ürünü müşterinin istediği anda, şekilde ve kalitede sunmak zorunluluğunun bir sonucudur. İşletme içinde bir ürünün üretim aşamalarından geçip son ürün haline gelene kadar ki tüm aşamalarında bekleme sürelerinin kısaltılması, işlem zamanlarının minimuma indirilmesi ve ürünün planlanan zaman dışına taşmaması için işletmelerin çizelgeleme ve sıralama tekniklerini uygulamaları zorunludur.Bütün bu sayılan hususların hepsi firmaların ortak amacı olan müşteri memnuniyetini sağlamaya yöneliktir.
Tedarik zinciri yönetimi yazılımlarının semantikleştirilmesi
Bilişim teknolojilerinin hızla geliştiği günümüzde tedarik zinciri yönetiminin bileşenlerinden olan iş süreçlerinin bilişim teknolojileri yardımıyla yeniden yapılandırılması firmalara, iş çevrim sürelerini kısaltma, sistemlerini ölçeklendirme, işletme maliyetlerini azaltma, ürün kalitesini arttırma, müşteri memnuniyetini arttırma vb. avantajlar sağlamaktadır.Bu çalışmada, tedarik zinciri yönetimi yazılımlarından sayılabilecek online öğretim sistemleri üzerinde, iş süreçlerinin yeniden yapılandırılması için anlamsal ağ teknolojilerinin uygulanabilirliği tartışılmaktadır. Bu kapsam tedarik zinciri yönetimi ve iş süreçlerinin yeniden yapılandırılması konuları üzerinde genel kabullere göz atıldıktan sonra, internet teknolojilerinde gelişim hakkında literatür çalışmaları yapılmıştır. Online öğretim modellerinin literatürü ayrıntılı olarak tartışıldıktan sonra online öğretim alanında söz sahibi firmaların oluşturduğu komiteler tarafından standartları kabul edilen öğretim yönetim sistemleri mimarisi (LTSA 2001) incelenmiştir.Çalışmanın metod ve uygulama bölümünde ise öğretim yönetim sistemlerinin örneği olarak T.C. Sakarya Üniversitesinin SAUPORT yazılımı özelinde 3 farklı iş süreci incelenmiş ve yeniden yapılanma önerileri geliştirilerek bu önerilerin gerçekleştirilebilirliği tartışılmıştır.Çalışmanın son bölümünde ise önerilen iş süreçlerinin sonuçları değerlendirildikten sonra, online öğretim sistemleri ile farklı üretim ve hizmet alanlarında, üzerinde çalışılabilecek iş süreçleri hakkında fikirler paylaşılmıştır.