Yapay sinir ağlarının sezgisel çizelgeleme algoritmalarına uygulanması

Adından da anlaşılacağı üzere, bu tez Yapay Sinir Ağlan'nm, amaç fonksiyonu toplam iş bitiş süresinin minimizasyonu olan altı sezgisel çizelgeleme algoritmasma(CDS algoritması, NEH algoritması, KOULAMAS algoritması, DEMİR'in Frekans algoritması, DEMİR'in Puanlama algoritması, Aksoy'un algoritması) uygulanmasını ele almaktadır. Bu tezde, Ege Endüstri'deki Aks Kovan Atelyesfndeki Global Operasyon Reçetesi'ne göre, bu altı sezgisel metod yardımıyla 43 seri bağlı makinada işlem gören 5 iş için en iyi sıralama bulunmuştur. Bu altı farklı sezgisel tekniğe göre, bulunan her sıralama için, her işin her makinadaki tamamlanma süreleri, işlerin bekleme süreleri ve makinalann boş kalma süreleri hesaplanmıştır. Bir Yapay Sinir Ağı modeli geliştirmek için Backpack Neural Network System Versiyon 4.0 kullanılmış ve bazı adımlar izlenmiştir. Veriler sisteme okutulmuştur. İş ve makina numaraları, her işin her makinadaki yapım süreleri, her makinadaki bitiş süreleri, işlerin bekleme ve makinalann boş kalma zamanlan verilerimiz olarak ele alınmıştır. Daha sonra, bulanık bileşen ve özel bileşen kullanılarak verilerimizde gerekli ön işlemler yapılmıştır. İş ve makinalar için kukla(dunımy) değişkenler yaratılmış, iş bitiş süreleri, işlerin bekleme zamanlan ve makinalann boş kalma zamanlarını temsil etmek için bulanık değişkenler belirlenmiştir. Bu çalışmada iş bitiş sürelerini temsil etmek için üçgen bulanık sayılan kullanılmıştır. İş beklemeleri ve makine boş kalma zamanlan dörtgen veya üçgen bulanık sayılar olarak kabul edilmiştir. Verilerimiz "öğretme", "test" ve "geçerlilik" setlerine aynlmıştır. Çıktı değişkeni olarak iş bitiş süreleri(earlyf) seçilmiş, veri setlerini katmanlaştırmak için tabaka sayılan(grup sayılan) girilmiştir. Her farklı tabaka sayısma(3 ile 6 arasında) sahip sezgisel teknik için öğretme bileşeni ile yapay ağ eğitilmiştir. Daha sonra,geçerlilik veri seti kullanılarak ağ değerlendirilmiş, uygula bileşeni kullanılarak, modelin nasıl çalıştığı görülmüştür. Modelin performansı ile tatmin olduktan sonra, bir sonraki üretim periyodu için tahminleri elde etmek için Nisan 200 î ayındaki her işin her makinadaki tamamlanma zamanlarına ait gerçek veri seli kullanılmıştır. Gerçekleşen ve tahminlenen çıkış değerlerinin karşılaştırılmasını gösteren modelden, iş bitiş sürelerinin tahminleri, uygunluk istatistikleri, u^jrr. grafikleri elde edilmiştir.