Application of neural networks to heuristic scheduling algorithms
Yapay sinir ağlarının sezgisel çizelgeleme algoritmalarına uygulanması
- Tez No: 109673
- Danışmanlar: PROF.DR. DEMİR ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 199
Özet
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.
Özet (Çeviri)
As its name implies, this thesis presents application of artificial neural networks to six heuristic scheduling algorithms with the makespan objective fimction.(CDS algorithm, Neh algorithm, Koulamas' algorithm, DEMIR's Frequency algorithm, DEMIR's Point algorithm, Aksoy's algorithm) In this thesis, according to the Axle Housing Workshop Global Operation Recipe in Ege Endüstri Factory, the best sequence for 5 jobs processed on 43 serial machines are found by these six heuristic methods. For every sequence found by six different heuristics, the completion time of each job on each machine, job waiting times and machine idle times are computed. In order to develop a neural network, the Backpack Neural Network System Version 4.0(by Z Solutions) is used and some necessary steps are followed. The data is read into the system. Job and machine numbers, processing times of each job on each machine, completion times of each job on each machine, job waiting times, machine idle times are considered as our data. Then desired preprocessing on the data is performed using the fuzzy component and the special component. A 1 of N transformation on jobs and machines are created, fuzzy variables to represent completion times, job waiting and machine idle times are determined. In this study, triangular fuzzy numbers are used to represent the fuzzy completion times. Job waiting and machine idle times are considered as triangular or trapezoidal fuzzy numbers. The data is split into“train”,“test”and“validate”datasets. The output variable, completion time(earlyf) is chosen, the number of groups(stratas) are entered to stratify the datasets. For each heuristic with different number of strata(between 3 and 6), the neural network is trained using the Train component. Then the network is evaluated using the Validate dataset and it is seen how well the model works, using DOKÜMANTASYON MEUQI&the Apply component. After satisfied with the performance of the model, the actual dataset belonging to the completion times of each job on each machine in April 2001 are used to obtain the predictions for the next production period. The predictions of the completion times, fit statistics, graphs of fit are obtained from the model showing the comparison between actual and predicted output values.
Benzer Tezler
- Birleşi eniyileme problemleri için oto-kontrollü yerel arama yöntemi
Self-controlled local search method for combinatorial optimization problems
ÇİĞDEM ALABAŞ
Doktora
Türkçe
2004
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. BERNA DENGİZ
- Parça yerleştirme algoritmalarının postal oluşturma problemine uygulanması
Başlık çevirisi yok
FİLİZ BUNYAK
Yüksek Lisans
Türkçe
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. FÜSUN TUNALI (SEÇUK)
- Training memory-constrained deep learning models using automatic dataflow-graph partitioning
Başlık çevirisi yok
FAREED MOHAMMAD FAREED QARARYAH
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DİDEM UNAT
- GT yöntemlerinin sınıflandırması, performans ölçütleri, üretimle ilgili verileri kullanan yeni yöntemlere örnekler ve genetik algoritmalar
Taxonomy of GT methods, performance measures,some new GT methods that is able to incorporate pertinent manufacturing data and genetic algorithms
HATİCE DERİCİ
Yüksek Lisans
Türkçe
1997
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. BÜLENT DURMUŞOĞLU
- Data driven optimization and applications in complex real-life problems
Veri güdümlü optimizasyon ve kompleks gerçek hayat problemlerinde uygulamaları
NURULLAH GÜLEÇ
Doktora
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KABAK