A learning-based scheduling system with continuous control and update structure
Sürekli kontrol ve güncelleştirme yapılı öğrenme temelli çizelgeleme sistemi
- Tez No: 170818
- Danışmanlar: PROF.DR. İHSAN SABUNCUOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Çizelgeleme, Makina Öğrenmesi, Veri Madenciliği, Denetim Çizeneği, Atelye Çizelgelemesi, Yapay Zeka, Dağıtım Kuralları iv, Scheduling, Machine Learning, Data Mining, Control Charts, Job Shop Scheduling, Dispatching Rules. in
- Yıl: 2005
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 156
Özet
ÖZET SÜREKLİ KONTROL VE GÜNCELLEŞTİRME YAPILI ÖĞRENME TEMELLİ ÇİZELGELEME SİSTEMİ Gökhan Metan Endüstri Mühendisliği, Yüksek Lisans Tez Yöneticisi: Prof. Dr. İhsan Sabuncuoğlu Ocak, 2005 Günümüzün rekabetçi iş dünyasında firmaların ürün çeşitleri artmakta ve malların talep düzeni hızlı bir şekilde değişmektedir. Özellikle yüksek teknoloji endüstrilerinde yeni teknolojilerin pazara tanıtımlarıyla ürün ömür çevrimleri kısalmakta ve müşteri talebi şiddetli şekilde değişmektedir. Bu etmenler verimli çizelgeleme gengüdümlerine olan ihtiyacı artırmaktadır. Bu tezde, geleneksel atelye problemine ortalama gecikme amacına yönelik öğrenme temelli çizelgeleme sistemi geliştirilmiştir. Önerilen sistem öğrenme ağacı kurmak yoluyla üretim ortamı üzerinde öğrenmekte ve bu ağaçtan herbir çizelgeleme dönemi için dağıtım kuralı seçerek işlemleri çizelgelemektedir. Sistem aynı zamanda süreç denetim çizeneklerinden faydalanarak öğrenme ağacının başarımını gözetlemekte ve gerekli bulduğunda ağacı ve denetim çizeneklerini güncellemektedir. Bu sayede, önerilen sistem kendi kendini üretim ortamındaki değişikliklere uyarlamakta ve zaman içinde hayatta kalabilmektedir. Bunun yanı sıra, çizelgeleme dönem uzunluğu ve gözetleme dönem uzunlukları gibi sistem parametreleri üzerinde kapsamlı benzetim deneyleri gerçekleştirilmiştir. Sonuçların gösterdiğine göre bu parametreler sistem basanınım (ortalama gecikme) önemli şekilde etkilemektedir. Bundan başka, benzetim sonuçlan önerilen sistemin başarımının benzetim-temelli tek-geçişli ve çok-geçişli çizelgeleme algoritmalarından daha iyi olduğunu göstermektedir.
Özet (Çeviri)
ABSTRACT A LEARNING-BASED SCHEDULING SYSTEM WITH CONTINUOUS CONTROL AND UPDATE STRUCTURE Gökhan Metan M.S. in Industrial Engineering Supervisor: Prof. Dr. İhsan Sabuncuoğlu January, 2005 In today's highly competitive business environment, the product varieties of firms tend to increase and the demand patterns of commodities change rapidly. Especially for high tech industries, the product life cycles become very short and the customer demand can change drastically due to the introduction of new technologies in the market (i.e., introduction by the competitors). These factors increase the need for more efficient scheduling strategies. In this thesis, a learning-based scheduling system for a classical job shop problem with the average tardiness objective is developed. The system learns on the manufacturing environment by constructing a learning tree and selects a dispatching rule from the tree for each scheduling period to schedule the operations. The system also utilizes the process control charts to monitor the performance of the learning tree and the tree as well as the control charts is updated when necessary. Therefore, the system adapts itself for the changes in the manufacturing environment and survives in time. Also, extensive simulation experiments are performed for the system parameters such as monitoring (MPL) and scheduling period lengths (SPL). Our results indicate that the system performance is significantly affected by the parameters (i.e., MPL and SPL). Moreover, simulation results show that the performance of the proposed system is considerably better than the simulation-based single-pass and multi-pass scheduling algorithms available in the literature.
Benzer Tezler
- Sıkı geçme operasyonu için ANFIS ve yapay sinir ağları modellemesinin matematiksel model ile karşılaştırılması
Comparison of ANFIS and ann modeling with mathematical model for press-fitting operation
OĞUZHAN ŞİMŞİR
Yüksek Lisans
Türkçe
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- Gemi dizel motorunun kazanç programlamalı adaptive kontrolü
Gain scheduling adaptive model of a marine diesel engine
MELEK ERTOGAN
Yüksek Lisans
Türkçe
2003
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaat Mühendisliği Ana Bilim Dalı
PROF.DR. NAFİZ AYDIN HIZAL
- Scheduling algorithms for next generation cellular networks
Yeni nesil hücresel telsiz ağları için çizelgeleme algoritmaları
MEHMET KARACA
Doktora
İngilizce
2013
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR ERÇETİN
- İmalat kaynakları planlaması
Manufacturing resources planning
SAADET YILDIZ
Yüksek Lisans
Türkçe
1992
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. AHMET FAHRİ ÖZOK
- Machine learning-based modeling and monitoring of machining processes and tool wear
İşleme prosesleri ve takım aşınmasının makine öğrenmesi tabanlı modellenmesi ve izlenmesi
ARASH EBRAHIMI ARAGHIZAD
Doktora
İngilizce
2024
Makine MühendisliğiSabancı ÜniversitesiÜretim Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN BUDAK