Taguchi deney tasarımı problemlerine genetik algoritma yaklaşımı
A Genetic algorithm approach to the problems of Taguchi's experimental design
- Tez No: 84158
- Danışmanlar: PROF. DR. GÜLSÜM HOCAOĞLU
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1999
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 142
Özet
ÖZET Özellikle üretim sektöründe, üretilen ürünün kalitesini en iyi yapabilmek için girdilerin çeşitli düzeylerinin belirlenmesi önemli bir problemdir. Bu problemin çözümü için önerilmiş çeşitli yöntemler vardır. Bu çalışmada, bu yöntemlerden biri olan Taguchi Deney Tasarım yöntemi ile Genetik Algoritma yöntemi karşılaştırılmıştır. Karşılaştırma, 3 yapay test problem kümesi üzerinde gerçekleştirilmiştir. Karşılaştırma amacıyla, bir durağan durum Genetik Algoritma geliştirilmiş ve Visual Basic 3.0 for Windows yardımıyla programlanmıştır. Geliştirilen bu Genetik Algoritmadan, çalışmada GENMAK adıyla söz edilmiştir. Çalışma altı bölümden oluşmuştur;. 1. Bölümde, doğada var olan bireyler arası mücadele, en iyi uyum yapanın yaşaması ve doğal seçme kavramları yardımıyla Genetik Algoritma hakkında genel bilgi verilmiştir. 2. Bölümde, bazı biyolojik terimler, Holland'ın Basit Genetik Algoritmasının adımları, Genetik Algoritmalarda kullanılan kodlama yöntemleri, başlangıç popülasyonunu oluşturma yollan, seçme yöntemleri ve Genetik Algoritma aramasına olumlu ve olumsuz etkileri, ölçeklendirme fonksiyonları ve neden gereksinim duyulduğu, genetik operatörler, Genetik Algoritmaların temel teoremi, yapı parçaları hipotezi ve eleştiriler, kapalı paralellik, hibrit Genetik Algoritmalar, Genetik Algoritmaların genel ve istatistiksel uygulamalarına yer verilmiştir. 3. Bölümde, Taguchi Deney Tasarım yöntemi ve bu yöntemin alt yapısını oluşturan bazı Deney Tasarım yöntemleri açıklanmıştır. 4. Bölümde, iki yöntemin performanslarının karşılaştırılmasında kullanılan yapay problem kümelerinin nasıl yaratıldığına ve arama uzayına ilişkin bazı bilgiler verilmiştir. 5. Bölümde, Taguchi Deney Tasarım yöntemi ve bu yönteme alternatif olarak geliştirilen GENMAK programından elde edilen sonuçlar, en iyi çözüme ulaşma başarısı ve elde edilen bilgi açısından karşılaştırılmıştır. 6. Bölümde, elde edilen sonuçlar değerlendirilerek, önerilerde bulunulmuştur.
Özet (Çeviri)
ABSTRACT Specifying the various levels of incomes is an important issue, especially in the production section, in order to optimize the quality of the product. There are various methods proposed for the solution of this problem. In this study, the Taguchi Experimental Design method which is one of these methods and Genetic Algorithm method are compared. These comparison is made using three artificial problem sets. For these comparison, a steady state Genetic Algorithm is developed and this algorithm is programmed by help of the Visual Basic 3.0 for Windows. This developed Genetic Algorithm is named GENMAK in this study. This study is composed of six sections; In the first section, a general information about the Genetic Algorithm is given by the help of the struggle among the creatures in the nature, survival of the fittest and the natural selection concepts. In the second section, some biological concepts, the steps of Holland's Simple Genetic Algorithm, coding methods used in Genetic Algorithms, methods for creation the initial population and the possitive or negative effects of them on Genetic Algorithm search, the scaling functions and why they are needed, the genetic operators, the fundemental theorem of the Genetic Algorithms, the bulding block hypothesis and critiques, the implicit parallelism, the hybrid Genetic Algorithms, the general and statistical applications of the Genetic Algorithms are introduced. In the third section, the Taguchi Experimental Design method and some other Experimental Design methods on which this method is based are described. In the fourth section, some information about how the artificial problem sets used in comparing the performances of the two methods and the search space are given. In the fifth section, the results obtained from the Taguchi Experimental Design method and GENMAK which is developed as an alternative to the former method, are compared according to the success of giving the best solution and the obtained knowledge. In the sixth section, the obtained results are evaluated and the proposals are given.
Benzer Tezler
- Öğrenme etkili, bulanık işlem zamanlı ve bulanık teslim tarihli çizelgeleme problemi
Scheduling problem with fuzzy processing time, fuzzy due date and learning effect
MERVE KAYACI ÇODUR
Yüksek Lisans
Türkçe
2012
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VECİHİ YİĞİT
- Esnek üretim çizelgeleme probleminin genetik algoritma ve bulanık mantık yöntemleri ile çözülmesi
Using genetic algorithm and fuzzy logic method to solve the flexible manufacturing system scheduling problem
GÖKÇE CANDAN
Yüksek Lisans
Türkçe
2010
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HARUN REŞİT YAZGAN
- Çok amaçlı enerji verimli atölye çizelgeleme problemi için yeni bir çözüm yaklaşımı: WASPAS tabanlı NSGA-2
A new solution approach for multi-objective energy efficient job shop scheduling problem: WASPAS based NSGA-2
MİNE BÜŞRA GELEN MERT
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPARSLAN SERHAT DEMİR
- Akış tipi çizelgeleme problemlerinin genetik algoritma (GA) ile çözüm performansının artırılmasında deney tasarımı uygulaması
Experimental design in improving solution performance by using genetic algorithm (GA) of the problem of scheduling jobs in a flow-shop
HAKAN EREN
Yüksek Lisans
Türkçe
2002
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPASLAN FIĞLALI
- Optimization of plastic injection process parameters using the Taguchi method, machine learning and genetic algorithm
Plastik enjeksiyon prosesinde Taguchi, makine öğrenmesi ve genetik algoritma yöntemlerini kullanarak parametre optimizasyonu
BURAK SEL
Yüksek Lisans
İngilizce
2021
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ERSAN ÜSTÜNDAĞ