Optimizing manufacturing operations using metaheuristic grey wolf optimization
Üretim operasyonlarinin metahörstik gri kurt optimizasyonu kullanarak optimize edilmesi
- Tez No: 958392
- Danışmanlar: DR. ÖĞR. ÜYESİ CAN TÜRKÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 89
Özet
Bu tez, patlamış mısır üretim sürecinin verimliliğini artırmak için Gri Kurt Optimizasyon algoritmasının uygulanmasını araştırmaktadır. İlk veri toplama işlemi gerçekleştirilir, ardından titiz bir veri ön işleme aşaması gelir. Toplanan veriler Çok Yönlü Üretim Sisteminden kaynaklanır ve SmartFactory OWL tarafından türetilir. Eksik değerler veri ön işleme sırasında ele alınırken, sayısal özellikler normalleştirilir. Ek olarak, patlamış mısırın üretim sürecini daha iyi yansıtmak için yeni özellikler üretilir. Temel araştırma, Gri Kurt Optimizasyon algoritmasını uygulamakla oluşur. Bu algoritma, gri kurtların sosyal hiyerarşisinden ve avlanma sürecinden esinlenmiştir ve karmaşık optimizasyon problemlerini optimize etmek için kullanılır. Bu makalede, en iyi çözümü bulmak için arama aracılarının, yani kurtların konumları ayarlanır. Başka bir deyişle, tahmin maksimum verimlilik sağlamalıdır. Sonuç olarak, optimize edilmiş parametreler önemli bir iyileştirme sergileyerek, 750'lik temel verimliliğe göre %101,48'lik bir iyileştirme olan 1511,10'luk bir simüle edilmiş verimlilik üretmiştir. Doğrulama, hem simülasyonlar hem de gerçek dünyadaki uygulama yoluyla yapılır. Parametreler operasyonel modelde uygulanır ve gerçek yaşam üretimine uygulanır. Verimlilik, süreç kararlılığı ve çıktı kalitesinde derin iyileştirmeler gözlemlemek mümkündür. Sonuç olarak, iki sonuç uyumlu olduğu için parametreler başarıyla doğrulanır. Bununla birlikte, ilgili sonuç, parametrelerin sağlam olduğunu ve gerçek üretime uygulanabileceğini ve önemli verimlilik iyileştirmelerine yol açtığını doğrulamaktadır. Ancak, veri kalitesi ve algoritmaların diğer üretim bağlamlarında uygulanabilirliği ile ilgili uygulama sınırlamaları devam etmektedir. Aynı zamanda, bu çalışmanın bulguları sonraki çalışmalar için yararlı olabilir. Gelecekteki araştırmalar bunu dikkate almalı ve GWO algoritmasını çeşitli üretim ortamlarında araştırmalıdır. Ek olarak, karşılaştırmalı nedenlerle diğer algoritmalar entegre edilebilirken, aynı amaç için farklı veri ön işleme teknikleri incelenebilir. Aynı zamanda, tezin ileri optimizasyon tekniklerinin etkinliğini ve önemli verimlilik iyileştirmelerini kanıtladığı sonucuna varmak mümkündür. Üretim yeteneği ve üretkenliğin iyileştirilmesine olan katkıları hafife alınmamalıdır.
Özet (Çeviri)
This thesis investigates the application of Grey Wolf Optimization algorithm to improve the efficiency of a popcorn production process. Initial data gathering is conducted, followed by a rigorous data preprocessing phase. The collected data originates from Versatile Production System and is derived by SmartFactory OWL.Missing values are addressed during data preprocessing, while the numerical features are normalized. Additionally, new features are generated in order to better reflect the manufacturing process of popcorn. The core research consists in implementing Grey Wolf Optimization algorithm. It is inspired by the social hierarchy and hunting process of grey wolves and is used to optimize complex optimization problems. In the case of this paper, the positions of search agents, that is wolves, are adjusted in order to find the best solution. In other words, the prediction should yield maximal efficiency. As a result, the optimized parameters exhibit significant improvement, producing a simulated efficiency of 1511.10, which is 101.48% improvement over the baseline efficiency of 750. Validation is done via both simulations and implementation in the real world. The parameters are implemented in operational model and applied to real life production. It is possible to observe profound improvements in efficiency, process stability, and output quality. As a result, the parameters are successfully validated, as the two results are congruent. That being said, the respective conclusion confirms that the parameters are robust and can be applied to the actual production, leading to significant efficiency improvements. However, application limitations regarding data quality and applicability of algorithms in other production contexts remain. At the same time, the findings of this study can be useful for subsequent studies. Future research should consider this and investigate the GWO algorithm in various manufacturing settings. Additionally, other algorithms can be integrated for comparative reasons, while different data preprocessing techniques can be studied for the same purpose. At the same time, it is possible to conclude that the thesis proves the efficiency of advanced optimization techniques and substantial efficiency improvements. Their contribution to improvement of manufacturing ability and productivity should not be underestimated.
Benzer Tezler
- Veri güdümlü dijital ikiz modeli ile freze takım tezgahı takım aşınma tahminlemesi ve kesme parametreleri optimizasyonu
Prediction of tool wear and cutting parameter optimization of milling machine tool with data-driven digital twin model
GİZEM BURUN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Optimizing manufacturing parts sourcing to coordinate supplier shipments with the production schedule
Üretim planlaması ve tedarikçi sevkiyatlarının koordine edilmesi için üretim parçalarının tedariğinin eniyilenmesi
EMRE SANCAK
Yüksek Lisans
İngilizce
2009
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Bölümü
YRD. DOÇ. DR. F. SİBEL SALMAN
- Üretim kaynakları planlaması
Başlık çevirisi yok
TOLGA EREN
Yüksek Lisans
Türkçe
1997
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TANYAŞ
- 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
- Tersane yerleşimi optimizasyonu ve simülasyonu
Shipyard layout optimization and simulation
SALİM TAMER
Doktora
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. BARIŞ BARLAS