Heuristics for simultaneous lot sizing and scheduling problem
Eşzamanlı parti büyüklüğü belirleme ve sıralama problemi için sezgisel yöntemler
- Tez No: 981417
- Danışmanlar: DR. ÖĞR. ÜYESİ ERİNÇ ALBEY, DR. ÖĞR. ÜYESİ GÖRKEM YILMAZ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Değişken komşuluk arama, Optimum üretim sıralaması, Yapay sinir ağları, Yapay zeka ve makine öğrenmesi dersi, Üretim çizelgelemesi, Variable neighborhood search,, Optimum production scheduling, Artificial neural networks, Artificial intelligence and machine learning course, Production scheduling
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, ardışık-bağımlı kurulum süreleri, kurulum taşıma, ikincil kaynak kısıtları ve paralel ve birbirinden farklı makineler gibi endüstriyel karmaşıklıklarla zenginleştirilmiş (CLSP) problemini ele almaktadır. Bu özellikler, özellikle büyük ölçekli ve gerçek dünya problem ölçeğinde, geleneksel optimizasyon teknikleri için önemli zorluklar oluşturur. Bu zorlukların üstesinden gelebilmek için, yenilikçi bir kolon üretimi sezgisel (heuristic) algoritması geliştirilmiştir. Önerilen yöntem, problemi bir kısıtlı ana probleme ayırarak, ikincil problem bilgilerine dayalı olarak üretim desenlerini dinamik biçimde oluşturur. Klasik karma tam sayılı doğrusal problem eniyileme yöntemlerden veya genel sezgisel yaklaşımlardan farklı olarak, çerçevemiz, desen üretimini sezgisel olarak yönlendiren probleme özgü bir komşuluk arama (neighbourhood search) mekanizması içerir. Bu yapı, endüstriyel uygulamalarda kabul edilebilir hesaplama süreleri içinde yüksek kaliteli çözümler elde edilmesini sağlamaktadır. Önerilen CGNS algoritması, sentetik kıyaslamalar (benchmark) ve bir plastik enjeksiyon tesisine ait gerçek dünya verileri üzerinde doğrulanmıştır. Elde edilen sonuçlar, geliştirilen yöntemin klasik sabitle ve gevşet sezgisel yaklaşımlardan daha başarılı olduğunu ve ticari çözücülerle karşılaştırılabilir performans sergilerken üstün ölçeklenebilirlik sağladığını göstermektedir. Algoritmanın modüler yapısı, makine öğrenimi tabanlı karar destek sistemleriyle entegrasyonuna da olanak tanımaktadır. Bu da, CGNS algoritmasının geliştirilmiş bir versiyonu olarak önerilen yapay sinir ağları ile desteklenmiş hibrit optimizasyon yaklaşımlarının CGNSNN yolunu açmaktadır.
Özet (Çeviri)
This study tackles the Capacitated lot-sizing problem (CLSP) enriched with industrial complexities such as sequence-dependent setup times, setup carryovers, secondary resource constraints, and parallel non-identical machines. These characteristics pose significant challenges for traditional optimisation techniques, especially when scaling to large, real-world problem instances. To address these challenges, we develop a novel column generation heuristic framework. The method decomposes the problem into a Restricted Master Problem (RMP) and pricing subproblems, which dynamically generate production patterns based on dual information. Unlike classical exact methods or generic heuristics, our framework incorporates a problem-specific neighbourhood search that guides pattern generation heuristically. This results in high-quality solutions within computational time frames that are acceptable for industrial applications. The proposed Column generation neighbourhood search (CGNS) algorithm is validated on synthetic benchmarks and real-world data from a plastic injection facility. Results show that our method outperforms conventional fix-and-relax heuristics and achieves performance comparable to commercial solvers, while maintaining superior scalability. The modular structure of the algorithm also enables its integration with machine learning-based decision support systems, paving the way for hybrid optimisation approaches implemented as an improvement to CGNS algorithm as Column generation neighbourhoodsearch with neural networks (CGNSNN)).
Benzer Tezler
- Mathematical modeling and math heuristic approach for shift selection, lot sizing and worker assignment problem of Vestel
Başlık çevirisi yok
HEKİMHAN AKDENİZ
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN YANIKOĞLU
DR. ÖĞR. ÜYESİ MEHMET ÖNAL
- Two-stage cutting stock problems and scheduling extensions
İki-aşamalı stok kesme problemleri ve çizelgeleme uzantıları
ZEYNEP SEZER
Doktora
İngilizce
2018
Endüstri ve Endüstri MühendisliğiBahçeşehir ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM MUTER
- Submitted to the institutefor graduate studies in science and engineering
Başlık çevirisi yok
MEHMET ALİ BOZYEL
Yüksek Lisans
İngilizce
1996
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiPROF. DR. LİNET ÖZDAMAR
- A lot sizing problem in deliberated and controlled co-production systems
İstemli ve kontrollü birlikte üretim sistemlerinde öbek büyüklüğü belirleme problemi
BAHADIR PAMUK
Yüksek Lisans
İngilizce
2018
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKİ CANER TAŞKIN
PROF. DR. SEMRA AĞRALI TAŞKIN
- Pricing and lot sizing decisions in a two-echelon supply chain with transportation costs
İki aşamalı tedarik zincirinde taşıma maliyetleri ile fiyatlandırma ve sipariş miktarı belirleme kararları
CAN YILDIRMAZ
Yüksek Lisans
İngilizce
2007
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. SELÇUK KARABATI
PROF.DR. SERPİL SAYIN