Paralel makine çizelgeleme probleminin karınca kolonisi algoritması ile çözümü ve yönetim desteği geliştirilmesi
Solution of the parallel machine scheduling problem using ant colony optimization and development of a decision support methods
- Tez No: 996629
- Danışmanlar: PROF. DR. HADİ GÖKÇEN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Yönetim Bilişim Sistemleri, Industrial and Industrial Engineering, Management Information Systems
- Anahtar Kelimeler: Üretim çizelgelemesi, Production scheduling
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, sıra bağımlı hazırlık süreleri içeren paralel makine çizelgeleme probleminin çözümünde yapay zekâ temelli Karınca Kolonisi Algoritması'nın etkinliğini incelemektedir. Üretim çizelgeleme problemleri hesaplama açısından zor problemlerdir ve klasik matematiksel yöntemler özellikle büyük boyutlu problemlerde yeterli performans gösterememektedir. Bu nedenle sezgisel ve üst sezgisel yöntemlerin kullanımı günümüzde giderek daha önemli hâle gelmiştir. Çalışmada üç adet özdeş paralel makineye atanacak işlerin toplam tamamlanma süresini azaltmak temel amaç olarak belirlenmiştir. Karınca Kolonisi Algoritması'nın feromon temelli arama mekanizması ile işler için küresel bir sıralama oluşturulmuş ve bu sıra, en erken bitiş zamanına göre makinelere atanarak çizelgeler oluşturulmuştur. Bu yapı, yöneticilerin farklı çizelgeleme alternatiflerini karşılaştırmasına ve üretim planlarını veri temelli olarak değerlendirmesine olanak sağlamaktadır. Algoritma çeşitli iterasyon seviyelerinde test edilmiş ve yakınsama davranışı ayrıntılı olarak incelenmiştir. Elde edilen bulgular, yöntemin hem çözüm kalitesi hem de çözüm süresi açısından başarılı olduğunu göstermektedir. Özellikle orta ve büyük boyutlu problemler için kısa sürede iyi çözüm değerlerine ulaşılabildiği görülmüştür. Çalışmada ayrıca tam sayılı matematiksel modelleme yöntemi kullanılarak kesin çözümler üretilmiş ve bu çözümler yapay zekâ tabanlı yöntemle karşılaştırılmıştır. Sonuçlar, Karınca Kolonisi Algoritması'nın tam çözüme oldukça yakın sonuçlar verdiğini ortaya koymuştur. Bununla birlikte, problem boyutu arttıkça matematiksel modellemenin çözüm süresinin ciddi biçimde uzadığı gözlenmiştir. Elde edilen çizelgeler Gantt diyagramları ile görselleştirilmiş ve karar vericilerin makine yük dengesini, darboğazları ve zaman kayıplarını kolayca analiz edebileceği yorumlanabilir bir yapı oluşturulmuştur. Genel olarak çalışma, Karınca Kolonisi Algoritması'nın makine yük dengesini iyileştirme, darboğazları azaltma ve toplam üretim süresini kısaltma açısından etkili bir araç olduğunu göstermektedir.
Özet (Çeviri)
This study investigates the effectiveness of the artificial intelligence–based Ant Colony Optimization algorithm in solving the parallel machine scheduling problem with sequence-dependent setup times. Production scheduling problems are computationally difficult, and classical mathematical methods often fail to provide adequate performance for large-scale problems. Therefore, the use of heuristic and metaheuristic approaches has become increasingly important in recent years. The primary objective of this study is to minimize the total completion time of jobs assigned to three identical parallel machines. Using the pheromone-based search mechanism of the Ant Colony Optimization algorithm, a global job sequence is constructed and assigned to machines according to the earliest completion time rule. This structure allows managers to compare alternative scheduling scenarios and evaluate production plans in a data-driven manner. The algorithm is tested at various iteration levels, and its convergence behavior is examined in detail. The results indicate that the proposed method performs well in terms of both solution quality and computational efficiency. Particularly for medium- and large-scale problems, high-quality solutions can be obtained in a short time. In addition, exact solutions are generated using an integer mathematical programming model and compared with the artificial intelligence–based approach. The findings show that the Ant Colony Optimization algorithm produces solutions very close to the optimal ones, while the computational time of the mathematical model increases significantly as the problem size grows. The resulting schedules are visualized using Gantt charts, providing an interpretable structure that enables decision-makers to easily analyze machine load balance, bottlenecks, and time losses. Overall, the study demonstrates that the Ant Colony Optimization algorithm is an effective tool for improving machine load balance, reducing bottlenecks, and shortening total production time.
Benzer Tezler
- Sezgisel algoritmalarla ders çizelgeleme problemi çözümü
Course timetable problem solving with herustic algorithms
RECEP ÇOLAK
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUNCAY YİĞİT
- Özdeş paralel makineli bir üretim sisteminin karınca koloni algoritması ile çizelgelenmesi
Identical parallel machine scheduling using with ant colony algorithm
BİRGÜL KÜÇÜK
- Sıra bağımlı hazırlık süresi bulunan ilişkisiz paralel makine çizelgeleme probleminin melez ateş böceği algoritması ile çözümü
Solving the unrelated parallel machine scheduling problem with sequence-dependent setup times using a hybrid firefly algorithm
BUĞRA DAVUT DAŞKIN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiKaradeniz Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KADİR BÜYÜKÖZKAN
- Tekstil sektöründe paralel üretim hattı çizelgeleme probleminin siparişlerin bölünebilirlik durumuna göre genetik algoritmayla çözümü
Solution of parallel production line scheduling problem in textile industry wi̇th geneti̇c algori̇thm based on di̇vi̇si̇bi̇li̇ty of orders
FİLİZ IŞIK
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA YILMAZ
PROF. DR. ÖZDEN ÜSTÜN
- Bir servisli paralel makinelerde çizelgeleme probleminin genetik algoritma ile çözümü
Single server parallel machine scheduling problem with genetic algorithm
ÇAĞRI SEL
Yüksek Lisans
Türkçe
2010
Endüstri ve Endüstri MühendisliğiKırıkkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. A. KÜRŞAD TÜRKER