Otonom hava kargo araçlarının derin öğrenme yöntemleriyle lojistik planlaması
Logistics planning of autonomous air cargo vehicles with deep learning methods
- Tez No: 997660
- Danışmanlar: PROF. DR. CAFER ÇELİK
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Otonom Hava Kargo Araçları, Derin Öğrenme, Lojistik Planlama, Taguchi Deney Tasarımı, Yapay Zeka, Autonomous Air Cargo Vehicles, Deep Learning, Logistics Planning, Taguchi Experimental Design, Artificial Intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışma, otonom hava kargo araçlarının (OHKA) derin öğrenme tabanlı lojistik planlama süreçlerine entegrasyonunu kapsamlı bir şekilde ele alarak, beş farklı performans karakteristiği üzerinden çok boyutlu ve bütüncül bir değerlendirme yapmayı amaçlamaktadır. Araştırmanın temel amacı ise, OHKA sistemlerinde derin öğrenme algoritmalarını kullanarak karar destek, rota optimizasyonu ve kaynak tahsisi gibi kritik süreçlerin otonom olarak yönetilmesini sağlayan entegre bir yapay zeka modeli geliştirmektir. Yöntem: Yedi kontrol faktörü ile bu faktörler arasındaki altı adet bileşik etkiyi incelemek amacıyla Taguchi'nin L54 ortogonal dizisi deney planı olarak seçilmiş; elde edilen deneysel veriler, beş performans karakteristiğinin bireysel ve eşzamanlı olarak optimize edilmesinde kullanılmıştır. Buna ek olarak, VRP/TSP temelli karayolu filosu ve çoklu OHKA rota optimizasyonu, süreç yeterliliği ve OEE analizleri, MTBF–MTTR ve Weibull güvenilirlik çözümleri, FTA–ETA tabanlı risk analizi, CNN–LSTM–GRU temelli derin öğrenme modelleri ile NŞD, iç verim oranı, TCO ve SROI göstergelerini içeren ekonomik değerlendirmeler yürütülmektedir. Bulgular: Uygulama sonucunda, optimum faktör kombinasyonlarında yaklaşık 29,7 dakikalık teslimat süresi, %95,1 görev başarı oranı ve 122,9 TL düzeyinde operasyonel maliyet elde edilmiştir. Süreç yeterliliği analizlerinde batarya sıcaklığı ve paket titreşimi gibi kritik kalite karakteristikleri için σ-ST=4,266σ – 4,635σ ve σ-LT=5,766σ – 6,135σ aralığında yüksek süreç seviyelerine ulaşılmış; teslimat süresi ve konumsal/iniş parametreleri için ise σ-ST=2,853σ – 3,258σ ve σ-LT=4,353σ – 4,758σ aralığında süreç seviyeleri elde edilmiştir. OEE %80,2, kullanılabilirlik %99,6–%99,7 aralığında gerçekleşmiştir. Ekonomik analizler, 89,2 milyon TL NŞD, %133 iç getiri oranı, 0,9 yıl geri ödeme süresi ve karayolu filosuna kıyasla yaklaşık %28 daha düşük TCO ile OHKA'ların birçok alanda daha avantajlı olduğunu göstermiştir. Sonuç: Çalışma, OHKA'ların derin öğrenme tabanlı planlama algoritmalarıyla bütünleştiğinde lojistik alanında teknik olarak uygulanabilir, ekonomik açıdan üstün ve çevresel anlamda daha sürdürülebilir olduğunu ortaya koymaktadır.
Özet (Çeviri)
Purpose: This study aims to comprehensively investigate the integration of autonomous air cargo vehicles (AACVs) into deep learning-based logistics planning processes and to provide a multidimensional and holistic evaluation across five key performance characteristics. The primary objective is to develop an integrated artificial intelligence model that enables autonomous management of critical processes such as decision support, route optimization and resource allocation in AACV systems through deep learning algorithms. Method: To examine seven control factors and six interaction effects among these factors, Taguchi's L54 orthogonal array was selected as the experimental design, and the resulting experimental data were used to optimize five performance characteristics both individually and simultaneously. In addition, VRP/TSP-based road-fleet and multi-OHKA route optimization, process capability and OEE analyses, MTBF–MTTR and Weibull reliability solutions, FTA–ETA-based risk analysis, CNN–LSTM–GRU-based deep learning models, and economic evaluations including NPV, internal rate of return, TCO, and SROI indicators are being conducted. Findings: As a result of the implementation, under the optimum factor combinations, an approximately 29.7-minute delivery time, a 95.1% mission success rate, and an operational cost of TRY 122.9 were achieved. In the process capability analyses, high process levels were attained for critical quality characteristics such as battery temperature and package vibration, within the ranges of σ-ST = 4.266σ – 4.635σ and σ-LT = 5.766σ – 6.135σ; for delivery time and positional/landing parameters, process levels were obtained within the ranges of σ-ST = 2.853σ – 3.258σ and σ-LT = 4.353σ – 4.758σ. The OEE was 80.2%, while availability ranged between 99.6% and 99.7%. Economic analyses indicated that OHKAs are more advantageous in many respects, with an NPV of TRY 89.2 million, an internal rate of return of 133%, a 0.9-year payback period, and an approximately 28% lower TCO compared to a road-based fleet. Results: The study reveals that, when integrated with deep learning-based planning algorithms, AACVs constitute a technically feasible, economically superior and environmentally more sustainable alternative for logistics operations.
Benzer Tezler
- Swarm fighter aircraft control with deep reinforcement learning approach
Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü
METİN SARI
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Lojistik sektöründe insansız hava araçlarının (İHA) kullanımının önündeki engellerin belirlenmesine yönelik bir araştırma
A research on identi̇fyi̇ng the barri̇ers the use of unmanned aerial vehicles (UAV) in the logistics sector
RAMAZAN GÜNDEM
Doktora
Türkçe
2025
Sivil HavacılıkÇanakkale Onsekiz Mart Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. YENER PAZARCIK
- Lojistik sektörünün ve hava kargo taşımacılığının sürdürülebilirlik çerçevesinde incelenmesi
The examination of the logistics sector and air cargo transportation within the framework of sustainability
İREMNUR KESKİN
Yüksek Lisans
Türkçe
2024
Sivil HavacılıkKocaeli ÜniversitesiHavacılık Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN RODOPLU
- Fırlatılabilir döner kanatlı insansız hava aracı tasarımı / prototipi ve fırlatma mekanizması tasarımı / prototipi
Design / prototype of launchable rotary wing unmanned aerial vehicle and launching mechanism design / prototype
ETKA GÖKBEL
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEZGİN ERSOY
- Conceptual design of unmanned aerial vehicle
İnsansız hava aracı kavramsal tasarımı
HEYZEM DOĞUKAN DELİBAŞ
Yüksek Lisans
İngilizce
2021
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRİ ACAR