Endüstri Mühendisliği Lisansüstü Programı - Yüksek Lisans

Bu koleksiyon için kalıcı URI

Gözat

Son Başvurular

Şimdi gösteriliyor 1 - 5 / 335
  • Öge
    Bir buzdolabı işletmesinin montaj hattı dengelemesinde süreç madenciliği yaklaşımının kullanılması
    (Fen Bilimleri Enstitüsü, 2020) Kısakaya, İsmail Samet ; Ceylan, Cemil ; 635028 ; Endüstri Mühendisliği Anabilim Dal
    Artan rekabet ortamında endüstriyel işletmeler kaliteden ödün vermeden, maliyet azaltarak, verimlilik artışları sağlayarak, pazar paylarını arttırarak karlılıklarını arttırmayı hedeflemektedirler. Bunun tabiki de bir çok yöntemi bulunmaktadır. En önemli yöntemlerinden biri de özellikle üretim tesislerinin montaj hatlarında dengeleme çalışmalarının yapılmasıdır. Üretim en temel anlamda, toplumun ihtiyaçlarını karşılamak amacıyla ekonomik bir değeri olan herhangi bir ürün veya hizmetin oluşturulması ve topluma kazandırılması, bundan da katma değer sağlanmasının amaçlanmasıdır. Üretimin olduğu bir çok yerde montaj, montaj işleminin yapıldığı bir çok yerde de montaj hatlarının varlığından bahsedebiliriz. Montaj işlemini bir ürünün komponentlerini çeşitli prosesler sonucu bir araya getirerek o ürünün oluşturulması, montaj hattını ise bu ürünün komponentlerinin çeşitli proseslerden geçerek bir araya getirildiği yer şeklinde tanımlayabiliriz. Montaj hattının olduğu her yerde montaj hatlarının dengelenmesi ihtiyacı da endüstriyel şirketlerinin amaçları, hedefleri doğrultusunda zamanla ortaya çıkmaktadır. Montaj hatlarının dengelenmesi ile iş istasyonu sayısının minimize edilmesi ve/veya çevrim süresinin azaltılması amaçlanır. Bu amaç doğrultusunda işletmeler ve ürünler bazında çeşitli iyileştirme faaliyetleri hayata geçirilmektedir. Endüstriyel tesislerin karlılıklarının arttırılmasında uygulayabilecekleri bir diğer önemli yaklaşım ise süreç madenciliğidir. Süreç madenciliği bir çeşit veri analizi yöntemi olup ilgili ham veriyi kullanıp, bir bakıma görselleştirerek sürecin modelini oluşturmayı esas alır. Oluşturulan bu süreç modelini analiz ederek iyileştirmeye açık noktaları, bu iyileştirmelerin nasıl yapılabileceğini ve etki boyutunun ne olduğunu anlayabilmemize olanak sağlar. Bu sayede endüstriyel işletmeler amaçladıkları karlılık seviyelerine ulaşabilirler. Literatürde montaj hatlarının dengelenmesi ile süreç madenciliği ayrı ayrı bir çok kez geçmelerine rağmen bir arada neredeyse ele alınmamaktadırlar. Bu tez çalışmasında bu iki kavram beraber ele alınarak sonuçları değerlendirildikten sonra birbirleri üzerindeki etkileri incelenmiştir. Bu tez çalışmasında öncelikli olarak montaj hatlarında dengeleme ve süreç madenciliği kavramları üzerinde duruldu ve literatürdeki kullanım alanları incelendi ve detaylandırıldı. Arçelik Eskişehir buzdolabı işletmesi üretim hattı 4'te iki ayrı uygulama gerçekleştirildi. İlk olarak süreç madenciliği uygulaması gerçekleştirildi. Süreç madenciliği uygulamasında ProM 6.9 süreç madenciliği aracı kullanılmıştır. ProM aracı ile süreç madenciliğinin üç türünün uygulaması gerçekleştirildi. Süreç keşfi adımında dört farklı madencilik algoritması uygulanarak bu madencilik algoritmalarının süreç modelleri oluşturuldu. Daha sonra süreç uyum kontrolü adımında dört farklı madencilik algoritması için oluşturulan süreç modellerinin kalite kriterleri mukayese edildi, tümevarımsal madencilik algoritması ile oluşturulan süreç modelinin gerçek veriyi en iyi temsil eden model olduğu sonucuna varıldı. Süreç madenciliği uygulamasının son adımı olan süreç iyileştirme adımında ise dar boğaz olan istasyonlar belirlenerek sosyal ağ analizi gerçekleştirildi. Süreç madenciliği uygulamasının ardından montaj hattı dengeleme çalışması yapıldı. Hat dengelemede en uygun yöntem olarak sezgisel hat dengeleme methodlarından en yaygın kullanılanların başında gelen sıralı pozisyon ağırlığı methodu uygulandı. Sıralı pozisyon ağırlığı methodu ile montaj hattı dengelendiğinde mevcut duruma göre aynı çevrim süresi ile toplam iş istasyonu sayısı ve operator sayısı 45'ten 41'e düşerek %9'luk bir iyileşme gerçekleştirildi. Son olarak süreç madenciliği ve montaj hattı dengeleme çalışmalarının sonuçları bir arada değerlendirilerek elde edilen verimliliğin nasıl maksimize edilebileceği ile ilgili yol haritası oluşturuldu.
  • Öge
    Afet sonrası sahra hastanelerinin yerleşimi için genetik algoritma uygulaması: İstanbul vakası
    (Fen Bilimleri Enstitüsü, 2020) Kömürcü, Yeşim ; Uğurlu, Seda ; 632858 ; Endüstri Mühendisliği
    Afet sonrası kayıpların çoğu, insani yardım planlamasının olmaması ya da yetersiz uygulamalardan kaynaklanmaktadır. Geçici sahra hastanelerinin yerleşimi ve yaralıların hastanelere atanması doğal afet yönetiminde anahtar konulardır. Mevcut hastanelerin acil servis birimleri bulunmasına rağmen, İstanbul'da ciddi bir deprem olması durumunda bu kapasitelerin yaralılar için yeterli olmayacağı düşünülmektedir. Bu nedenle, felaketin ardından hızla inşa edilecek ve ek kapasite görevi görecek sahra hastanelerine ihtiyaç duyulmaktadır. Bu sahra hastanelerinin en uygun yerlerinin belirlenmesi, yaralıya yanıt verme süresini azaltmak için önemlidir. Ayrıca, yaralıların mevcut hastane ve sahra hastanelerine en uygun şekilde atanması da yanıt süresinin azaltılmasına ve kapasitenin verimli kullanılmasına yardımcı olacaktır. Bu çalışmanın amacı, yaralıların tümüne olabildiğince çabuk yanıt vermek için toplam seyahat maliyetini ve sahra hastanesi kurulum maliyetini en aza indirmektir. Problem NP-Zor türünde olduğundan ve matematiksel modellerin çözümünün çok uzun sürelerde sonuçlanacağı ya da sonuç bulmada yetersiz kalacağından dolayı meta sezgisel yöntemlere başvurulmuştur. Bu amaçla MATLAB'da sezgisel çözüm yöntemi olan genetik algoritma (GA) geliştirilmiştir. Algoritmanın performansını artırmak için farklı çaprazlama ve yer değiştirme stratejileri test edilmiştir. Deneysel çalışmada, 4 farklı GA stratejilerinin performansları, optimal sonucunun bilindiği deneysel veri kümeleri kullanılarak karşılaştırılmıştır. Çaprazlama tiplerinden birleşim çaprazlama, iki noktalı çaprazlamaya göre daha iyi performans göstermiş ve optimal sonucu bulmuştur. Yer değiştirme tiplerinde ise en kötü bireyi eleyerek yeni jenerasyon oluşturan algoritma popülasyonun %50'sini eleyerek yeni jenerasyon oluşturan algoritmadan daha kısa sürede optimal sonuca ulaşmıştır. Karşılaştırma sonucuna göre, gerçek İstanbul veri seti için en iyi GA seçilmiş ve gerçek İstanbul verisinde uygulanmıştır. Japonya İş Birliği Uluslararası Ajansı'na göre olası yıkıcı bir İstanbul depreminde en fazla ölü ve ağır yaralı olacak ilçelerden Bahçelievler ve Küçükçekmece uygulama için seçilmiştir. Uygulamada Bahçelievler ve Küçükçekmece ilçelerinde mesafe kısıtı olmaksızın ve mesafe kısıtı eklenerek 2 model çözülmektedir. Duyarlılık analizi kapsamında farklı yaralı sayıları, mesafe kısıtı ve sahra hastanesi kapasitesi ile oluşturulan 8 model çoklu koşumlar sonucunda değerlendirilmiştir. Yaralı sayısı ve sahra hastanesi kurulum maliyeti sabit olan mesafe kısıtının değiştiği modeller incelendiğinde mesafe kısıtı yarıçapı azaldıkça açılan sahra hastanesi sayısı arttığından seyahat maliyeti azalsa da toplam maliyet artmaktadır. Yaralı sayısı ve mesafe kısıtı aynı olup sahra hastanesi kapasitesi ve dolayısıyla kurulum maliyeti arttığında ise açılan sahra hastanesi sayısı oldukça azalmaktadır. Sahra hastanesi kapasitesi ve mesafe kısıtı aynı olup yaralı sayısı değiştiğinde yaralı sayısının artışına göre seyahat maliyeti ve kurulum maliyeti doğru orantılı olarak artmaktadır. Model 4 en az maliyetli model olup Model 4'ün özelliklerine bakıldığında; yaralılar en fazla 5 km yarıçapında bulunan hastanelere atanmaktadır, hem maliyet daha az hem de yaralıların seyahat süresi oldukça kısalmış olmaktadır.
  • Öge
    Üretim sistemleri için endüstri 4.0 uygulamalarında simülasyon yaklaşımı ve bir uygulama
    (Fen Bilimleri Enstitüsü, 2020) Coşkun, Tevfikcan ; Satoğlu, Şule Itır ; 629135 ; Endüstri Mühendisliği
    Endüstri 4.0 son yıllarda en çok konuşulan ve hakkında pek çok kaynak bulunan yeni paradigmalardan biridir ve dördüncü endüstri devrimi olarak tanımlanmaktadır. Son yıllardaki gelişmeler ve bazı kilit teknolojilerin yükselişi (sensörler, aktuatörler, bulut bilişim, veri madenciliği gibi) Endüstri 4.0'ı ve beraberinde getirdiği yeni imkânları mümkün kılmıştır. Endüstri 4.0 geniş bir konu olmakla birlikte; siber fiziksel sistemler, akıllı fabrikalar, nesnelerin interneti gibi birçok kavramı da beraberinde getirmiştir. Endüstri 4.0'ın sağladığı birçok faydanın yanı sıra uygulaması ve tasarımı gibi alanlarda birçok zorluk da bulunmaktadır. Bu zorlukları ortadan kaldırmak ve Endüstri 4.0 uygulamasının faydalarını arttırmak için, bir sistemin simülasyonla modellemesi, karar vermede literatürde kullanılan kilit yaklaşımlardan biridir ve birçok başka olanak sağlar. Bu çalışma üretim sistemlerinde Endüstri 4.0 uygulamaları için simülasyon yaklaşımının sağladığı imkan, fayda ve olanakları mevcut literatür taraması ve bir elektronik imalat sektöründe bir uygulama ile ortaya koymayı amaçlamaktadır. Simülasyon yaklaşımı üçüncü sanayi devriminden bu yana kullanılmaktadır. Ancak dördüncü sanayi devriminden sonra ürünlerden, işletmelerden, makinelerden ve cihazlardan toplanan büyük miktarda veri nedeniyle sadece tasarım aşamasında değil sonrasında da etkili ve dinamik olmak zorundadır. Çalışmada ilk olarak anahtar kelimelerle araştırmanın alanı belirlenmiş ve bir temel araştırma sorusu ve ona hizmet edecek altı alt araştırma sorularıyla birlikte detaya ve yukarıda belirtilen amaca ulaşılmaya çalışılmıştır. Çalışma boyunca bu sorular ve akabinde temel araştırma sorusu cevaplanmaya gayret gösterilmiş ve örnek olması ve pekişmesi açısından elektronik imalat sektöründe faaliyet gösteren bir işletmede simülasyon modellemesi yapılmıştır.
  • Öge
    Understanding Twitter users' behaviour by social network analysis during disasters
    ( 2020-07) Demirci, Gözde Merve ; Satoğlu, Şule Itır ; Doğan, Gülistan ; 637426 ; Industrial Engineering Programme
    Fast response and assistance is a crucial step in disaster situations. With the use of the internet and social media in recent times, moving disaster management to digital platforms has become logical and interesting. Besides, the fact that social media plays a big role in daily usage for the majority of people provides many conveniences both during and after the disaster and even in the process of preparing for disaster. In the literature, it has been proved that social media plays an effective role in a natural disaster situation. However, no implementation has been made to use this interaction so far. Piece by piece there are many articles that are studied on disaster management. From these works, it is seen that the results of these implementation made are positive for disaster management ideas. Social media, especially Twitter, has a very big reaction in terms of disaster time. Both of the communities who are affected and non-affected from the disaster would like to share their thoughts, beliefs. People tend to share the news they have found about the disaster and sometimes these news may not trustable. Unfortunately, sometimes these shares might direct sufferers in the wrong way. In order to manage and correct these mistakes, it is necessary to analyze the reliability and reputation of users on social media. In this thesis, Social Network Analysis was applied in user "reply" interaction on Twitter. The main aim is to find a distinct user list and/or categories that can be useful in disaster management by sharing important messages. In disaster moments, accurate messages should be spread to the majority of the community in the fastest way. For this, we analyzed the behavior of social media before, during, and after the disaster moment and see if there is a significant user category to influence. We first retrieved raw data from Twitter and pre-processed the necessary attributes. We then created a node and edge tables which are essential for social network analysis. With the selected centrality measurements, we have compared and analyzed user categories and decide on important users. In the first part of the thesis, a literature review and prior works about the topic have been mentioned. Related works and their solutions were discussed. From the related works, the most similar three articles were mentioned and the significant difference in our study was stated. The purpose of the study and after implementation, what solution will be get was explained. All possible research questions were stated and the hypothesis was shown. After the literature part, the term Social Media Analytics was detailly explained with equations.
  • Öge
    Hızlı moda sektöründe makine öğrenmesi yöntemleri ile satış miktarlarının tahmin edilmesi
    (Fen Bilimleri Enstitüsü, 2020) Öztürk, Sinem ; Uğurlu, Seda ; 636935 ; Endüstri Mühendisliği
    Talep tahmini, gelecek periyottaki müşteri ihtiyaçlarını belirlemek için geçmiş verilerin kullanıldığı bir süreçtir. Bu tahmin geleceğe ilişkin olduğundan büyük oranda belirsizlik içermektedir ve bu sebeple gelecek periyot talebini kesin olarak kestirmek çoğu zaman mümkün değildir. Ancak küçük bir hata payı ile elde edilen tahminler karar vermede önemli rol oynamaktadırlar. Bu araştırma kapsamında makine öğrenmesi yöntemleri moda sektöründe faaliyet gösteren bir firma ürünlerinin talep tahmini için kullanılmıştır. Moda sektöründe üretilen ürünlerin kullanım ömrüne göre teslim süresinin uzun olması, her bir sezon için talep edilen ürünlerin çok hızlı değişikliğe uğraması, müşteri beklentilerin en hızlı ve en iyi şekilde karşılanma ihtiyacı, pazardaki rekabet gücü ve daha birçok etken özellikle bu sektördeki talep tahmininin doğru yapılmasına olan gereksinimi oldukça önemli kılmaktadır. Bununla birlikte hava şartlarına karşı çok hassas olan mevsimsel satışlar, üretilen ürün çeşitliliğinin oldukça fazla olması, ürün tasarımlarının her daim güncel tutulması ve çoğu ürünün bir sonraki koleksiyonda yer almaması talep tahminini oldukça karmaşık bir hale getirmektedir. Tüm bu kısıtlamalar, hazır giyim şirketleri için satış tahmin sistemlerini çok özel ve karmaşık hale getirmektedir. Yapılan literatür araştırması sonucunda son yıllarda perakende sektöründeki talep tahmini problemi çözümü için makine öğrenme yöntemlerine sıkça başvurulduğu görülmüştür. Bu çalışmalardan hareketle uygulama kapsamında makine öğrenmesi yöntemleri karşılaştırmalı olarak değerlendirilmiş ve veri setine en iyi yanıt veren, veri setini en iyi öğrenebilen algoritma seçimi üzerinde durulmuştur. Çalışmada yapay sinir ağlarından çok katmanlı algılayıcı, bir karar ağacı alt yapısı ile çalışan rassal orman algoritması ve kümeleme yöntemlerinden K-ortalamalar ve X-ortalamalar algoritmaları kullanılmıştır. K-ortalamalar algoritması kendi başına küme sayısını belirleyemez ve bu da bir dezavantaj oluşturur. X-ortalamalar algoritması aslında K-ortalamalar algoritma mantığı ile çalışan ve optimum k değeri belirleme işlemini kullanıcıya değil de kendi başına halledebilen bir algoritma olduğu için optimum küme sayısı X-ortalamalar algoritması ile belirlenmiş olmaktadır. Çalışma kapsamında kullanılan veri seti çoğunlukla nominal değerlerden oluştuğu için bu değerlerin regresyon uygulamasına yanıt verebilmesi için ikilik tabandaki sayılara çevrilmişlerdir. Nümerik değişkenlerin de birbirleri cinsinden ifade edilebilmesini sağlama amacı ile normalleştirme yaklaşımı uygulanmıştır. Uygulama kapsamında kullanılan normalleştirme yöntemi Min-Maks yöntemidir.Uygulamanın ilk aşaması kısa dönemlik gerçekleşen ürün sipariş verilerini kullanarak bir sonraki sipariş edilebilecek ürünü ve ürün miktarını tahmin etmektir. Bunu gerçekleştirmek için eldeki veri rassal bir şekilde eğitim ve test veri setlerine ayrılmış ve eğitim veri seti çok katmanlı algılayıcı ve rassal orman algoritması ile çalıştırılmıştır. Yapılan ilk denemenin sonucunda çok katmanlı algılayıcının rassal orman algoritmasına göre performans kriterleri gözetilerek daha iyi sonuç verdiği gözlemlenmiştir. Bu üstünlük halinin rastlantısal bir durum olup olmadığını anlamak için de birbirlerinden farklı 10 adet eğitim ve test setleri oluşturulup her iki algoritma da bulunan veri setleri ile çalıştırılmıştır. Bunun sonucunda da bulunan performans kriterlerine t-testi uygulanarak bulunan sonucun tesadüfi olmadığı, 10 denemenin her birisinde çok katmanlı algılayıcı rassal orman algoritmasına göre daha iyi sonuç verdiği belirlenmiştir. Yapılan uygulamanın ikinci aşamasında, ürün özelliklerine bakılmaksızın tüm ürünleri aynı veri seti içerisinde bulunduran ilk aşamadaki süreçten ziyade birbirlerine benzer özellik gösteren ürünleri kümelemenin ve bu işlem sonunda her bir küme için ayrı ayrı tahmin çalışması yapmanın tahmin performansını iyileştirip iyileştirmediği hesaplanmıştır. Kümeleme yaklaşımında da iki yöntem (K-ortalamalar, X-ortalamalar algoritması) ile çalışılmış ve her iki yöntemden elde edilen sonuçlar rand endeks değeri hesaplanarak birbiri ile karşılaştırılmış ve daha iyi bir endeks değerine sahip olduğu için K-ortalamalar algoritması ile belirlenen kümelere tahmin çalışması uygulanmıştır. Çalışma sonunda elde edilen performans değerleri birinci aşamada bulunan performans değerleri ile karşılaştırılmış ve kümelemenin tahmin performansını iyileştirmediği gözlemlenmiştir. Uygulamanın üçüncü aşamasında ise amaç, seçilen bir ürüne ait geçmiş yılların sipariş verileri kullanılarak gelecek periyottaki sipariş miktarını tahmin etmektir. Çalışmanın bu kısmında mevcut olan tüm sezonlardaki ortak bulunan bağımsız değişken değerleri belirlenmiş ve bunun sonucunda veri setinde belirli sadeleştirmeler yapılmıştır. Veri seti yine rassal olacak şekilde eğitim ve test veri seti olarak iki kısımda incelenmiştir. Eğitim veri seti ile yapılan regresyon çalışmasının sonucunda rassal orman algoritması performans değerlendirme kriterleri açısından daha tahmin edici bir sonuç vermiştir. Bu üstünlük halinin rastlantısal bir durum olup olmadığını anlamak için de birinci aşamada yapıldığı gibi birbirlerinden farklı 10 adet eğitim ve test setleri oluşturulup her iki algoritma da bulunan veri setleri ile çalıştırılmıştır. Bunun sonucunda da bulunan performans kriterlerine t-testi uygulanarak bulunan sonucun tesadüfi olmadığı, 10 denemenin her birisinde rassal orman algoritmasının çok katmanlı algılayıcı algoritmasına göre daha iyi sonuç verdiği belirlenmiştir. Sonrasında 2004 ve 2005 yıllarındaki dört sezon ele alınarak 2006 yılındaki ilkbahar yaz sezonundaki ceket miktarı tahmin edilmeye çalışılmıştır. Bulunan tahmin sonucu 2006 yılı ilkbahar yaz sezonunda gerçekleştirilen ceket üretim miktarları ile karşılaştırılmış ve sonucun tutarlı olduğu gözlemlendiği için 2007 sonbahar kış sezonundaki ceket talep miktarı tahmin edilmeye amacıyla sırasıyla 2005 ve 2006 yıllarındaki sezon verileri kullanılmıştır. Uygulama kapsamında kullanılan çok katmanlı algılayıcı ve rassal orman algoritması parametreleri seçimi optimal bir seçim yöntemi bulunmadığı için birçok defa yapılan deneme sonuçları karşılaştırılıp en iyi değeri veren parametre optimal parametre değeri olarak belirlenmiştir. Regresyon çalışmaları için belirlenen performans kriterleri;korelasyon katsayısı, ortalama mutlak hata (MAE), hata ortalamalarının karekökü (RMSE) olmaktadır. Değişkenliğin getirdiği riskin çok yüksek olduğu perakende sektöründeki en önemli problemlerden biri olan talep tahmini konusunda makine öğrenme yöntemlerinin ne kadar etkin bir biçimde sonuç verdiği bu çalışma kapsamında gözlemlenmiştir. Ancak algoritmalar aynı veri seti üzerinde benzer etkiyi yaratmamaktadır ve bundan dolayı da veri seti için algoritma seçimi büyük önem taşımaktadır. Önerilen metodoloji, firma için müşteri taleplerinin tahmin edilmesinde başarılı bir karar destek sistemi olarak düşünülmektedir. Gelecekteki çalışmalarda topluluk öğrenmesi (ensemble learning) gibi farklı makine öğrenmesi teknikleri ile uygulama yapılabilir.