| Popis: |
SIRA BAĞIMLI VE İŞ TABANLI ÖĞRENME ETKİSİ ALTINDA ÇİZELGELEME PROBLEMLERİ İsmail AKARGÖLErciyes Üniversitesi, Fen Bilimleri EnstitüsüYüksek Lisans Tezi, Aralık 2019Danışman: Prof. Dr. M. Duran TOKSARIÖZETÇizelgeleme problemlerinde öğrenme etkisinin kullanımı önemli ölçüde artmaktadır. Bir öğrenme süreci, tek bir öğenin üretimindeki tekrar sayısının bir fonksiyonu olarak işlem süresindeki azalmaya yansır. Öğrenme etkisi, benzer veya aynı işlemlerin devamlı tekrarlanması neticesinde işlem süresinde meydana gelen azalmayı göstermektedir. Çizelgeleme probleminde öğrenme etkisi kullanıldığında ortak varsayım, tüm işlerin benzer olmasıdır. Oysaki, çizelgelemedeki tüm işlerin değil, bazı işlerin benzer olması daha gerçekçidir. Bu tez çalışmasında çizelgeleme problemi sıra bağımlı ve iş tabanlı olarak ele alınmıştır. Tek makinalı çizelgeleme ortamında maksimum tamamlanma zamanı (c_max), toplam tamamlanma zamanı (∑▒C), tamamlanma zamanlarının farklarının toplamı (TADC) çizelgeleme problemleri sıra bağımlı ve iş tabanlı öğrenme etkisi altında çözüm yaklaşımları incelenecektir. Burada matematiksel modelin yanında büyük boyutlu çizelgeleme problemlerinin çözümünde meta sezgisel yaklaşım tekniklerinden biri olan tavlama benzetimi algoritması kullanılacaktır.Farklı sayıda iş değerleri için rassal olarak üretilen veri setleri üç performans ölçütü için ilk olarak Lingo 17.0 programında çalıştırılmış, daha sonra bu veriler en kısa işlem süresi (Shortest Processing Time - SPT) ve tavlama benzetim algoritması kullanılarak amaç fonksiyon değerleri karşılaştırılmıştır. n=10 iş için nispi hata oranı c_max için 0,007, ∑▒C ve TADC için 0,001 iken, n= 30 iş için nispi hata oranı c_max için 0,031, ∑▒C için 0,075, TADC için 0,099 olarak bulunmuştur.Anahtar Kelimeler: Çizelgeleme, Öğrenme etkisi, SPT, Tavlama Benzetimi, Sıra bağımlı ve iş tabanlı öğrenme etkisi, Maksimum tamamlanma zamanı, Toplam tamamlanma zamanı, Tamamlanma zamanlarının mutlak farklarının toplamı SCHEDULING PROBLEMS UNDER THE SEQUENCE DEPENDENT AND JOB BASED LEARNING EFFECTİsmail AKARGÖLErciyes University, Graduate School of Natural and Applied Sciences Master Thesis, December 2019Supervisior: Prof. Dr. M. Duran TOKSARI ABSTRACTThe use of learning effect in scheduling problems increases significantly. A learning process is reflected in the reduction in processing time as a function of the number of repetitions in the produstion of a single item. Learning effect indicates a reduction in processing time as a result of repeated repetition of similar or identical operations. When learning effect is used in the scheduling problem, the common assumption is that all jobs are similar. However, it is more realistic that some jobs are similar, not all jobs in scheduling. İn this thesis, scheduling problem is handled as sequence dependent and job based. Maximum completion time (c_max), total completion time (∑▒C), total absolute difference completion time (TADC) scheduling problems in a single machine scheduling environment will be examined solution approaches under the sequence dependent and job based learning effect. İn addition to the mathematical model one of the meta-heuristic approximation techniques, the annealing simulation algorithm will be used to solve large scale scheduling problems.The randomly generated data sets for different number of job values were first run in the Lingo 17.0 program for the three performance criteria, then the shortest processing time (SPT) and annealing simulation algorithm were used to compare the objective function values. For n=10 has been found 0,007 for c_max, 0,001 for ∑▒C and TADC, For n=30 has been found 0,031 for c_max, 0,075 for ∑▒C and 0,099 for TADC.Keywords: Scheduling, Learning effect, SPT, Simulated Annealing, Sequence-dependent and job-based learning effect, Maximum completion time, Total completion time, Total absolute difference completion time 85 |
