KALİTE KONTROL PROBLEMLERİNİN ÇÖZÜMÜNDE UZMAN SİSTEMLERİN KULLANIMI

Transkript

1 HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ TEMMUZ 2004 CİLT 1 SAYI 4 (87-101) KALİTE KONTROL PROBLEMLERİNİN ÇÖZÜMÜNDE UZMAN SİSTEMLERİN KULLANIMI İhsan KAYA*, Şerife GÖZEN, Orhan ENGİN ikaya@selcuk.edu.tr, serifegozen2003@yahoo.com, oengin@selcuk.edu.tr * S.Ü. Müh.-Mim. Fakültesi Endüstri Mühendisliği Bölümü, Konya/Türkiye Özet: İşletmeler, artan rekabetle birlikte pazar yapısının değişmesi ve müşteri isteklerinin ekonomik bir şekilde karşılanması amacıyla kalite ve kontrol çalışmalarında büyük değişimler göstermektedir. Firmalar, yapay zeka tekniklerini üretim planlama, kalite kontrol gibi alanlarda kullanarak verimliliklerini artırmayı ve problemlere en kısa zamanda çözüm üretmeyi amaçlamaktadırlar. Bu teknikler, bir çok problemin çözümünde etkin olarak kullanılmaktadır. Çalışmada yapay zeka tekniklerinden olan uzman sistemlerin kalite kontrol problemlerinin çözümündeki kullanımı incelenmiştir. Veri analizi, tahmin, yorumlama, hata teşhisi gibi pek çok kalite kontrol problemi için uzman sistemler kullanılmaktadır. Uzman sistem ile birlikte kalite kontrol faaliyetleri daha etkin uygulanmakta ve kontrol süreleri minimize edilebilmektedir. Çalışmada, son on yılda kalite kontrol problemlerinin çözümü için geliştirilen uzman sistemler incelenmiştir. Anahtar kelimeler: Kalite, kalite kontrol, uzman sistemler USING EXPERT SYSTEMS TO SOLVE QUALITY CONTROL PROBLEMS Abstract: Companies achieved great improvement in quality and control processes to meet customer satisfactions economically to adapt changing market structure. Firms objected to increase productivity and to find solutions in a short time, by using artificial intelligence techniques in production planning and quality control. These techniques are used efficiently in solving most of the problems. In this study, usage of expert systems, which is a type of artificial intelligence technique, is investigated in quality control problems. Expert systems are used in a number of quality control problems like data analysis, forecasting, interpretation and fault diagnosis. By using expert systems, quality control processes can be applied more efficiently and control times can be minimized. In this paper, expert systems, which are developed for quality control problems in the last decade, are reviewed. Key Words: Quality, quality control, expert systems 1. GİRİŞ Günümüzde gelişen rekabetle birlikte işletmeler, minimum maliyetle daha fazla fayda sağlamak amacıyla kaliteye yönelmişlerdir. Son on beş yıldır yoğun bir ilgi odağı haline gelen yapay zeka çalışmaları bilgisayar bilimine yeni bir boyut getirmiştir. Yapay zeka çalışmalarının temel amacı, insan gibi düşünüp, yorum yapabilen ve karar verebilen bilgisayar programları oluşturabilmektedir. Yapay zeka alanındaki bu çalışmalar yardımı ile bir çok alanda sağlıklı kararlar verebilmek, doğru yorumlar yapabilmek ve çok daha fazla sayıda değişkeni daha kısa zamanda inceleyip sonuca varmak mümkün olabilmektedir. Kalite kontrol sürecinde uzman sistemlerin kullanımı ile ilgili literatür sınıflandırması yapılan bu çalışmada, ilk olarak uzman sistem kısaca izah edilmiş, ilerleyen bölümlerde ise son yıllarda yapılan çalışmalar incelenmiştir. 87

2 2. UZMAN SİSTEMLER Yapay Zeka (YZ); zeka ve düşünme gerektiren işlemlerin bilgisayarlar tarafından yapılmasını sağlayacak araştırmaların ve yeni yöntemlerin geliştirilmesi hususunda çalışan bilim dalıdır. YZ; düşünme, anlama, kavrama, yorumlama ve öğrenme yapılarının programlamayla taklit edilerek problemlerin çözümüne uygulanması olarak ta ifade edilebilir (Sağıroğlu ve ark., 2003). İngiliz Bilgisayar Birliği Uzman Sistem Grubu; uzman sistemleri; uzman bir kişinin becerilerinden oluşan bilgiyle donatılmış bir bilgisayarın içindeki öyle bir yapıdır ki, sistem akıllıca önerilerde bulunabilir veya bir işlemin işlevleri hakkında kararlar verebilir şeklinde tanımlamıştır (Vickry ve Brooks, 1987). Alty ve Coombs (1984) a göre uzman sistemlerin kökeni geleneksel veri işlemedir ve insanın bilgi işleme yeteneğinin makine tarafından otomatik olarak gerçekleştirilebilmesi amacı ile sürdürülen çalışmalar sonucu ortaya çıkmıştır. Şekil 1 de uzman sistemin genel yapısı görülmektedir. 2.1.Uzman Sistemlerin Yapısı Uzman sistemler aşağıdaki bileşenlerden oluşur (Jackson, 1990); Belli bir problem hakkındaki gerçekler, kurallar ve bilgileri içeren; Bilgi Tabanı, Problemlere çözümler üretmek üzere depolanan bilgiyi ustalıkla kullanan; Çıkarım Mekanizması, Kullanıcı ile iletişimi sağlamak üzere; Kullanıcı Ara yüzü, Bilgi tabanını geliştirmeye yardım etmek üzere; Bilgi Edinim Modülü, Bilgi Tabanı Bilgi tabanı, ilgili alan bilgisini içerir. Uzman sistemleri yaratmada güncel yaklaşımların en popüleri, kural tabanlı sistemdir. Kural tabanlı sistemde bilgi tabanı bir kural setini içerir. Kurallar her zaman iki bölümlüdür. İlk bölümde, eğer (if) ifadesi ile aranan bir şart ikinci bölümde ise bu bölüme bağlı, o halde (then) ifadesine bağlı bir sonuç bulunur. Kuralın ilk bölümü doğru ise ikinci bölümü de doğrudur (Seiler, 1986) Çıkarım Mekanizması Çıkarım mekanizmasının işlevi, bilgi tabanını yorumlama ve kontroldür. Hangi durumda kuralların uygulanacağının belirlenmesi çıkarım mekanizması yardımı ile gerçekleştirilir. Çıkarım mekanizması, uzman sistemin sahip olduğu verileri ve imkanları kullanarak sonuçlara erişim esnasında kullandığı mantık sürecini sağlayan yazılımdır. Mekanizma yeni bilgiler oluşturmak veya bir sorunun cevabına erişebilmek için, uzman sistemin veri tabanından veya kullanıcı tarafından sağlanan verilerden yararlanır (Vural, 1998) Ara yüzler Genel veri tabanından bilgi elde edilmesi ara yüzler aracılığı ile olur. Uzman sistemler, günümüzde kullanıcılar için üretilmektedir, yakın bir gelecekte uzman sistemlerin başka uzman sistemler tarafından kullanılması da beklenmektedir (Vural, 1998). Bazı ara yüzler donanım, bazı ara yüzler de yazılım ara yüzleridir. Yazılım ara yüzleri, çoğunlukla uzman sistemlerin kullanıcılar ile iletişim kurmasında görev yapmaktadır. Kullanıcı ara yüzü aşağıdakileri kullanabilir: Bilgi tabanı editörü Kullanıcı Soru ve cevap Çıkarım Mekanizması Genel bilgi tabanı Durum-spesifik veri Doğal lisan Açıklama alt sistemi Şekil 1. Bir Uzman Sistem Yapısı (Luger, 1989). 88

3 Bu amaçla tasarlanan ara yüzler peş peşe sorular sormakta ve aldıkları cevaplara göre mantık yürüterek vardıkları sonuçları bu ara yüzler ile işleme koymak amacı ile kullanıcıya iletmektedir (Sümen, 1994). Problemin belirlenmesi Yazılım araçlarının seçimi Bilginin toplanması Prototip bir uzman sistem yapılandırma Doğrulama Uzmanın Seçimi Çıkarım Mekanizması Performansın değerlendirilmesi Kabul için değerlendirme Bilgi Tabanı Bilgi Gösterimi Bilgi gösterimi, bir programda bilginin nasıl yapılandırıldığını tanımlamak için yapay zekada kullanılan bir terimdir. Gösterim, bilgisayar zekası yaratmak için anahtar görünümündedir. Günümüzde kullanılan başlıca üç gösterim şekli aşağıdaki gibidir (Liu, 1990): Üretim kuralları, Çatılar (frames), Semantik ağlar, Şekil 2 de uzman sistem oluşturulurken izlenecek prosedür gösterilmiştir. 3. KALİTE KONTROL PROBLEMLERİNİN ÇÖZÜMÜNDE UZMAN SİSTEMLER Yapay zeka tekniklerinden uzman sistemler kalite kontrol problemlerinin çözümünde kullanılmaktadır. Yapay zeka tekniklerinin uygulandığı belli başlı kalite kontrol alanları; Kontrol Diyagramları, Deney Tasarımı, Kabul Örneklemesi, Proses Kontrol, Kalite Güvence Sistemleri, Hata Türü ve Etkileri Analizidir. Mevcut sisteme paralel bir sistemin kullanılması Dokümantasyonun geliştirilmesi ve bakım planları Uzman sistemin tamamlanması Şekil 2. Uzman Sistem Oluşturulurken İzlenecek Prosedür (Vural, 1998). Tablo 1 de uzman sistemlerin kontrol diyagramlarındaki kullanıldığı alanlar ve ilgili çalışmalar görülmektedir. Alexander ve Jagannathan (1986), kontrol grafiklerinin hazırlanışı, tasarımı ve seçimi için kullanılan bilgisayar tabanlı bir uzman sistem geliştirmiştir. Swift (1987), kontrol diyagramlarında numune analizlerini yapmak için uzman sistem geliştirmiştir. Sistem; anormal numuneleri tanımlama ve belirlenen numuneler için yaklaşık olarak başlangıç ve bitiş noktalarını bulma yeteneğine sahiptir. Sistem; değişik olayların önemini tahmin etmek ve başlangıç/bitiş noktalarını kesin olarak belirlemek için kullanılmaktadır. Hosni ve Elshennavy (1988), özellikler ve değişkenler yardımı ile kontrol grafiklerinin seçimi ve kontrol prosedürlerinin belirlenmesi için bilgi tabanlı bir kalite kontrol sistemi gerçekleştirmişlerdir. 89

4 Cesarone (1991), uzman sistem kullanımıyla proses metrolojisi ve sistem bütünleşmesinin birleşmesiyle fabrikada tam olarak otomatikleşmeye ve bilgisayar bütünleşik imalata izin verilmekte ve bunun sonucunda daha yüksek proses doğruluğu ve daha düşük üretim hatası elde edilmektedir. Kontrol grafikleri uygulamaları için oluşturulan uzman sistemler; kontrol grafiklerini yorumlanması, IF- THEN formatında bunları kodlanması, VP-Expert Shell ine yerleştirilmesiyle proses kararlılık analizlerinin yapılması süreçlerini gerçekleştirmiştir. Kalite Kontrol Problemi Kullanım Alanı Yapılmış Çalışmalar Kontrol Diyagramları Hata Teşhisi Veri Analizi Grafik Seçimi Lall ve Stanislao (1992), Pham ve Öztemel (1995) Palaniswani (1987), Hooks ve ark.(1995), Swift (1987), Swift ve Mize (1995) Alexander ve Jagannathan (1986), Hosni ve Elshennavy (1988), Dagli ve Stacey (1988), Dagli (1990), Wu (1996), Lall ve Stanislao (1992), Smith (1992), Malak (1999) Veri Toplama Vural (1998) Yorumlama Tablo1. Uzman Sistemler ve Kontrol Diyagramları Cesarone (1991), Guh ve ark.(1999), Vural (1998) Lall ve Stanislao (1992), kontrol diyagramlarının analizi, işaretlenmesi, tasarımı ve grafik gösterimi yöntemini ve optimizasyonunu geliştirmek için uzman sistem geliştirmişlerdir. Bu uzman sistem Şekil 3 de verilmiştir. Sembolik ve nümerik hesaplama için iki farklı uzman sistem kullanılmıştır. Sembolik hesaplama, uygun kontrol diyagramının seçimi ve kontrol dışı prosesler için genel sebeplerin tanımlanmasında kullanılır. Kullanıcı Bilgileri Kullanıcı Ara yüzü Sembolik Hesaplama Çıkarım Mekanizması Nümerik Hesaplama Optimizasyon Rotaları Bilgi Tabanı GKS Rotaları Sonuçlar Sonuçlar Şekil 3. İkili Uzman Sistem Planı (Lall ve Stanislao, 1992) 90

5 Hooks ve ark.(1995), kalite kontroldeki veri analizi ve boyutsal toleransı artırmak için bir uzman sistem geliştirmişlerdir. Sistemin amacı; kalite kontrol karar verme prosesi ve bu prosesteki otomasyon uygulamalarındaki veri analizi için daha yeterli ve güvenilir bir araç olan kalite denetim sistemini oluşturmaktır. Uzman sistem, kabul edilebilir tolerans limitlerine göre üretilen parçaların kabul edilip edilmeyeceğine karar vermektedir ve kalite kontrolle ilgili istatistikleri hesaplama ve kontrol grafikleri oluşturma fonksiyonunun son veri analizini sağlamaktadır. Swift ve Mize (1995), kalite kontrol diyagramlarında oluşan çeşitli numunelerdeki değişimlerin analizi ve ortaya çıkarılması için uzman sistem kullanımı ve gelişimini incelemişlerdir. Uzman sistem, beş numune değişimi ile ilgilenmektedir. Bunlar; eğilim, devir, karışım, değiştirme, sistematiktir. Çalışma sonucunda, uzman sistemlerin analizlerin değişiminde başarılı sonuçlar verdiği belirlenmiştir. Vural (1998), kalite kontrol teknikleriyle, kalite kontrol tekniklerinin uygulanmaya başlamasından önceki aşama ile uygulandığı aşamada ortaya çıkabilecek olası sorunlar ve bu sorunların çözümü ve muhtemel sebepleri ile ilgili bilgileri kurallar seti haline getirerek bir uzman sistem oluşturmuştur. Sistem, kendine iletilen bilgileri bu kurallar seti ile karşılaştırarak uygun kontrol aracını tespit etmektedir. Proseste meydana gelebilecek problemler, bu problemlerin mümkün sebepleri ve çözümleri de uzman sistemde tanımlanmıştır. Uzman sistem, hem kalite kontrol diyagramı çizilmeden önceki safha olan veri toplama safhasında kullanıcıya yardımcı olacak şekilde problem tespiti yapabilmekte hem de kontrol diyagramı çizimi sırasında diyagramların yorumlanması kısmında kullanıcıya yorum yapmada kolaylık sağlamaktadır. Malak (1999), kontrol diyagramının en yaygın tiplerini içeren ve kontrol diyagramı seçimi için özel sistem sağlayan bir uzman sistem geliştirmiştir. CSES (Chart Selection Expert System) sistemi uygun kontrol diyagramı seçimindeki hataları azaltmıştır. CSES in en önemli avantajı kontrol diyagramının kullanımında etkin olmasıdır Tablo 2 de uzman sistemlerin proses kontrolde kullanıldığı alanlar ve ilgili çalışmalar görülmektedir. Tablo 2. Uzman Sistemler ve Proses Kontrol Kalite Kontrol Problemi Kullanım Alanı Yapılmış Çalışmalar Proses Kontrol Hata Teşhisi Veri Analizi Yorumlama Veri İzleme Tanımlama / Tahmin Alexander ve ark(1987), Brink ve Mahalingam (1990), Smith ve Yazıcı (1992), Dominguez ve ark. (1994), Cord (1994), Raggad (1996), Hentea (1997) Miller (1985), Nedeb ve Jacob (1997), Dooley ve ark.(2000) Evans ve Lindsay (1987), Evans ve Lindsay (1988), Cheng ve Hubble (1992), Cook ve Massey (1992), Paladini (1997) Tolar ve Platt ( 1992), Masud ve Thenappan (1993), Moore (1995), Hentea (1997), Kovacs ve ark.(1998) Alexander ve ark. (1987), Dorn (1994), Ntuen ve ark. (1989), Paladini (2000) Seçme Evans ve Lindsay (1987), Paladini (2000) 91

6 Miller (1985), makine görme sistemlerinden üretilen verilerin istatistiksel analizini yapmak için iki ticari sistem tanımlamıştır. İlk sistem İPK yazılımıdır. Bu sistem ortalama aralık ve eğilimlerin analizlerinin yapılmasını sağlamaktadır. İkinci sistem ise MV-300 görme sistemi, eğilim analizlerini yapmakta ve dağlıma sıklıklarını işaretlemektedir. Alexander ve ark.(1987), proses kontrolü için bir uzman sistem geliştirmişlerdir. Sistemi geliştirmek için uzman sistem istatistiksel analiz programı PC Plus ile birleştirilerek ticari bir shell oluşturulmuştur. İstatistiksel analiz programı ile sistem shellinin ara yüzü tasarlanmıştır. Çalışmadaki uzman sistem Teşhis ve Tanımlama olmak üzere iki iskeletten oluşmaktadır. Teşhis kısmı istatistiksel analiz programından verileri okuma ve yorumlamaktan sorumludur. Sistemin temel özelliği sadece numune değişkenini teşhis etmek değil aynı zamanda tavsiye vermesi ve olası sebepleri belirleyebilmesidir. Evans ve Lindsay (1988), istatistiksel proses kontrol uygulamaları için bir uzman sistem geliştirmiştir. Şekil 4 de İPK sistemi için bu yaklaşım görülmektedir. Kontrol grafik örneklerinin ve eğilimlerinin açıklanması ve kontrol dışına çıkma sebeplerinin teşhisi için EXSYS adı verilen uzman sistem geliştirmişlerdir. Bu sistem incelemeye alınan her örneğin kontrol grafiklerinin analizini yapmak için tasarlanmıştır. Uzman sistem 3 gruptan oluşmaktadır: Rutin Bilgi Tabanı Sonuç: Proses kontrol altında Bilgi Tabanı Kalite karakteristik ölçümleri Kontrol grafikleri yapısı Kontrol grafikleri yorumlama Sonuç: Proses kontrol dışında Kontrol dışında olma sebeplerine karar verme İdari Olaylar Şekil 4. İPK Sistemi İçin Genel Bir Yaklaşım (Evans ve Lindsay, 1988) İstatistiksel kontrolün başarısızlığını belirten durumlara karar vermek için analiz kuralları, 2. Proses değişikliklerindeki kontrol grafikleri için örnekleri analiz eden yorumlama kuralları, 3. Kontrol dışı durumların sebeplerine karar vermek için teşhis kuralları, Tolar ve Platt (1992), üretimde özellikle kalite kontrolde uzman sistem teknolojisinin kullanımı için prototip bir uygulama geliştirilmiştir. Uzman sistem ürün kalitesini geliştirmek için öğretme araçları gibi açıklama alt sistemlerinin kullanımını geliştirmiştir. Sistem elde edilen bilgileri kaydedecek ve parçaların kontrolü geçip/ geçmediğini gösterecektir. Parça kontrolü geçemezse sistem bilgi tabanındaki bilgileri temel alarak problemin çözümü için öneriler vermektedir. Sistem, üretim mühendislerinin uzmanlıklarının bir kısmını istemekle onların zamanlarını ve enerjilerini daha verimli işlerde kullanmalarını sağlamaktadır. Sistem, gelecekteki istatistiksel proses kontrol uygulamaları için basit bir veri tabanı sağlamıştır. Masud ve Thenappan (1993), istatistiksel kalite kontrol için bilgi tabanlı bir danışman sistemi incelemişlerdir. ASQC (Advisory System for Quality Control) adı verilen bu uzman sistem aracılığı ile kontrol diyagramının tasarımı ve seçimi, yeterli örnek büyüklüğü kullanımıyla ilgili tavsiye ve sistematik modellerin mevcut farklı türleri için proses izleme analizleri oluşturma, izleme analizi sonuçları için düzeltici faaliyet sağlanmaktadır. Dorn (1994), çelik endüstrisindeki değişik alanlar için geliştirilen uzman sistemi incelemiştir. Çalışmada gerekli olan bilgi çeşitleri, zeki muhakeme için gerekli teknikler ve uzman sistemlerin geleneksel programlama yaklaşımlarından niçin daha iyi sonuçlar verdiği üç boyutta incelemiştir. Uzman sistem anormal durumları tahmin etmek, yönlendirmek ve ısıyı sabit bir durumda tutmak için kullanılmıştır. Uzman sistemin performansı insan uzmanlara göre % 25 iyi olarak belirlenmiştir. Nedeb ve Jacob (1997), tasarım mühendislerine ürün özelliklerinin çalışma prensiplerinin seçilmesine yardımcı olmak amacı ile bir uzman sistem geliştirmişlerdir. Sistemdeki olay tabanlı muhakeme (Case-Based Reasoning) eski problemlerin çözümünü kullanarak yeni problemleri çözüm üretmektedir. CBR çemberi dört proseste tanımlanmaktadır: i. Birçok benzer olayı yeniden edinmek, ii. Problemin çözümü için o olaydaki bilgileri yeniden kullanmak,

7 iii. Önerilen çözümü yeniden gözden geçirmek, iv. Gelecek problemlerin çözümü için yararlı olabilecek olası tecrübeleri saklamak. Moore (1995), kağıt imalatında kimyasal proseslerin kontrolü için bir uzman sistem tanımlamıştır. Bu sistem elde edilen bilgi kaynakları ve çıkarım prosesine paralel gerçek zamanlı verileri toplamayı sağlamaktadır. Tablo 3 de uzman sistemlerin kalite kontrol tekniklerinden kabul örneklemesindeki kullanıldığı alanlar ve ilgili çalışmalar görülmektedir. Tablo 3. Uzman Sistemler ve Kabul Örneklemesi Kalite Kontrol Problemi Kullanım Alanı Yapılmış Çalışmalar Veri Analizi Palaniswani (1987) Kabul Örneklemesi Örnekleme Planı Seçme Weathill ve Curram (1984), Fard ve Sabuncuoğlu (1990), Kanagawa ve Ohta (1990), Smith ve Dagli (1990), Nadeem ve Velasco (1993), Hooks ve ark. (1993) Weathill ve Curram (1984), kalite kontrol ve örnekleme kontrolünün bilgisayar destekli tasarımı ve örnekleme planları seçimi için UQUAL isimli uzman sistem geliştirmişlerdir. Palaniswani (1987), üretim planlama için uzman simülasyon sistemleri geliştirilmiştir. Varsayımlı imalat sistemi, kalite kontrol planlama için uzman simülasyon çalışması olarak düşünülmektedir. Bu uzman sistem içerisinde proses kontrol grafiklerini ve örnekleme planlarını analiz etmek ve tasarlamak için geliştirilen birkaç istatistiksel yazılım paketi mevcuttur. Bu paket programlarının çoğu üretim sisteminin değişik aşamalarıyla etkin olarak ilgilenmemektedir. Bu açığı gidermek için uzman tabanlı simülasyon kullanılmıştır. Varsayımlı imalat sistemleri için kalite kontrolde kullanılan uzman sistem, uzman simülasyon sistemine dönüştürülmüştür. Bu sistemde ürünler büyük yığınlar halinde üretilmiyorsa ve üretim zamanları uzun değilse etkili sonuçlar alınmaktadır. Smith ve Dagli (1990), analitik veri, sezgiler ve kullanıcı kararlarına dayanan açıklamaları birleştiren kalite kontrol kural tabanlı uzman sistem geliştirmişlerdir. Çalışmada 118 kuraldan oluşan QUİNCY uzman sistemi incelenmiştir. Uzman sistem; kontrol maliyetlerini azaltmak, kaliteyi geliştirmek, kabul veya ret kararı vermek için kabul örneklemesi planlarını seçmede kullanılmıştır. Sistem, profesyonel ve yarı profesyonel işlerde verimliliği artırmakta ve karar verme sürecini kısaltmaktadır. QUİNCY, kalite kontroldeki üç temel alana odaklanmıştır. 1. Değişik üretim prosesleri için uygun kontrol diyagramını seçme, Kontrol diyagramı sonuçlarının genel teşhisi ve yorumlanması, 3. Uygun kabul örneklemesi planını seçmek. Nadeem ve Velasco (1993), bar-code tanımlama sistemi bilgi tabanı yaklaşımını, 3 değişik alanda kullanılmıştır. İlk alan, kontrol prosedürleri, ham malzemeler ve üretim prosesi çalışmalarıdır. İkinci alan, girdi hammaddeler için kontrol prosedürlerinin kurulmasıdır. Son alan ise kabul örneklemesi için girdi malzeme paketlerinin otomatik tanımlanmasıyla bütünleşmiş uzman sistemlerdir. Bu çalışmadaki uzman sistem, LEVEL5OBJECT ile birleştirilen bir uygulamadır. Sistem otomatik kalite kontrol metotları geliştirmek için 11 ay sürdürülmüştür. Otomatik sistem iki ay gerçek problemlerde test edilmiştir. Zeki otomatik kalite kontrol sistemlerinin kullanılması sonucu girdi malzemelerin kalitesi geliştirilmiş, bozulmayı ve yeniden çalışmayı azaltmıştır. Hooks ve ark.(1993), kalite kontrol sistemindeki operatör kararlarındaki değişikleri elimine etmek ve kötü kabul edilme olasılığını azaltmak için otomatik uzmanlarla bütünleşmiş bir sistem oluşturmuştur. Sistemin odak noktası, tesisin tasarlanması ve kontrol sisteminin uzman sistem yardımıyla yönlendirilmesidir. Uzman sistem ileri zincirleme modeli ile kurulmuş ve LEVEL5OBJECT ile geliştirilmiştir. Üretilin parçaların kabulü, reddi veya yeniden yapılması kararını vermektedir. Sistemde elektronik mikroskoptan elde edilen parçaların gerçek ölçüleri IGES dosyasına kayıt edilmekte ve buna göre alt ve üst tolerans limitleri oluşturulmaktadır. Şekil 5 de de görüldüğü gibi uzman sistem bütün kontrol sistemindeki birçok karardan sorumludur. Ayrıca kullanıcı ara yüzü grafiklerle bütünleştiği için kolay bir kullanım

8 sağlamaktadır. Bar-Code Okuyucu Veri Analizi YSA (gelecek çalışma) Uzman Sistem IGES Dosyası Görüntü Sistemi Çıktı Sonuçlar - Kabul - Yeniden İşleme - Red CAD Sistemi (gelecek Çalışma) Microsoft Excel - Kontrol Diyagramları IGES dosyası için otomatik güncellendirme Şekil 5. Sistemin Çalışma Yapısı ( Hooks ve ark.,1993). Tablo 4 de uzman sistemlerin kalite kontrol tekniklerinden kalite güvence sistemindeki kullanıldığı alanlar ve ilgili çalışmalar görülmektedir. Tablo 4. Uzman Sistemler ve Kalite Güvence Sistemi Kalite Kontrol Problemi Kullanım Alanı Yapılmış Çalışmalar Denetim Eyeda (1990) Kalite Güvence Sistemi Yeterlilik kontrolü Gipe ve Jasinski (1986) Kaynak tahsisi Crawford ve Eyada (1989) Kalite teşhisi Eid ve Losier (1990) Gipe ve Jasinski (1986), kalite güvence sistemlerinin yeterliliklerini ve davranışlarını kontrol altında tutabilmek ve bu sistemin uygunluğunu göstermek için bir uzman sistem geliştirmişlerdir. Crawford ve Eyada (1989), kalite güvence sistemi içinde kullanılan veya kullanılması planlanan 94

9 kaynakların tahsisi ve atanması için bir uzman sistem geliştirmişlerdir. Eyada (1990), kalite güvence sistemindeki tedarikçi ve üretici arasındaki denetim işlemlerine yardımcı olması amacı ile uzman sistem geliştirmiştir. Eid ve Losier (1990), kalite güvencede kalite teşhisi ve düzeltici tavsiyeler için uzman sistem geliştirmiştir. Tablo 5 de uzman sistemlerin kalite kontrol tekniklerinden hata modu ve etkileri analizindeki kullanıldığı alanlar ve ilgili çalışmalar görülmektedir. Tablo 5. Uzman Sistemler ve Hata Modu ve Etkileri Analizi Kalite Kontrol Problemi Kullanım Alanı Yapılmış Çalışmalar Hata Modu ve Etkileri Analizi Tasarım kalitesi Yang ve Liu (1999) Hata teşhisi Ntuen (1992) Ntuen (1992), kalite kontrol teknisyenleri ve kontrol grupları tarafından yapılan kontrol prosesinin otomasyonu ve yeni kontrolcüler için eğitim araçlarının kullanımı gibi iki amaç için BITES (Board Inspection and Training Expert System) adı verilen uzman sistem geliştirmiştir. Çalışmada, hata teşhisi için hata ağacı teknikleri kullanılmaktadır. Hata ağacı analizinin amacı sistemin güvenilirliğini sistematik olarak değerlendirmektedir. sistemdir. BITES çıkarım mekanizması kararsal ve stratejik olmak üzere iki yönlüdür. Şekil 6 da BITES ın yapısı görülmektedir Hata Sınıflama Bilgi Tabanı İnsan kontrolcülerin prosesi GURU hesap çizelgesi hata verileri Kontrol Otomasyonu Kontrol Prosesi ve Karar Verme BITES Uzman Sistem GURU Alanı Danışma Veri Kullanıcı Eğitim Sistemi Açıklama tabanlı sistem Kontrolcünün (Kullanıcı) Destek Sistemi Şekil 6. BITES' ın Yapısı (Ntuen, 1992). Uzman sistemde hataların doğruluğunu kanıtlamak için testlerden oluşur. Hipotez ve test stratejisi çıkarım metodu olarak kullanılır. Sistemin amacı hataları bulmak ve ürünün kabul edilip edilmeyeceğine karar vermektir. Bu sistem için GURU uzman sistem shelli kullanılmıştır. BITES; ICB( Integrated Cırcuit Board) için kontrol desteği ve yeni kullanıcıların eğitimini gösteren bir uzman 95 Yang ve Liu (1999), tasarım kalitesi ve güvenilirliği için bilgisayar tabanlı EASYDFQR uzman sistemini geliştirmiştir. EASYDFQR, tasarım mühendislerine teknik bilgi ve tasarım yaklaşımları sağlamak için geliştirilmiştir. Bu sistem kalite ve güvenilirlik ile ilgili aşağıdaki bileşenlerden oluşmaktadır: i. Güvenilirlik Modelleri,

10 ii. Tasarım Model ve Yaklaşımları, iii. Hata Modu ve Etkileri Analizi, iv. Hata Analiz Ağacı, v. Sürekli İyileştirme Teknikleri. Tablo 6 da diğer kalite kontrol alanında yapılan çalışmalar için geliştirilen uzman sistemler sunulmuştur. Tablo 6. Uzman Sistemler ve Kalite Kontroldeki Diğer Çalışmalar Kalite Kontrol Problemi Kullanım Alanı Yapılmış Çalışmalar Değişimi azaltma Kım ve Im (1995) Veri toplama Kovacs ve ark. (1994), Jarvensivu ve ark. (2001) Üretim kayıplarını azaltma Bardissi ve Huyck (2002) Diğer Çalışmalar Hata teşhisi Pfeier (1989), Windon (1991), Jackson ve ark. (2000) Süreç izleme Lee ve ark. (1989) Numune seçme Bhambhari (2002) Pfeifer (1989), üretim aşamasındaki hataları önlemek için bir uzman sistem geliştirmiştir. Kovacs ve ark.(1994), esnek üretim sistemlerinin kontrolü, simülasyonu ve kalite kontrol için uzman sistem uygulamaları geliştirmiştir. Geleneksel simülasyon programı (SIMAN) ve network paketi (MAP) uygun çözümler elde etmek için (ALL-EX- G 2 ) uzman sistemiyle birleştirilmiştir. Uzman sistem uygulamaları; bilgi tabanlı simülasyon, bilgi tabanlı kontrol ve esnek üretim sisteminin kalite kontrolünden oluşmaktadır. Uzman sistem, simülasyon için bütün girdileri toplamak ve simülasyon modelini oluşturmak için kullanılmıştır. Bu sistem; kesikli, sürekli, kuyruk modelleri gibi uygun simülasyon modelini seçmek için kuralları içermektedir. Sistemdeki sonuç çıkarma uzman sistemi; belirli karar noktalarında simülasyon soruları için beklemekte, soru alındığı zaman sistem çıkarım prosesini uygulamaya başlamakta ve geri cevap göndermektedir. Sistemde kullanılan bilgi tabanı, çizelgeleme ve kalite kontrol kurallarını içermektedir. Geleneksel programların uygulanmasıyla başarılı olmayan esnek üretim sistemleri gibi stokastik sistemler yapay zeka ve özellikle uzman sistemler uygulanarak başarılı olmuştur. Kim ve Im (1995), düşük üretim maliyetiyle soğuk dövmenin verimliliğini artırmak için malzeme hazırlaması, makinelerin, araçların ve operasyonların optimum proses tasarımını ve kalite kontrolü de içeren bütünleşmiş bir sistem yaklaşımı önermişlerdir. Bu yaklaşımın geliştirilmesindeki ilk adım bilgisayar tabanlı Prolog dilinde yazılan bir uzman sistem geliştirmektir. Sistem; kullanıcı arayüzü, sistem shelli, malzeme veri tabanı ve tasarım kural tabanından oluşmaktadır. Verilen girdi verilerine göre sistem, dövme geometrisi ve temel proses tasarımını önceki ölçülere ve malzemeye bağlı olarak üretmektedir. Kim ve Im (1995), simetrik katı modellerin ve delik parçaların şekillenme adım sayısını ve değişimin son safhasındaki sapmaları azaltmak için yeni tasarım algoritmalarıyla bir uzman sistem geliştirmişlerdir. Şekil 7 de uzman sistemin akış diyagramı verilmiştir. Uzman sistem depolanan tasarım kurallarını kullanarak şekil sırasına karar verilmektedir. 96

11 Son Ürün Şekli Malzeme Girdi Başka Mal. kullan Geometri Grubuna Karar Verme İlk parça ölçüsünü değiştir İlk Parça Ölçüsüne Karar Verme. Her Element İçin Soğuk Dövme Prosesine Karar Verme Proses Akışını Değiştir Proses Sırasını Oluşturma Kötü İyi Hesaplama Modülleri Yeniden Tasarım Modülleri Memnuniyetsizlik Şekillendirme Basıncı Şekillendirme Sayısı Proses Şekillendirme Sayısını Azaltma Çıktı Auto CAD Dosyası Şekil 7. Uzman Sistemin Akış Diyagramı (Kim ve Im,1995). Jarvensivu ve ark.(2001), kireç ocaklarının kontrolü için zeki danışman sistemini incelemişlerdir. Proses mühendisliği alanında, programlamada, sistem geliştirmede uzman sistem, bulanık mantık ve YSA gibi zeki uygulama tekniklerinden yararlanmışlardır. Zeki teknikler; bilgi toplama ve bu bilgilerle muhakemeden sonra karmaşık problemleri çözme yeteneğine sahiptir. Uzman sistem ve bulanık mantık tabanlı uygulamalar; özel bir alandaki uzmanın muhakeme prosesini ve/veya operatörlerin prosesi kontrol faaliyetlerini kopyalamak için daha iyi bir şekilde geliştirilmiştir. Sistem, dilsel denklem (LE) yaklaşım tabanlı ilk endüstriyel uygulamadır. Sistemde, deneme süresince %95 başarı elde edilmiştir. Bardissi ve Huyck (2002), uzman sistem yardımıyla üretim kayıplarını azaltma yollarını incelemişlerdir. Uzman sistem uygulandıktan sonra toplam üretim kaybı % 60 oranında azaltılmıştır. 4. SONUÇ Kalite kontrol problemlerinin çözümünde uzman sistemlerin kullanılması ile ilgili olarak aşağıdaki sonuçlar elde edilmiştir: 97

12 Bir uzman sistem yeterli veri sağlandığı takdirde en uygun kalite kontrol aracını seçebilmektedir, Yapay zeka tekniklerinden, istatistiksel proses kontrol için en geniş kullanım alanına sahip olan teknikler, uzman sistemler ve yapay sinir ağlarıdır. Bu tekniklerin tek başlarına ayrı ayrı kullanılmalarının yerine uygun kombinasyonlarının kurularak kullanılması çok daha avantajlıdır, Proses kontrolünde kullanılan uzman sistem, adapte edilmiş proses kontrolünün avantajına sahip olur, Yapılan çalışmalar ve örneklere göre otomatik istatistiksel proses kontrol için en uygun ve en verimli hibrid kombinasyonunun, uzman sistem ve yapay sinir ağları olduğu belirlenmiştir, Problem tespiti kadar problemin çözümü de oldukça zaman alıcı ve karmaşık bir işlemdir. Problemin çözüm yolları da iyi tanımlanıp kurallar seti haline getirilirse uzman sistem etkili bir problem çözüm aracı olarak kullanılabilir, Kalite sistemi geliştirilirken en önemli problemlerden biride, elde edilen sonuçların yorumlanmasıdır. Uzman sistem, özellikle kontrol diyagramlarının yorumlanmasında etkin bir araç olarak kullanılmaktadır. Gelecekte, sadece kalite kontrol faaliyetlerinin belli bir kısmı veya bir bölümü için değil de; bir işletmenin tüm kalite kontrol faaliyetlerini belli bir koordinasyon ve eş zamanlılık içerisinde gerçekleştirecek bir yapay zeka kombinasyonu oluşturulabilir. Kalite kontrol problemlerinin çözümünde yapay zeka tekniklerinin tek başlarına kullanılması yerine bir kombinasyon oluşturarak bir arada kullanılmasının daha etkin olacağı anlaşılmıştır. KAYNAKLAR [1] ALEXANDER, S.M., JAGANNATHAN, V. (1986) Advisory System for Control Chart Selection, Computers and Industrial Engineering, 10(3), [2] ALEXANDER, M., EVANS, J., LİNDSAY, W. (1987), The Application of Expert Systems to Manufacturing Process Control,Computers & Industrial Engineering, 12(4), [3] ALTY, I., COOMBS M.J. Expert Systems: Concepts and Examples, Manchester NCC Publishing, 1984 [4] BARDISSI, W., HUYCK, C. (2002), Reducing Manufacturing Loss via Expert System [5] BHAMBHANI, R. (2002), An Expert System for Suggesting Design Patterns A Methodology and A Prototype, The University of Texas At Arlıngton [6] BRINK, J., MAHALİNGAM S. An Expert System for Quality Control In Manufacturing, USF Report, 1990 [7] CESARONE, J. (1991), QEX: An In- Process Quality Control Expert System, Department of Mechanical Engineering, 8(4), [8] CHENG, C., HUBBLE, N. (1992), Design of a Knowledge-Based Expert System for Statistical Process Control, Computers & Industrial Engineering, 22(4), [9] COOK, D., MASSEY J. (1992), A Knowledge-Based Approach to Statistical Process Control, Computers and Electronics in Agriculture, 7(1), [10] CORD, T. (1994), A Blackboard Application for Process Monitoring and Supervision, Artificial Intelligence in Real Time Control, Valencia, Spain [11] CRAWFORD, K., EYADA, O. (1989), A Prolog Based Expert System For The Allocation of Quality Assurance Program Resources, Computers In Industrial Engineering, 17(1-4), [12] DAGLI, C., STACEY R. (1988), A Prototype Expert System For Selecting Control Charts, International Journal of Production Research, 26(5), [13] DAGLI, C. Expert Systems for Selecting Quality Control Charts, USF Report, , 1990 [14] DOOLEY, K., ANDERSON, J., LIU, X. (2000), "Process Quality Knowledge Bases, J. Of Quality Management, 4(2), [15] DOMINGUEZ, S., CAMPOY, P., ARACIL, R. (1994), A Neural Network Based Quality Control System for Steel Strip Manufacturing, Artificial Intelligence in Real Time Control, Valencia, Spain [16] DORN, J. (1994), Expert Systems in The Steel Making Industry, Proceedings of

13 the 2nd World Congress on Expert System Lisbon [17] EID, S., LOSIER, G. (1990), QCMS A Quality Control Management System, Computers In Industrial Engineering, 19(1-4), [18] EVANS, J., LINDSAY, W. (1987), Expert Systems for Statistical Quality Control, Annual International Industrial Engineering Conference Proceedings, [19] EVANS, J., LINDSAY, W. (1988), A Framework For Expert Systems Development In Statistical Quality Control, Computers In Industrial Engineering, 14(3), [20] EYADA, O.K. (1990), An Expert System For Quality Assurance Auditing, Quality Congress Transactions, [21] FARD, N., SABUNCUOĞLU, F. (1990), An Expert System for Selecting Attribute Sampling Plans, International Computer Integrated Manufacturing, 3(6), [22] GIPE, J., JASINSKI, N. (1986), Expert System Applications In Quality Assurance, Quality Congress Transactions, [23] GUH, S., TANNOCK, T., BRİEN, O. (1999), IntelliSPC: A Hybrid İntelligent Tool for On-Line Economical Statistical Process Control, Expert Systems with Applications, 17, [24] HENTEA, M. (1997), Architecture and Design Issues in a Hybrid Knowledge- Based Expert System for Intelligent Quality Control, Doctor of Philosophy in Computer Science in the Graduate College of the Illinois Institute of Technology [25] HOOKS, K., RABELO, L., VELASCO, T. (1993), Enhancing Computer Aided Inspection Through the Integration of Quality Control and Computer Aided Design, Computers & Industrial Engineering, 25(1-4), [26] HOOKS, K., RABELO, L., VELASCO, T. (1995), An Expert System Framework For A CIM Based Quality Inspection System, Computers Industrial Engineering, 29(1-4), [27] HOSNI, Y., ELSHENNAVY, S. (1988), Quality Control and Inspection. Knowledge- Based Quality Control System, Computers In Industrial Engineering, 15 (1-4), [28] JACKSON, P. Introduction to Expert Systems 2nd Edition, Workingham: Addison-Wesley, 1990 [29] JACKSON, R. JOSEPH, D., SCHWARTZMAN, M. A Decision Support System for Microbiology Quality Control, Department of Pathology and Program in Medical Information Science1, Dartmouth-Hitchcock Medical Center, 2000 [30] JARVENSIVU, M., JUUSO, E., AHAVA, O. (2001), Intelligent Control of a Rotary Kiln Fired with Producer Gas Generated From Biomass, Engineering Applications of Artificial Intelligence, 9, [31] KANAGAWA, O., OHTA, H. (1990), A Design for Sampling Attribute Plan Based on Fuzzy Sets Theory, Fuzzy Sets and Systems, 37(2), [32] KIM, S., IM, T. (1995), Expert System for Multi-Stage Cold-Forging Process Design with a Re-Designing Algorithm, Journal of Materials Processing Technology, 54, [33] KOVACS, L., MEZGAR, I., KOPACSI, S. (1994), Application of Artificial Intelligence to Problems in Advanced Manufacturing Systems, 7(3), [34] KOVACS, L., NACSA, C., GAVALCOVA, D.(1998), A Knowledge Based and a Hybrid System to Evaluate Flexible Manufacturing Systems, Computer and Automation Research Institute Hungarian Academy of Sciences, H-1111 Budapest, Kende u , Hungary [35] LALL, V., STANISLAO, J. (1992), Applying a Coupled Expert System to Quality Control Charts, Computers & Industrial Engineering, 23(1-4), [36] LEE, N., PHADKE, M., KENY, R. (1989), An Expert System for Experimental Design In Off-Line Quality Control, Expert System, 6(4), [37] LIU, D. Expert Systems: Around table discussion, Society of manufacturing Engineers, Dearborn, 1990, [38] LUGER, G.F., STUBBLEFİELD, W. A. Artificial Intelligence, The Benjamin Comings Publishing Company, 1989 [39] MALAK, N. An Expert System for Quality Control Charts Selection, The Department of Industrial Engineering, The Middle East Technical University, 1999

14 [40] MASUD, A.S.M., THENAPPAN, M. S. (1993), A Knowledge Based Advisory System for Statistical Quality Control, International Journal of Production Research, 31(8), [41] MILLER, K. Artificial Intelligence Applications for Manufacturing, SEAI Technical Publications, 1985 [42] MOORE, R. (1995), Expert Systems for Process Control, TAPPI Journal, 16, [43] NADEEM, M., VELASCO, T. (1993), Knowledge-Based Approach to Quality Control Assurance Using Bar Code Identification Systems, Computers & Industrial Engineering, 25(1-4), [44] NEDEB, CHR.,JACOB, U.(1997), A Case-Based Reasoning Approach Towards Learning From Experience Connecting Design and Shop Floor, Computers In Industry, 33, [45] NTUEN, C., PARK, H., KİM, J. (1989), KIMS- A Knowledge-Based Computer Vision System for Production Line Inspection, Computers In Industrial Engineering, 16(4), [46] NTUEN, A. (1992), An Expert System for Integrated Circuit Board Inspection, Computers In Industry, 19, [47] PALADINI, P. A New Management Process: The Adaptive and Learning Approach, Department of Production and Systems Engineering, Federal University of Santa Catarina, 1997 [48] PALADINI, P. (2000), An Expert System Approach To Quality Control, Expert Systems With Applications, 18, [49] PALANISWAMI, S.(1987), Expert Simulation Systems For Manufacturing Planning, Engineering Costs and Production Economics, 11, [50] PFEIFER, T. (1989), Knowledge-Based Fault Detection In Quality Inspection1, Software for Manufacturing, IFIP, [51] PHAM, T., ÖZTEMEL, E.(1995), An Integrated Neural Network And Expert System Tool For Statistical Process Control, Journal of Engineering Manufacture, 209, [52] RAGGAD, G.(1996), Expert System Quality Control, Information Processing & Management, 32(2), [53] SAĞIROĞLU, Ş., BEŞDOK, E., ERLER, M. Mühendislikte Yapay Zeka Uygulamaları-1 Yapay Sinir Ağları, Ufuk Yayıncılık; Kayseri, 2003 [54] SEILER, H.B., SEILER, K.E. (1986), Process Control and monitoring using micro computer based expert Systems, Proc Second Annual A1 And Advanced Computer Technology [55] SMITH, E., YAZICI, H. (1992), An Intelligent Composite System for SPC, Engineering Application Artificial Intelligence, 5, [56] SMITH, E., DAGLI, C. "An Expert System with External Optimization Module for Quality Control Decisions, Department of Industrial Engineering, University of Pittsburgh, 1031 Benedum Hall, 1990 [57] SMITH, E. Impacts of Intelligent Process Control on Product Design, Intelligent Systems in Design and Manufacturing ASME Press, New York, 1992 [58] SÜMEN, H. (1994), Otomasyon yazılım yönü: Uzman Sistemler, Otomasyon, Şubat [59] SWIFT, A. (1987), Development of a Knowledge Based Expert System for Control Chart Pattern Recognition and Analysis, Oklahoma State University, [60] SWIFT, A., MIZE, H. (1995), Out-Of- Control Pattern Recognition and Analysis for Quality Control Charts Using Lısp- Based Systems, Computers & Industrial Engineering, 28(1), [61] TOLAR, K., PLATT, R. (1992), MAG- EX: A Magnetic Fabrication Expert System Focusing Expert Systems Technology On Improving Quality Control, Computers and Industrial Engineering,23, [62] VICKRY, A., BROOKS, H. (1987), Expert Systems and Their Applications in LISP, Online Review, 11(3), [63] VURAL, İ. (1998), Kalite Kontrolünde Uzman Sistemler, İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi [64] WEATHILL, G., CURRAM, B. Computer Aided Design In Sampling Inspection and Quality Control, Würzburg, 1984 [65] WINDON, D. (1991), Improving Expert System Performance in Solving Problems 100

15 with Incomplete Information, Texas A&M University [66] WU, K. (1996), Development of an Interactive Traffic Accident Geographic Information (ITAGI) System and A Multimedia Left-Turn Control Strategies Expert System, Michigan State University [67] YANG, M., LIU, I. (1999), Design for Quality and Reability Using Expert System and Computer Spreadsheet, Journal of the Franklin Institute, 336, ÖZGEÇMİŞLER İhsan KAYA İhsan KAYA, Selçuk Üniversitesi Mühendislik Mimarlık Fakültesi Endüstri Mühendisliği Bölümü nde araştırma görevlisi olarak çalışmaktadır. Selçuk Üniversitesi Endüstri Mühendisliği Bölümünde lisans eğitimini tamamlamış (2001), ardından Selçuk Üniversitesi Fen Bilimleri Enstitüsü Endüstri Mühendisliği A.B.D. da yüksek lisansa başlamıştır ve yüksek lisansa devam etmektedir. Yazar, kalite kontrol problemlerinin yapay zeka teknikleri yardımı ile çözülmesi konusunda çalışmaktadır. Şerife GÖZEN Şerife GÖZEN, Selçuk Üniversitesi Mühendislik Mimarlık Fakültesi Endüstri Mühendisliği Bölümü nden mezun olan yazar, kalite kontrol konusunda çalışmaktadır. Orhan ENGİN Selçuk Üniversitesi Mühendislik Mimarlık Fakültesi Endüstri Mühendisliği Bölümü nde yardımcı doçent olarak görev yapmaktadır. İ.T.Ü. İşletme Fakültesi Endüstri Mühendisliği Bölümü nden lisans, yüksek lisans ve doktora derecesini aldı. Yazar çizelgeleme ve kalite kontrol alanlarında çalışmaktadır. 101