GENETİK ALGORİTMA ESASLI PCB MONTAJI OPTİMİZASYONU
|
|
- Ilker Şerif
- 8 yıl önce
- İzleme sayısı:
Transkript
1 V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, Kasım 2005 GENETİK ALGORİTMA ESASLI PCB MONTAJI OPTİMİZASYONU Osman KULAK Pamukkale Üniversitesi İhsan Onur YILMAZ Pamukkale Üniversitesi Hans-Otto GÜNTHER Berlin Teknik Üniversitesi Özet Çift montaj kafalı topla-ve-yerleştir makineleri otomatik PCB (printed circuit board) montajında kullanılan yerleştirme makinesi tiplerinden birisini temsil etmektedir. Bu tip bir makine için işlemlerin montaj süresini en aza indiren farklı genetik algoritmalar geliştirilmiştir. Bileşenlerin magazinlere atanması için iki farklı sezgisel yöntem uygulanmıştır. Genetik algoritma, besleyici ataması (feeder assignment) ve bileşen yerleştirme sırası (component placement sequence) ve montaj kafalarının çevrim sürelerinin dengelenmesi (gantry cycle time balancing) problemlerini eş zamanlı olarak çözmektedir. Önerilen algoritmanın etkinliğini değerlendirmek için farklı PCB ler tasarlanmış ve deneyler gerçekleştirilmiştir. Anahtar sözcükler: Genetik Algoritmalar, PCB Montajı, Topla-Ve-Yerleştir Makinesi 1. GİRİŞ Günümüzde yaygın olarak kullanılan digital elektronik ürünlerin üretimi için PCB (printed circuit board) montajı önemli bir üretim sürecidir. Modern PCB montajında farklı tipteki bileşenler, PCB ler üzerinde daha önceden belirlenmiş bölgelere ileri derecede otomasyona ve bilgisayara sahip makinelerin kullanımı ile yerleştirilirler (Strauss, 1997). Ammons ve diğerlerine (1997) göre PCB montajının planlanması ve çizelgelenmesinde 3 ana problem mevcuttur: (1) Çeşitli tipteki PCB lerin gruplanarak PCB ailelerinin oluşturulması, (2) Bir makine grubu çok yönlü makineler içerdiğinde, bileşen tiplerinin makinelere tahsis edilmesi, (3) Her bir yerleştirme (placement) makinesinde bileşen besleyicilerin (component feeders) bileşen magazinindeki yerlere tahsis edilmesi ve her bir makine ve PCB türü için yerleştirme işlemlerinin sıralanması. Tüm bu problemler birbirleri ile oldukça ilişkilidir. Endüstriyel üretim ortamının özelliklerine bağlı olarak, farklı montaj sistemi düzenlemeleri ve farklı hazırlık süresi stratejileri kullanılmaktadır. Çeşit sayısı düşük, parti hacmi büyük PCB montajının gerçekleştirildiği kitlesel üretim ortamında, herbir PCB türü için üretim süresini en küçükleyecek dizilimi sağlayacak hazırlık işlemleri yapılır. Bu yayında belirtilen hazırlık stratejisi tek makinalı ortamda incelenmektedir. Bundan dolayı, bu özellikteki bir üretim için eş zamanlı olarak, parça besleyicilerin magazindeki konumlarına atanması ve parça yerleştirme işlemlerinin sırasının belirlenmesi problemlerinin çözülmesi gerekmektedir. Bu çalışma, montaj yapabildiği bileşen tiplerinin aralığı gözönüne alındığında yüksek hızda ve yüksek derecede esneklik sağlayan topla-ve-yerleştir makinelerine odaklanmaktadır. Şekil 1 de dönel (rotary) özelliğe sahip çift montaj kafalı topla-ve-yerleştir makinesi görülmektedir. Bu makinenin çalışma prensibi aşağıda belirtildiği gibi tanımlanabilir. Montaj süreci boyunca PCB sabit bir çalışma masasında bulundurulur ve bileşen besleyicileri için sınırlı sayıda pozisyon (slot) bulunduran bileşen magazinlerinin tam ortasına yerleştirilir. Her bir besleyici sadece tek bir tip parça içerir. Bu makinedeki her bir montaj kafası ayrı ayrı bir kızak (gantry) sisteminde bulundurulur ve her biri belirli sayıda pipet (nozzle) içerir (tipik olarak 6 yada 12). İlk önce, başlangıç noktasından ilk montaj kafası parça magazinine gider ve dönel adım hareketleri gerçekleştirerek çeşitli besleyicilerden parçaları toplar. Daha sonra ilgili montaj kafası PCB tarafına geçer ve parçaları karttaki konumları daha önceden tanımlı yerlere tek tek yerleştirir. Bu sırada diğer montaj kafası yanındaki magazinden 121
2 O. Kulak, İ. O. Yılmaz, H. O. Günther ilk tur için parçaları toplar. İlk montaj kafası yerleştirme turunu tamamladıktan sonra magazine geri dönerken, ikinci montaj kafası PCB tarafına geçer. İlk montaj kafası ilgili magazinden ikinci tur için parçaları toplarken, ikinci montaj kafası ise PCB üzerinde konumları önceden belirlenmiş parçaları ilgili yerlere yerleştirir. Aynı şekilde PCB üzerindeki tüm parçaların montajı tamamlanana kadar montaj kafaları birbiri ile uyumlu bir şekilde topla-ve-yerleştir işlemlerini gerçekleştirirler. Parçaların montajı tamamlandıktan sonra montaj kafaları başlangıç noktalarına dönerler. Literatürde farklı tipteki montaj makineleri için bir çok çalışma olmasına rağmen, topla-ve-yerleştir makinelerindeki işlemlerin optimizasyonuna yönelik çok az sayıda çalışma mevcuttur. Örneğin, Altınkemer ve diğerleri (2000) topla-ve-yerleştir makinelerinin işlem sıralarının optimizasyonu için bir yöntem geliştirmiştir. Bu yöntem, besleyici atama ve parça yerleştirme sıralaması problemlerini eş zamanlı çözebilmek için problemi iki alt modele ayrıştıran Lagrange gevşetmesi (Lagrangean relaxation) içermektedir. Yine topla-ve-yerleştir makinesinde işlemlerin optimizasyonu için üç adımlı sezgisel bir yaklaşım Grunow ve diğerleri (2004) tarafından sunulmuştur. Farklı PCB montaj makinelerinin optimizasyonu için son yıllarda genetik algoritmaları kullanan yöntemler de geliştirilmiştir. Khoo ve Ng (1998) PCB lerin yarı-otomatik montajı için parça yerleştirme sırasını ve mesafesini optimize eden prototip niteliğinde bir genetik algoritma geliştirmiştir. Bu uygulamada hem besleyici atama problemi çözülmemiş hem de farklı problem hacimlerine sahip PCB ler test edilmemiştir. Hong ve diğerleri (2000) sıralı pipetli (beam type) yüzey montaj makinelerinde PCB montaj zamanını en aza indirmek için genetik algoritma prensibine benzer çalışan biyolojik bağışıklık algoritmasını (BIA - Biological Immune Algorithm) geliştirmiştir. Bu yöntem, problemi parça tiplerinin montaj kafalarına atanması, parça tipi gruplarının oluşturulması, parça tipi gruplarının ataması ve parça gruplarının sıralaması adımlarına ayrıştırmaktadır. Yine Loh ve diğerleri (2001) Quad IIIC makinesi için besleyici ataması ve parça yerleştirme sırası problemlerini çözen bir genetik algoritma modeli geliştirmiştir. Geliştirilen yöntemin test sonuçları Wong ve Leu (1993) tarafından geliştirilen WL-GA ile Rubinovitz ve Volovich (1994) tarafından geliştirilen RV-GA genetik algoritmalarıyla karşılaştırılmış ve önerilen algoritmanın daha iyi performans değerleri verdiği belirtilmiştir. Sun ve diğerleri (2005) sıralı pipetli çift montaj kafalı yüzey montaj makinesinde işlemlerin optimizasyonu için genetik algoritma yaklaşımını da içeren bir yöntem sunmuştur. Bu çalışma, parça yerleştirme sırası ve montaj kafası çizelgeleme problemlerinin çözümünü içermemektedir. Literatürde, dönel montaj kafalı topla-ve-yerleştir makinesi işlemlerini genetik algoritmalar ile optimize etmeye çalışan bir çalışma bilgimiz dahilinde mevcut değildir. Şekil 1. Çift dönel montaj kafalı topla-ve-yerleştir makinesi Genetik algoritma (GA) yöntemi, PCB montajındaki besleyici ataması ve parça yerleştirme sırası problemlerini eş zamanlı olarak, genetik adaptasyon ve seçim prensipleri yardımıyla yüksek performansda çözme yeteneğine sahiptir. Parça sayısının fazla olduğu PCB örneklerinde ise kromozomdaki gen sayısı artmakta ve genetik algoritmaların performansı düşmektedir. Bu nedenle, literatürdeki çalışmalarda ya montajı yapılacak parça sayısı düşük tutulmakta ya da sayının fazla olduğu durumlar için GA performansı düşük kalmaktadır. Bu çalışma ile endüstriyel uygulamalarda kullanılan PCB örneklerini kabul edilebilir zaman içinde cözebilecek yeni GA çözümleri sunulmaktadır. 122
3 V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, Kasım GENETİK ALGORİTMA ESASLI PCB MONTAJ YÖNTEMİ Genetik algoritmalar diğer klasik arama tekniklerinden farklı olarak, topluluk olarak adlandırılan başlangıç rassal çözümler kümesi ile çözüme başlarlar (Gen ve Cheng, 1997). Mevcut problem için bir çözümü temsil eden topluluktaki her bir birey kromozom olarak adlandırılır. Kromozomlar bir dizi kısımlardan oluşur ve her bir kısım gen olarak ifade edilmektedir. Kromozomlar başarılı iterasyonlar vasıtası ile evrim geçirirler ve yeni nesilleri oluştururlar. Her bir nesil ya da iterasyon için, topluluktaki her bir kromozom uygunluk fonksiyonu (fitness function) ile değerlendirilir. Çocuk (offspring) olarak adlandırılan yeni kromozomlar hem çaprazlama (crossover) operatörü kullanılarak mevcut nesildeki iki kromozomun eşleştirilmesi, hem de mutasyon (mutation) kullanılarak bir kromozomun modifikasyonu ile ortaya çıkarılırlar. Aile (parent) kromozomlarının ve oluşturulan çocukların bir kısmı uygunluk değerlerine göre seçilir. Geri kalanlar topluluk hacminin sabit tutulması için elenir. Bu uygulama sonucunda yeni bir nesil oluşturulur. Belli bir iterasyon sonucunda ilgili probleme en iyi çözüm üreten kromozom ortaya çıkmaktadır. Kromozom Yapısı: PCB işlemlerinin optimizasyonu için geliştirilen GA kromozom yapısı iki kısımdan oluşmaktadır. İlk kısım ilk montaj kafasının kullandığı magazin ve gerçekleştirdiği işlemleri içerirken, ikinci kısım da diğer montaj kafasının kullandığı magazin ve gerçekleştirdiği işlemleri kapsamaktadır. Her iki kısımda da besleyici ataması ve parçaların montaj sırası optimizasyonu eş zamanlı olarak gerçekleştirilmeye çalışılmaktadır. Şekil 2 de çift montaj kafalı topla-ve-yerleştir makinesi işlemlerinin optimizasyonu için geliştirilen kromozom yapısı gösterilmektedir. 1. Besleyici Ataması 1. Kafa Parca İşlem Sırası 2. Besleyici Ataması 2. Kafa Parca İşlem Sırası a 1 a 2. a s b 1 b 2. b n a 1 a 2. a k b 1 b 2. b m a i ve a j : Sırasıyla birinci ve ikinci magazin için atanan parça tipleri (i= 1,2,...,s ve j= 1,2,...,k) b t ve b p : Sirasiyla birinci ve ikinci montaj kafasının montaj işlemleri sırası (t=1,2,..., n ve p=1,2,..,m) Şekil 2. Kromozom yapısı Başlangıç Topluluğunun Oluşturulması: Genetik algoritma, başlangıç topluluğu olarak bilinen ve rassal olarak belirlenmiş büyük bir kromozom kümesi ile çözüme başlar. Çok iyi uygunluk değerine sahip bir kromozomun başlangıç çözümünde üretilmesi rassallıktan dolayı oldukça zordur. Geliştirilen genetik algoritmada, başlangıç topluluğu topluluk hacminin iki katı olarak alınmıştır. Uygunluk Fonksiyonu: Her nesil için topluluktaki tüm kromozomlar uygunluk fonksiyonu ile değerlendirilirler. Uygunluk değeri daha iyi olan kromozomlar yeni çocukları oluşturmak için eşleştirme havuzuna seçilirler. Uygunluk değeri daha iyi olan kromozomların eşleştirilmesi GA nın çözüme daha kısa zamanda ulaşmasını sağlamaktadır. Geliştirilen GA da uygunluk fonksiyonu PCB montajının toplam süresi olarak belirlenmiştir. Tüm kromozomlar içinde en düşük montaj süresini veren kromozom en iyi çözüm olarak değerlendirilir. Aile Seçimi: Eşleştirme prosesi ile seçilmiş aile kromozomlarından bir ya da daha fazla çocuk üretilmesi amaçlanmaktadır. Her nesil için eşleştirme havuzu oluşturulmadan belirtilen süreç gerçekleştirilemez. Topluluk içinden eşleştirme havuzuna seçilecek kromozomların belirlenmesi de GA nın iyi performans vermesi açısından oldukça önemlidir. Bu çalışmada, uygunluk değeri topluluğun ortalama uygunluk değerine eşit ya da daha iyi olan kromozomlar eşleştirme havuzuna alınmaktadır. Çocukların oluşturulması için eşleştirme havuzundan aile kromozom çiftlerinin belirlenmesinde kullanılan yöntemler rulet tekeri (roulette wheel), sıra esaslı ağırlıklandırma (rank weighting) ve turnuva (tournament) metodlarıdır. Genetik Algoritma Operatörleri: Genetik operatörler kullanılarak, uygunluk değeri daha iyi yeni çocuk kromozomların oluşturulması amaçlanmaktadır. Bu amaç doğrultusunda çeşitli çaprazlama ve mutasyon operatörleri kullanılmaktadır. Çaprazlama operatörü, iki aile kromozomun özelliklerini birleştirerek daha iyi uygunluk değerine sahip çocukların bulunması için kullanılmaktadır. Literatürde bir çok çaprazlama operatörü çeşidi sunulmuştur. Bu çalışmada, sıra çaprazlama (order crossover - OX), pozisyon esaslı çaprazlama (uniform(position)-based crossover), kısmı ilişkilendirilmiş çaprazlama (partially mapped crossover - PMX) ve çevrim çaprazlama (cycle crossover - CX) yöntemleri uygulanmış ve test edilmiştir. İlgili çaprazlama yöntemleri ile ilgili detaylı bilgi Gen ve Cheng (1997) de bulunabilir. 123
4 O. Kulak, İ. O. Yılmaz, H. O. Günther Mutasyon, GA yönteminin çözüm arama sürecinde tüm arama bölgelerine girişini sağlayan önemli bir operatördür. Geliştirilen yöntem iki nokta değiş tokuş (swap), ters çevirme (inversion), sola kaydırma (left rotation), sağa kaydırma (right rotation) ve karışık (mixed) mutasyon operatörlerini içermektedir. Karışık operatör yaklaşımında ilk 4 yöntemden birisi rassal olarak seçilmekte ve ilgili nesil için seçilen bu operatör kullanılmaktadır. Böylece değişik nesiller için farklı mutasyon operatörleri kullanılabilmektedir. Sonlandırma Koşulu: GA iterasyonlarını sonlandırmak için uygunluk fonksiyonu değeri ve üst zaman sınırı olmak üzere eş zamanlı iki sonlandırma koşulu kullanılmaktadır. Eğer mevcut topluluktaki ortalama ve en iyi uygunluk fonksiyonu değerleri bir sonraki topluluktaki ilgili değerlere belirli bir iterasyon sayısı süresince eşit kalıyorsa GA arama süreci sonlandırılır. Ayrıca her bir deneyin gerçekleşme süresini kontrol altında tutmak için üst zaman sınırı da belirlenmektedir. 3. ÇİFT MONTAJ KAFALI TOPLA-VE-YERLEŞTİR MAKİNELERİ İÇİN GELİŞTİRİLEN YÖNTEMLER Çift montaj kafalı topla-ve-yerleştir makineleri her bir montaj kafası için birer magazine sahip olduğu için tüm parça türü besleyicilerinin magazinlerden birisine atanması gerekmektedir. Bu atama problemini çözmek için iki farklı strateji geliştirilmiştir. Bu yöntemlerden ilki, bir parça tipinin sadece tek bir magazine atandığı tek besleyici atama yöntemidir. (Bölüm 3.1). Diğer yöntem ise bir parça tipinin iki magazine de atanabildiği çoklu besleyici atama yöntemidir. (Bölüm 3.2) Tek Besleyici Ataması Besleyici atamasındaki ana düşünce her bir montaj kafası için iş yükü dengesinin sağlanmasıdır. Bu problemi çözebilmek için geliştirilen ilk yöntemde bir parça tipi sadece tek bir magazine atanmaktadır. Bir magazine atanan herhangi bir parça türüne ait tüm işlemler magazinle ilgili montaj kafası tarafından gerçekleştirilmektedir. Belirtilen atama sezgiselinin uygulama adımları şunlardır: Adım 1. PCB deki parça türleri ve sayılarını belirle. Parça sayısına göre büyükten küçüğe tüm parçaları sırala. Adım 2. Her bir parça türünün işlemleri itibariyle hangi magazine yakın olduğunu belirle. Adım 3. Eğer iki magazinin iş yükü farkı pipet sayısından (6 yada 12) küçükse, belirlenen parça türlerini yakın oldukları tarafa ata. Bu koşul sağlanmıyorsa iş yükü küçük olan tarafa ata. Adım 4. Tüm parça türlerini herhangi bir magazine atanana kadar adım 3 e devam et. Adım 5. Her bir montaj kafası için tur sayısının eşit olmaması durumunda, eğer mümkünse son turda fazla işlem sayısına sahip montaj kafasından diğerine bu montaj kafasının son turundaki boşluğu aşmayacak şekilde atama yap Çoklu Besleyici Ataması Çoklu besleyici ataması yönteminin amacı her iki montaj kafası arasındaki iş yükü dengesini geliştirmektir. Bu yöntem ile bir taraftan eşit işyükü dağılımı sağlanırken, diğer taraftan bir parça türü her iki magazine de atanabildiği için fazla besleyici ihtiyacı ortaya çıkmakta ve bu da fazla yatırım maliyetine neden olabilmektedir. Belirtilen dağıtım sezgiselinin uygulama adımları şu şekildedir: Adım 1. PCB üzerindeki tüm montaj işlemleri için bölüm 3.3 de belirtilen yöntemle küçük kümeler oluşturulur. Adım 2. Kümelerin yoğunluk merkez noktaları y ekseni boyunca birinci magazinden ikinci magazine doğru sıralanır. Adım 3. Tüm kümeler merkez noktası en yakın olan magazin ve bu magazinden parça toplayan montaj kafasına atanır. Magazin ve ilgili montaj kafalarına eşit sayıda küme atanmadığında, eşitlik sağlanıncaya kadar fazla küme atanmış magazinden en uzağındaki küme ya da kümeler diğer magazine atanir. Adım 4: Atama sonrasında ilk montaj kafasına atanmış işlemlerin gerektirdiği parça türleri birinci magazini oluştururken, diğer montaj kafasına atanmış işlemlerin gerektirdiği parça türleri de ikinci magazini oluşturur. Atama sonucunda bir parça türü her iki magazinde de bulunabilir Kullanılan GA Yöntemleri İş yükü dağıtımından sonra parça türleri ve işlemler bazında birinci montaj kafası ve birinci magazin parçalarından oluşan ilk kısım kendi arasında, ikinci montaj kafası ve ikinci magazin parçalarından oluşan ikinci kısım da kendi arasında olmak üzere atama gerçekleşir. Bu kısımda, atama sonrasında işlemlerin kromozom üzerinde yerleştirilmesi şekline bağlı olarak üç farklı GA yöntemi oluşturulmuştur. Tüm İşlemleri Bütün Olarak Dikkate Alan Yöntem: Şekil 2 de gösterildiği gibi, atama sonrasında montaj kafalarına atanan tüm işlemler, kromozom üzerinde ilgili montaj kafasına ait işlem sırasının belirlendiği kısma yerleştirilirler. GA işlemleri boyunca bu bölümler bütün olarak dikkate alınırlar. Küçük İşlem Kümelerini Dikkate Alan Yöntem: Bu yaklaşım, birinci ve ikinci montaj kafasının gerçekleştireceği işlemlerinin pipet sayısı (6 yada 12) miktarınca küçük kümelere ayrılmasını içermektedir. Küçük kümelerin oluşturulması Ahmadi ve Osman (2005) tarafından geliştirilen yoğunluk tarama yapılandırma yöntemi (density search construction method - DSCM) ile gerçekleştirilmektedir. DSCM ye göre oluşturulan küçük kümeler, 124
5 V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, Kasım 2005 kümelerin merkez noktaları değerleri gözönüne alınarak x ekseni boyunca sıralanırlar. Bu sıraya uygun olarak da kromozom üzerinde yerleştirmeleri gerçekleştirilir. Büyük İşlem Kümelerini Dikkate Alan Yöntem: Bu yaklaşım birinci ve ikinci montaj kafası işlemleri için ayrı ayrı oluşturulan küçük kümelerden büyük kümelerin oluşturulması esasına dayanmaktadır. Küçük kümelerden büyük kümelerin oluşturulması, kromozom üzerindeki işlem sıraları bölümleri, pipet sayısının (6 yada 12) katları olacak şekilde 60 ile 96 arasında işlem içerecek şekilde bölümlere ayrılır. 4. SAYISAL İNCELEME 4.1. Deneysel Tasarım Önerilen yöntemlerin performanslarını değerlendirmek için farklı PCB lere yönelik sayısal testler bu bölümde sunulmaktadır. GA yöntemlerini içeren bir yazılım Visual C++.NET programlama dili kullanılarak kodlanmış ve sayısal deneyler Athlon XP GHz işlemci ve 512 MB RAM içeren bir bilgisayar yardımıyla gerçekleştirilmiştir. Analizler boyunca, 12 pipetli çift yerleştirme montaj kafasına sahip topla-ve-yerleştir makinesi göz önüne alınmıştır. Bu makineye ait özellikler tablo 1 de gösterilmektedir. Sayısal deneyler için geliştirilen PCB lerde işlem sayısı 240, 360 ve 480, her bir PCB deki parça türü sayısı da 36 ve 60 olarak tanımlanmış ve bu şekilde toplam 6 adet PCB üretilmiştir. Her bir PCB için, bir parça türüne ait montajı yapılacak parça sayısı ve herbirinin yerleştirme koordinatları düzgün dağılıma göre rassal olarak oluşturulmuştur. Tablo 1. Topla-ve-yerleştir makinelerinin özellikleri X ve y eksenindeki hareket hızı (mm/s) 800,0 Montaj kafası dönüş hızı (s) 0,05 Parça yerleştirme süresi (s) 0,04 Parça alış süresi (s) 0,04 Başlangıç pozisyonu (mm olarak x ve y değerleri) 10,0 Makine işlem alanı boyutları (mm olarak x ve y değerleri) 1000,0 Birinci besleyici pozisyonu (mm olarak x değeri) 100,0 Besleyici pozisyon sayısı 100 Pozisyon genişliği (mm) 8,0 Magazin y ekseni değeri (mm) 100,0 GA yöntemlerinden etkin sonuçlar elde edebilmek için GA işlem parametrelerinin seçimi oldukça önemlidir. Gerçekleştirilen ilk deneyler sonucunda tablo 2 de gösterilen parametreler belirlenmiştir. Bu parametreler önerilen yöntemlerin karşılaştırılması için üretilen PCB lerin analizinde kullanılacaktır. Tablo 2. GA Parametreleri Topluluk boyutu 2000 Çaprazlama yöntemi Pozısyon esaslı Çaprazlama oranı % 90 Mutasyon yöntemi Ters çevirme Mutasyon oranı % 10 Mutasyon stratejisi Üssel azalan Mutasyon azalma oranı % 50 Aile seçim yöntemi Rulet tekeri 4.2. Yöntemlerin ve Stratejilerin Karşılaştırılması Gerçekleştirilen deneyler sonucunda büyük işlem kümelerini dikkate alan GA yöntemi, tüm işlemleri bütün olarak dikkate alan GA yönteminden daha kısa sürede daha iyi sonuçlar elde etmiştir. Kücük işlem kümelerini dikkate alan GA yöntemi ise diğer iki yöntemden de daha kötü sonuçlar vermiştir. Bu nedenle tablo 3 de gösterilen stratejilerin karşılaştırılması büyük işlem kümelerini dikkate alan GA sonuçları ile yapılmaktadır. Tablo 3 deki değerler her bir PCB örneğinin 8 defa çalıştırılıp en iyi değerin seçilmesi ile elde edilmiştir. 125
6 O. Kulak, İ. O. Yılmaz, H. O. Günther Tablo 3. GA yöntemlerinin karşılaştırılması Tek besleyici ataması Çoklu besleyici ataması PCB (parça,tür) Montaj Hesap Besleyici İşyükü Montaj Hesap Besleyici İşyükü süresi(s) süresi(s) sayısı (kafa 1/ 2) süresi(s) süresi(s) sayısı (kafa 1/ 2) (240,36) 32, /125 30, /120 (240,60) 32, /126 30, /120 (360,36) 48, /185 44, /180 (360,60) 47, /186 44, /180 (480,36) 63, /242 59, /240 (480,60) 63, /245 60, /240 Tablo 3 de görüldügü gibi çoklu besleyici ataması sonuçları diğer yönteme göre ortalama % 6 gelişme göstermektedir. Bu yöntemde işyükünün eşit dağıtılması ve bu süreç içerisinde işlemlerin kendisine yakın olan magazine atanması önceliği daha düşük montaj sürelerinin elde edilmesini sağlamıştır. Buna karşılık kullanılan toplam besleyici sayısında belirli bir artış gözlenmektedir. 5. SONUÇ Çift montaj kafalı topla-ve yerleştir makinasında PCB işlemlerinin montaj süresini en aza indiren üç farklı GA yöntemi gerliştirilmiştir. Örnek PCB ler ile gerçekleştirilen testler sonucunda büyük işlem kümelerini dikkate alan GA yönteminin diğerlerine göre daha iyi sonuçlar verdiği belirlenmiştir. Ayrıca en iyi sonucu veren yöntem kullanılarak besleyici atama stratejileri karşılaştırılmış ve geliştirilen GA kafaların çevrim sürelerini eş zamanlı olarak dengelediğinden etkin sonuçlar elde edilmiştir. 6. KAYNAKÇA AHMADI, S., OSMAN, I. H., 2005, Greedy Random Adaptive Memory Programming Search for the Capacitated Clustering Problem, European Journal of Operational Research, 162, ALTINKEMER, K., KAZAZ, B., KÖKSALAN, M., MOSKOWITZ, H., 2000, Optimization of Printed Circuit Board Manufacturing: Integrated Modeling and Algorithms, European Journal of Operations Research, 124, AMMONS, J. C., CARLYLE, M., CRANMER, L., DEPUY, G. W., ELLIS, K., MCGINNIS, L. F., TOVEY, C. A., XU, H., 1997, Component Allocation to Balance Workload in Printed Circuit Card Assembly Systems, IIE Transactions, 29, GEN, M., CHENG, R., 1997, Genetic Algorithms and Engineering Design, John Willey & Sons, Inc., New York. GRUNOW, M., GÜNTHER, H. O., SCHLEUSENER, M., YILMAZ, I. O., 2004, Operations Planning for Collect-and-Place Machines in PCB Assembly, Computers & Industrial Engineering, 47, HONG, J., LEE, W., LEE, S., LEE, B., LEE, Y., 2000, An Efficient Production Planning Algorithm for Multi-Head Surface Mounting Machines Using the Biological Immune Algorithm, International Journal of Fuzzy Systems, 2 (1), KHOO, L. P., NG, T. K., 1998, A Genetic Algorithm-Based Planning System for PCB Component Placement. International Journal of Production Economics, 54, LOH, T. S., BUKKAPATNAM, S. T. S., MEDEIROS, D., KWON, H., 2001, A Genetic Algorithm for Sequential Part Assignment for PCB Assembly, Computers & Industrial Engineering, 40, RUBINOVITZ, J., VOLOVICH, D., 1994, Genetic Algorithm for the Robotic Assembly Plan Problem, SME Technical Paper MS STRAUSS, R., 1997, Surface Mount Assembly. Oxford ve diğerleri.: Butterworth-Heinemann, 2nd ed. SUN, D. S., LEE, T. E., KIM, K. H., 2005, Component Allocation and Feeder Arrangement for A Dualgantry Multi-Head Surface Mounting Placement Tool. International Journal of Production Economics, 95, WONG, H., LEU, M. C., 1993, Adaptive Genetic Algorithm for Optimal PCB Assembly Planning. CIRP Annals, 42 (1),
Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı
Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar
DetaylıYZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR
YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR Sınıflandırma Yöntemleri: Karar Ağaçları (Decision Trees) Örnek Tabanlı Yöntemler (Instance Based Methods): k en yakın komşu (k nearest
DetaylıGENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA
GENETİK ALGORİTMA ÖZNUR CENGİZ 201410306014 HİLAL KOCA 150306024 GENETİK ALGORİTMA Genetik Algoritma yaklaşımının ortaya çıkışı 1970 lerin başında olmuştur. 1975 te John Holland ın makine öğrenmesi üzerine
DetaylıGENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ
GENETİK ALGORİTMALAR Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Genetik algoritmalar, Darwin in doğal seçim ve evrim teorisi ilkelerine dayanan bir arama ve optimizasyon yöntemidir.
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm) Doç.Dr. M. Ali Akcayol Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik
DetaylıGENETİK ALGORİTMALAR BÜŞRA GÜRACAR
GENETİK ALGORİTMALAR BÜŞRA GÜRACAR 201420404036 İÇERİK Genetik Algoritmanın, Amacı Kullanım Alanları Kavramları Uygulama Adımları Parametreler Genetik Algoritma Kodlama Türleri Genetik Algoritma Genetik
DetaylıGenetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:
Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.
DetaylıSerdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA
i GENETİK ALGORİTMA YAKLAŞIMIYLA ATÖLYE ÇİZELGELEME Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ OCAK 2005 ANKARA ii Serdar BİROĞUL tarafından hazırlanan
DetaylıİLERİ ALGORİTMA ANALİZİ GENETİK ALGORİTMA
İLERİ ALGORİTMA ANALİZİ 1. Giriş GENETİK ALGORİTMA Geniş çözüm uzaylarının klasik yöntemlerle taranması hesaplama zamanını artırmaktadır. Genetik algoritma ile kabul edilebilir doğrulukta kısa sürede bir
DetaylıFonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
DetaylıKİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI
KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıEMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms)
2017-2018 Güz Yarıyılı EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 4 Genetik Algoritma Örnek Uygulamalar (Sırt Çantası Problemi, Sınav Programı Çizelgeleme) Yrd. Doç. Dr. İbrahim
DetaylıGenetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden
Genetik Algoritmalar Nesin Matematik Köyü Evrim Çalıştayı 20-23 Nisan, 202 Genetik Algoritmalar (GA Đçerik Biyolojiden esinlenme GA nın özellikleri GA nın unsurları uygulama Algoritma Şema teoremi Mustafa
DetaylıXII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU
XII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU EDİTÖRLER İbrahim GÜRLER, Ozan ÇAKIR YAYINA HAZIRLAYANLAR Mümin ÖZCAN, R. Altuğ TURAN 27 29 EYLÜL 2012 GEDİZ ÜNİVERSİTESİ SEYREK YERLEŞKESİ BİLDİRİLER MONTAJ HATTI
DetaylıDİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1
DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1 Emre YAMANGİL Orhan FEYZİOĞLU Süleyman ÖZEKİCİ Galatasaray Üniversitesi Galatasaray Üniversitesi Koç Üniversitesi
DetaylıGENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI
ÖZEL EGE LĠSESĠ GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI HAZIRLAYAN ÖĞRENCĠLER: Berkin ĠNAN Doğa YÜKSEL DANIġMAN ÖĞRETMEN: Aslı ÇAKIR ĠZMĠR 2014 ĠÇĠNDEKĠLER 1. PROJENĠN AMACI. 3
DetaylıMontaj Hatti Tasarımı ve Analizi - 8
Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü 2017-2018 Bahar Yarıyılı Montaj Hatti Tasarımı ve Analizi - 8 Yrd. Doc. Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr Tek Modelli Düz MHD Problemlerinin
DetaylıMontaj Hatti Tasarımı ve Analizi - 5
Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2017-2018 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 5 Yrd. Doç. Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr 2 En Erken ve En Gec Istasyon
DetaylıGoogle Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri
Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri Onur KARASOY 1, Serkan BALLI 2 1 Muğla Sıtkı Koçman Üniversitesi Bilgi İşlem Dairesi Başkanlığı 2 Muğla Sıtkı Koçman Üniversitesi Bilişim Sistemleri
DetaylıEv Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması
Ev Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması Özay CAN, Nedim TUTKUN Düzce Üniversitesi Elektrik/Elektronik Mühendisliği Kapsam Giriş Hibrit Sistem ve Güç
DetaylıPARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ
Ege Akademik BakıĢ / Ege Academic Review 10 (1) 2010: 199-210 PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ EFFICIENCY OF MUTATION RATE FOR PARALLEL MACHINE SCHEDULING
Detaylı9. ULUSAL ÜRETĠM ARAġTIRMALARI SEMPOZYUMU Ekim 2009 ÜAS 2009 BĠLDĠRĠLER KĠTABI. Editörler: Prof.Dr. Nihat YÜZÜGÜLLÜ Yrd.Doç.Dr.
9. ULUSAL ÜRETĠM ARAġTIRMALARI SEMPOZYUMU 15-17 Ekim 2009 ÜAS 2009 BĠLDĠRĠLER KĠTABI Editörler: Prof.Dr. Nihat YÜZÜGÜLLÜ Yrd.Doç.Dr. Servet HASGÜL Eskişehir Osmangazi Üniversitesi Mühendislik Mimarlık
DetaylıEMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) Genetik Algoritma
2017-2018 Güz Yarıyılı Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 3 Genetik Algoritma Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ Web:
DetaylıMETASEZGİSEL YÖNTEMLER. Genetik Algoritmalar
METASEZGİSEL YÖNTEMLER Genetik Algoritmalar 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik Genetik Algoritma Algoritma Uygulamaları üzerine klasik eser
DetaylıBilgisayar programlamanın üç temel mantık yapısından biridir. Diğer ikisi ise Seçilim(Selection) ve Döngü(Loop, Iteration)dür.
SEQUENCE ALGORİTMASI Bilgisayar programlamanın üç temel mantık yapısından biridir. Diğer ikisi ise Seçilim(Selection) ve Döngü(Loop, Iteration)dür. Bir dizi yapısı içinde, bir eylem ya da bir olay, geçmiş
DetaylıPARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN
PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN 1995 yılında Dr.Eberhart ve Dr.Kennedy tarafından geliştirilmiş popülasyon temelli sezgisel bir optimizasyon tekniğidir.
Detaylı2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics
2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının
DetaylıVERİ YAPILARI VE PROGRAMLAMA
VERİ YAPILARI VE PROGRAMLAMA (BIP116) Yazar: Doç.Dr.İ.Hakkı.Cedimoğlu SAKARYA ÜNİVERSİTESİ Adapazarı Meslek Yüksekokulu Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir.
DetaylıGENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ
VI. Ulusal Temiz Enerji Sempozyumu UTES 2006 25 27 Mayıs 2006, Isparta Sf.756 764 GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ Nida Nurbay ve Ali Çınar Kocaeli Üniversitesi Tek. Eğt. Fak. Makine
DetaylıDOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA
Istanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi Yıl:8 Sayı:15 Bahar 2009 s.167-178 DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA Timur KESKİNTÜRK * Serap ŞAHİN ÖZET
DetaylıYZM ALGORİTMA ANALİZİ VE TASARIM DERS#9: AÇGÖZLÜ ALGORİTMALAR
YZM 3207- ALGORİTMA ANALİZİ VE TASARIM DERS#9: AÇGÖZLÜ ALGORİTMALAR Aç Gözlü (Hırslı) Algoritmalar (Greedy ) Bozuk para verme problemi Bir kasiyer 48 kuruş para üstünü nasıl verir? 25 kuruş, 10 kuruş,
DetaylıBilişim Sistemleri. Modelleme, Analiz ve Tasarım. Yrd. Doç. Dr. Alper GÖKSU
Bilişim Sistemleri Modelleme, Analiz ve Tasarım Yrd. Doç. Dr. Alper GÖKSU Ders Akışı Hafta 10-11. Nesneye Yönelik Sistem Tasarımı Haftanın Amacı Bilişim sistemleri geliştirmede nesneye yönelik sistem tasarımı
DetaylıKARIŞIK MODELLİ MONTAJ HATLARININ GENETİK ALGORİTMA KULLANILARAK DENGELENMESİ
Yönetim, Yıl: 17, Sayı: 53, Şubat 2006 KARIŞIK MODELLİ MONTAJ HATLARININ GENETİK ALGORİTMA KULLANILARAK DENGELENMESİ Arş. Grv. Timur KESKİNTÜRK İ.Ü.İşletme Fakültesi Sayısal Yöntemler Anabilim Dalı Arş.
DetaylıMontaj Hatti Tasarımı ve Analizi - 6
Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2015-2016 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 6 Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr 2 Sezgisel Algoritmalar Heuristic Algorithms
DetaylıMontaj Hatti Tasarımı ve Analizi - 6
Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2017-2018 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 6 Yrd. Doç. Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr 2 Sezgisel Algoritmalar Heuristic
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Altın Oran (Golden Section Search) Arama Metodu Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f
DetaylıGEZGİN SATICI PROBLEMİ İÇİN BİR MEMETİK ALGORİTMA ÖNERİSİ
GEZGİN SATICI PROBLEMİ İÇİN BİR MEMETİK ALGORİTMA ÖNERİSİ Engin Sansarcı İ.T.Ü. İşletme Fakültesi, İSTANBUL enginsansarci@gmail.com Abdullah Aktel İ.T.Ü. İşletmeFakültesi, İSTANBUL abdullahaktel@gmail.com
DetaylıTAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ. M. Levent Koç* Can E. Balas**
TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ M. Levent Koç* Can E. Balas** (*) Yrd. Doç. Dr., Cumhuriyet Üniversitesi, Mühendislik Fakültesi İnşaat Mühendisliği Bölümü, Sivas Tel:
DetaylıBİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ
BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ Özgür ARMANERİ Dokuz Eylül Üniversitesi Özet Bu çalışmada, bir montaj hattı
DetaylıÜstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu
Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu Tamer Eren Kırıkkale Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 71451,
DetaylıBilişim Sistemleri. Modelleme, Analiz ve Tasarım. Yrd. Doç. Dr. Alper GÖKSU
Bilişim Sistemleri Modelleme, Analiz ve Tasarım Yrd. Doç. Dr. Alper GÖKSU Ders Akışı Hafta 5. İhtiyaç Analizi ve Modelleme II Haftanın Amacı Bilişim sistemleri ihtiyaç analizinin modeli oluşturulmasında,
DetaylıALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU
ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x)
DetaylıSOBA BORUSU AÇINIM LEVHALARININ KESİLMESİNDE MALİYETLERİN ENKÜÇÜKLENMESİ
SOBA BORUSU AÇINIM LEVHALARININ KESİLMESİNDE MALİYETLERİN ENKÜÇÜKLENMESİ Doğan EROL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü 1. PROBLEMİN TANIMLANMASI Şekil - 1'de 5 değişik soba borusu için açınım
DetaylıGENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA
GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği
DetaylıMekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.
Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ Ders 1- Yapay Zekâya Giriş Erhan AKDOĞAN, Ph.D. Yapay Zekâ nedir?! İnsanın düşünme ve karar verme yeteneğini bilgisayarlar aracılığı ile taklit etmeye
DetaylıEM302 Yöneylem Araştırması 2. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Dr. Özgür Kabak TP Çözümü TP problemlerinin çözümü için başlıca iki yaklaşım vardır kesme düzlemleri (cutting planes) dal sınır (branch and bound) tüm yaklaşımlar tekrarlı
DetaylıBÖLÜM III: Şebeke Modelleri. Şebeke Kavramları. Şebeke Kavramları. Şebeke Kavramları. Yönlü Şebeke (Directed Network) Dal / ok
8.0.0 Şebeke Kavramları BÖLÜM III: Şebeke Modelleri Şebeke (Network) Sonlu sayıdaki düğümler kümesiyle, bunlarla bağlantılı oklar (veya dallar) kümesinin oluşturduğu yapı şeklinde tanımlanabilir ve (N,A)
DetaylıEsnek Hesaplamaya Giriş
Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan
DetaylıİLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH)
İLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH) Tabu Arama Algoritması, optimizasyon problemlerinin çözümü için F.Glover tarafından geliştirilmiş iteratif bir araştırma algoritmasıdır. Temel
DetaylıROBOTLU HÜCRELERDE YALIN ÜRETİM TEKNİKLERİ KULLANILARAK ROBOT ÇEVRİM ZAMANININ VE VERİMLİLİĞİNİN ARTTIRILMASI
3. Ulusal Talaşlı İmalat Sempozyumu, 04-05 Ekim 2012, Ankara, Türkiye Özet ROBOTLU HÜCRELERDE YALIN ÜRETİM TEKNİKLERİ KULLANILARAK ROBOT ÇEVRİM ZAMANININ VE VERİMLİLİĞİNİN ARTTIRILMASI Ardan KAYAALTI a,
DetaylıGENETİK ALGORİTMALARA GİRİŞ (III)
GENETİK ALGORİTMALARA GİRİŞ (III) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620
DetaylıIENG 227 Modern Üretim Yaklaşımları
IENG 227 Modern Üretim Yaklaşımları Pamukkale Üniversitesi Endüstri Mühendisliği Bölümü IENG 227 Modern Üretim Yaklaşımları Dr. Hacer Güner Gören Esnek Üretim Sistemleri Esnek Üretim Sistemleri Bir esnek
DetaylıSüreç Yönetimi. Logo
Süreç Yönetimi Logo Kasım 2013 SÜREÇ YÖNETİMİ Süreç belirlenen bir amaca ulaşmak için gerçekleştirilen faaliyetler bütünüdür. Örn; Sistemde kayıtlı personellerinize doğum günü kutlama maili gönderme, Deneme
DetaylıPROGRAMLAMAYA GİRİŞ. Öğr. Gör. Ayhan KOÇ. Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay.
PROGRAMLAMAYA GİRİŞ Öğr. Gör. Ayhan KOÇ Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay., 2007 Algoritma ve Programlamaya Giriş, Ebubekir YAŞAR, Murathan Yay., 2011
DetaylıERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI
İlaç Tasarımında Yeni Yazılımların Geliştirilmesi: Elektron Konformasyonel-Genetik Algoritma Metodu ile Triaminotriazin Bileşiklerinde Farmakofor Belirlenmesi ve Nicel Biyoaktivite Hesabı; ERCİYES ÜNİVERSİTESİ
DetaylıFiziksel Veritabanı Modelleme
Fiziksel Veritabanı Modelleme Fiziksel Veritabanı VTYS, verileri yan bellekte tutar. Bu yüzden VTYS lerde sıklıkla READ (yan bellekten okuma) ve WRITE (yan belleğe yazma) işlemi meydana gelir. READ ve
DetaylıAlgoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması Ağaç, verilerin birbirine sanki bir ağaç yapısı oluşturuyormuş gibi sanal olarak bağlanmasıyla elde edilen hiyararşik yapıya sahip
DetaylıGraflar bilgi parçaları arasındaki ilişkileri gösterirler.
Graflar (Graphs) Graf gösterimi Uygulama alanları Graf terminolojisi Depth first dolaşma Breadth first dolaşma Topolojik sıralama Yrd.Doç.Dr. M. Ali Akcayol Graflar Graflar bilgi parçaları arasındaki ilişkileri
DetaylıTemel ve Uygulamalı Araştırmalar için Araştırma Süreci
BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması
DetaylıDEPO OPERASYONLARININ KÜMELENDĠRME ESASLI GENETĠK ALGORĠTMALAR ĠLE YÖNETĠLMESĠ
DEPO OPERASYONLARININ KÜMELENDĠRME ESASLI GENETĠK ALGORĠTMALAR ĠLE YÖNETĠLMESĠ Yusuf ġahġn Osman KULAK Hasan AKYER Pamukkale Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, Kınıklı Kampusu
DetaylıAlgoTrader. Algorithmic Trading Platformu. Matriks Bilgi Dağıtım Hizmetleri A.Ş.
AlgoTrader Algorithmic Trading Platformu Matriks Bilgi Dağıtım Hizmetleri A.Ş. AlgoTrader Tanımı AlgoTrader, esnek bir yapı içinde kullanıcılara strateji geliştirme ve test etme ortamı sunan, İMKB, VOB,
DetaylıKONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I
KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I 4.1. Dışbükeylik ve Uç Nokta Bir d.p.p. de model kısıtlarını aynı anda sağlayan X X X karar değişkenleri... n vektörüne çözüm denir. Eğer bu
DetaylıGenetik Algoritmalarla akış tipi çizelgelemede üreme yöntemi optimizasyonu
itüdergisi/d mühendislik Cilt:1 Sayı:1 Ağustos 2002 Genetik Algoritmalarla akış tipi çizelgelemede üreme yöntemi optimizasyonu Orhan ENGİN *, Alpaslan FIĞLALI İTÜ İşletme Fakültesi, Endüstri Mühendisliği
DetaylıTHE EFFECT OF PRODUCT NUMBER ON SOLVING THE JOP-SHOP SCHEDULING PROBLEM BY USING GENETIC ALGORITHM
GENETİK ALGORİTMA İLE ÇÖZÜMÜ GERÇEKLEŞTİRİLEN ATÖLYE ÇİZELGELEME PROBLEMİNDE ÜRÜN SAYISININ ETKİSİ Serdar BİROĞUL*, Uğur GÜVENÇ* (*) Gazi Üniversitesi Teknik Eğitim Fakültesi Elektrik Eğitimi Bölümü, Beşevler
DetaylıGridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı
GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı Erol Şahin Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi Ankara, Türkiye 2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK,
DetaylıBİRİNCİ BASIMA ÖN SÖZ
BİRİNCİ BASIMA ÖN SÖZ Varlıkların kendilerinde cereyan eden olayları ve varlıklar arasındaki ilişkileri inceleyerek anlamak ve bunları bilgi formuna dökmek kimya, biyoloji, fizik ve astronomi gibi temel
DetaylıChapter 24: Frezeleme. DeGarmo s Materials and Processes in Manufacturing
Chapter 24: Frezeleme DeGarmo s Materials and Processes in Manufacturing 24.1 Giriş Frezeleme, düz bir yüzey elde etmek için yapılan temel bir talaş kaldırma işlemidir Freze bıçakları bir veya birden fazla
Detaylı... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI
... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE 2018 2019 ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI Hazırlayan : Özel Öğretim Kurumları Birliği (ÖZKURBİR) Dersin Adı : Bilişim
DetaylıHAT DENGELEMEDE YENİ BİR FELSEFE PARALEL MONTAJ HATLARININ EŞZAMANLI DENGELENMESİ
TEKNOLOJİ, Cilt 7, (2004), Sayı 1, 181-188 TEKNOLOJİ HAT DENGELEMEDE YENİ BİR FELSEFE PARALEL MONTAJ HATLARININ EŞZAMANLI DENGELENMESİ Hadi GÖKÇEN* Kürşad AĞPAK** *Gazi Üniversitesi, Endüstri Mühendisliği
DetaylıMEKÂN ENVANTERİ OLUŞTURMA, MEKÂN ANALİZİ VE DERS PROGRAMI OLUŞTURMA İŞLEMLERİ
T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ MEKÂN ENVANTERİ OLUŞTURMA, MEKÂN ANALİZİ VE DERS PROGRAMI OLUŞTURMA İŞLEMLERİ OCAK, 2016 ISPARTA İÇİNDEKİLER 1. GİRİŞ... 2 2. DERS PORGRAMLARININ OLUŞTURULMASI... 5 3.
DetaylıBir Konfeksiyon Ürünü Üretiminde Dikim Hattının Farklı Yöntemler İle Dengelenmesi
Bir Konfeksiyon Ürünü Üretiminde Dikim Hattının Farklı Yöntemler İle Dengelenmesi * 1 Mücella GÜNER, 2 Meral İŞLER, 2 Eda ACAR 1 Doç. Dr., Ege Üniversitesi, Mühendislik Fakültesi, Tekstil Mühendisliği
Detaylı(Computer Integrated Manufacturing)
1 (Computer Integrated Manufacturing) 2 1 Bilgisayarlı Sayısal Kontrol; ekipman mekanizmaların hareketlerinin doğru ve hassas biçimde gerçekleştirilmesinde bilgisayarların kullanılması, programlama ile
DetaylıTOPSIS yönteminin adımları 5 Adım 1. Normalize karar matrisinin oluşturulması 6 Karar matrisinin normalizasyonu aşağıdaki formül kullanılarak yapılır:
Giriş 2 TOPSIS Bölüm 5 TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) 1981 yılında Hwang ve Yoon tarafından geliştirilmiştir. Uygulanması basit, ulaşılan sonuçlar çok gerçekçidir.
DetaylıÜretim/İşlemler Yönetimi 2. Yrd. Doç. Dr. Mert TOPOYAN
Üretim/İşlemler Yönetimi 2 Sistem Kavramı Belirli bir ortak amacı elde etmek için birlikte çalışan bileşenlerden oluşan bütündür. Büyük sistemler kendilerini oluşturan alt sistemlerden oluşur. Açık sistem:
DetaylıELN1001 BİLGİSAYAR PROGRAMLAMA I
ELN1001 BİLGİSAYAR PROGRAMLAMA I DEPOLAMA SINIFLARI DEĞİŞKEN MENZİLLERİ YİNELEMELİ FONKSİYONLAR Depolama Sınıfları Tanıtıcılar için şu ana kadar görülmüş olan özellikler: Ad Tip Boyut Değer Bunlara ilave
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: IND 3907
Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: MATEMATİKSEL MODELLEME ve UYGULAMALARI Dersin Orjinal Adı: MATHEMATICAL MODELING AND APPLICATIONS Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans,
DetaylıAlgoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri Veri modelleri, veriler arasında ilişkisel ve sırasal düzeni gösteren kavramsal tanımlardır. Her program en azından bir veri modeline dayanır. Uygun
DetaylıSigma 2006/3 Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM
Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Sigma 6/ Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM Fügen TORUNBALCI
DetaylıMONTAJ HATLARI 1. GİRİŞ 2. ÜRETİM SİSTEMLERİ. Arş.Gör.Murat Kansu KARACA
MONTAJ HATLARI Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi 1. GİRİŞ Bu çalışmada, montaj hatlarının üretim sistemleri içerisindeki yeri belirtildikten sonra montaj hattı teknolojisinin
DetaylıISK116 - Bölüm 1. Grup Teknolojisi
ISK - Bölüm Grup Teknolojisi Grup Teknolojisi (GT) Grup teknolojisi benzerliklerden faydalanarak büyük ve karmaşık bir üretim sisteminin, küçük ve kolay kontrol edilebilir sistemlere dönüştürülmesi hedeflenmektedir.
DetaylıOPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI
OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI A. Doğan 1 M. Alçı 2 Erciyes Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü 1 ahmetdogan@erciyes.edu.tr 2 malci@erciyes.edu.tr
DetaylıIDC Savunma Sanayii. Antikor tabanlı tanımlama sistemleri birçok üstün özellikler sahiptir. Yüksek hassasiyette ve kısa sürede hızlı sonuç üretme.
IDC Savunma Sanayii Biyolojik Tabanlı Tanımlama Sistemleri Antikor tabanlı tanımlama sistemleri, biyolojik madde ve mikroorganizmaların tespitinde sayısal ve ayırt edici sonuçlar ile ortamda bulunan biyolojik
DetaylıERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı
BİM618 Evrimsel Algoritmalar Öğretim Üyesi Prof. Dr. Derviş Karaboğa Görüşme Saatleri 8.00-17.00 E posta: karaboga@erciyes.edu.tr http://abis.erciyes.edu.tr/sorgu.aspx?sorgu=236 Erciyes Üniversitesi, Mühendislik
DetaylıDİSK DEPOLAMA ALANLARI
DİSK DEPOLAMA ALANLARI 1. Giriş İşlemci hızı ve hafıza kapasitesinin disk hızından çok daha hızlı bir gelişim içinde bulunduğu göz önüne alınırsa, disk kullanımında teorik ilgi ve uygulamanın önemliliği
DetaylıAltın Oran Arama Metodu(Golden Search)
Altın Oran Arama Metodu(Golden Search) Bir f(x) (tek değişkenli) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x) a x b
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıSİPÂRİŞ TİPİ ATÖLYELERDE İŞ SIRALAMA PROBLEMİ İÇİN BİR GENETİK ALGORİTMA UYGULAMASI
SİPÂRİŞ TİPİ ATÖLYELERDE İŞ SIRALAMA PROBLEMİ İÇİN BİR GENETİK ALGORİTMA UYGULAMASI Murat Baskak İ.T.Ü. İşletme Fakültesi, Endüstri Mühendisliği Bölümü, 34367 Maçka/İstanbul Vural Erol Yıldız Teknik Üniversitesi,
DetaylıGenel Graf Üzerinde Mutlak 1-merkez
Genel Graf Üzerinde Mutlak 1-merkez Çözüm yöntemine geçmeden önce bazı tanımlara ihtiyaç vardır. Dikkate alınan G grafındaki düğümleri 1 den n e kadar numaralandırın. Uzunluğu a(i, j)>0 olarak verilen
DetaylıGENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA
GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği
DetaylıBİLGİSAYAR PROGRAMLAMA Araş. Gör. Ahmet ARDAHANLI. Kafkas Üniversitesi Mühendislik Fakültesi
BİLGİSAYAR PROGRAMLAMA Araş. Gör. Ahmet ARDAHANLI Kafkas Üniversitesi Mühendislik Fakültesi Bu hafta? İki değişken değerinin yer değiştirilmesi (swapping) selection sort sıralama algoritması bubble sort
DetaylıALP OĞUZ ANADOLU LİSESİ EĞİTİM ÖĞRETİM YILI BİLGİSAYAR BİLİMİ DERSİ 2.DÖNEM 2.SINAV ÖNCESİ ÇALIŞMA SORULARI VE YANITLARI
ALP OĞUZ ANADOLU LİSESİ 2017-2018 EĞİTİM ÖĞRETİM YILI BİLGİSAYAR BİLİMİ DERSİ 2.DÖNEM 2.SINAV ÖNCESİ ÇALIŞMA SORULARI VE YANITLARI Doğru yanıtlar kırmızı renkte verilmiştir. 1. Problemlerin her zaman sıradan
DetaylıGezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla Eniyilemesi ve Karşılaştırılması
Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi Suleyman Demirel University Journal of Natural andappliedscience 18(1), 8-13, 2014 Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla
DetaylıÜretim Sistemleri (IE 509) Ders Detayları
Üretim Sistemleri (IE 509) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Üretim Sistemleri IE 509 Seçmeli 3 0 0 3 7.5 Ön Koşul Ders(ler)i Dersin Dili Dersin
DetaylıGALATASARAY ÜNİVERSİTESİ BİLİMSEL ARAŞTIRMA PROJELERİ MÜHENDİSLİK VE TEKNOLOJİ FAKÜLTESİ ÖĞRETİM ÜYELERİ TARAFINDAN YÜRÜTÜLEN PROJELER (2008-2011)
08.401.001 08.401.002 08.401.003 Dikkat Seviyesindeki Değişimlerin Elektrofizyolojik Ölçümler İle İzlenmesi PFO(Patent Foramen Ovale) Teşhisinin Bilgisayar Yardımı İle Otomatik Olarak Gerçeklenmesi ve
DetaylıMontaj Hatti Tasarımı ve Analizi - 4
Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2015-2016 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 4 Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr Çevrim süresi Öncelik ilişkileri Ozel
DetaylıSistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC)
Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC) Sistem analistlerinin ve kullanıcı faaliyetlerinin spesifik döngüsünün kullanılmasıyla En iyi geliştirilmiş sistemin oluşmasını
DetaylıFarklı malzemelerin dielektrik sabiti LEP 4.2.06_00
PHYWE Farklı malzemelerin dielektrik sabiti LEP 4.2.06_00 İlgili başlıklar Maxwell in eşitlikleri, elektrik sabiti, plaka kapasitörün kapasitesi, gerçek yükler, serbest yükler, dielektrik deplasmanı, dielektrik
DetaylıHülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)
Karınca Kolonisi Algoritmasının Zaman Çizelgelemesi Üzerine: Bir Modellemesi ve Uygulaması Hülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)
DetaylıEndüstri Mühendisliğine Giriş
Endüstri Mühendisliğine Giriş 5 ve 19 Aralık 2012, Şişli-Ayazağa, İstanbul, Türkiye. Yard. Doç. Dr. Kamil Erkan Kabak Endüstri Mühendisliği Bölümü,, Şişli-Ayazağa, İstanbul, Türkiye erkankabak@beykent.edu.tr
Detaylı