BOZULABİLEN ÜRÜNLER İÇİN STOKASTİK ENVANTER POLİTİKALARININ SİMÜLASYONLA OPTİMİZASYONU
|
|
- Belgin Yücel
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Endüstri Mühendisliği Dergisi Cilttll Sayı:2 Sayfa: (24-32) Makina Mühendisleri Odası BOZULABİLEN ÜRÜNLER İÇİN STOKASTİK ENVANTER POLİTİKALARININ SİMÜLASYONLA OPTİMİZASYONU Revan Erol l M. Caner Testik Çukurova Üniversitesi, Endüstri Mühendisliği Bölümü, Adana ÖZET Bozulabilen ürünler (yiyecek maddeleri, tıbbi ilaçlar) için kullanılan envanter politikalannın, stokastik çalışma koşullannda analitik olarak incelenmesi kısıtlı sayıdaki problem türleri için mümkündür. Bu çalışmada; ürün bozulma süresi, temin süresi, talep büyüklüğü ve talepler arası sürenin rassal olduğu bir ortamda çalışan (T,S) periyodik gözden geçirme stok kontrol politikasının beklenen toplam kârı simülasyon yardımıyla incelenmiştir. Araştırmanın bir sonraki aşamasında, optimum stok kontrol parametreleri, Tepki Yüzeyleri Yöntemi (Response Surface Methodology(RSM)) kullanılarak tahmin edilmiştir. Simülasyon deneylerinde Deneysel Tasarım ve Varyans Analizi teknikleri kullanılarak, bu tür envanter sistemlerinin davranıştan hakkında bazı genellemeler yapılmıştır. Anahtar Kelimeler envanter kuramı, benzetimle optimizasyon, tepki yüzeyleri Analytical analysis of inventory policies for perishable items (e.g., foods, medical supplies) under probabilistic conditions is limited to few types of problems. In this study, the total expected profit of a periodic review system (T,S) in which storage time, lead time, demand size and time between demand arrivals are assumed to be random is investigated by using simulation. Subsequently, an optimum inventory policy determination algorithm based on the Response Surface Methodology(RSM) is introduced. In addition, experimental design and variance analysis methods are employed to make inferences about the behavior of such inventory systems. Keywords: inventory theory, simulation optimization, response surface methodology GİRİŞ Bozulabilen ürünler için envanter sistemleri geniş uygulama alanlarından dolayı (yiyecek, kimyasal, radyoaktif maddeler, kan bankaları) birçok araştırmaya konu olmuştur. Envanter modellerinin büyük çoğunluğu ürünlerin süresiz olarak değer kaybına uğramadan saklanabileceğini varsayar. Dolayısıyla geleneksel envanter modellerinin bozulabilen ürünler için direkt kullanılması imkansızdır. Geleneksel model sonuçları, bu çalışmada yapıldığı gibi bozulabilen ürün envanter modelleri için yaklaşık başlangıç çözümü olarak kullanılabilir. Ürün bozulma süreleri, sabit ömürlü ve rasgele ömürlü olmak üzere iki kategoriye aynlabilir. Bu tür envanter sistemlerinde talep gelişleri, talep büyüklükleri ve temin süresi de rassal olabilmektedir. Problemdeki rassal parametrelerin çokluğu problemi karmaşıklaştırmakta ve analitik modellemeyi güç kılmaktadır. Bu durumlarda, bozulabilen ürünler için optimum envanter politikalarının belirlenmesinde simülasyona dayalı optimizasyon yaklaşımları alternatif olarak karşımıza çıkmaktadır. Bu çalışmada, ürün bozulma süresi, temin süresi, talep büyüklüğü ve talepler arası sürenin rassal olduğu bir ortamda çalışan (T,S) periyodik gözden geçirme stok kontrol politikasının beklenen toplam kârı simülasyon yardımıyla incelenmiş ve optimum stok kontrol parametreleri Tepki Yüzeyleri Yöntemi (Response Surface Methodology (RSM)) kullanılarak 24
2 Bozulabilen Ürünler İçin Stokastik Envanter Politikalarının Simülasyonla Optimizasyonu tahmin edilmiştir. Envanter politikası olarak (T,S) tabanlı bir politikanın seçilmesinin sebebi, bozulabilen ürünlerde yaygın olarak sürekli kontrolden ziyade periyodik kontrolün kullanılmasıdır. Bu tür ürünlerin envanter seviyelerindeki sürekli ve sık değişimler sürekli kontrolü ekonomik kılmamaktadır. Diğer taraftan, bu çalışmada kullanılan simülasyon ile optimizasyon yaklaşımı sürekli kontrol politikaları için de kolayca adapte edilebilir. ÖNCEKİ ÇALIŞMALAR Kısıtlı varsayımlar altında bozulabilen ürünler için analitik çözümler üreten modeller literatürde mevcuttur (bakınız Tablo ). Jagannathan ve Sen [99] önceden stoklamaya izin veren kan envanter problemi için çift aşamalı sistemi incelemişlerdir. Bu çalışmada temin süresi ve hazırlık maliyeti ihmal edilmiştir. Goh ve arkadaşları [993] iki tip talebin (taze ve daha az taze ürünler için) olduğu ve iki aşamadan oluşan bir envanter sisteminin yaklaşık modelini geliştirmişlerdir. Ravichandran [995] taleplerin Poisson sürecine göre ulaştığı ve tedarik süresinin pozitif olduğu durumun stokastik analizini yapmıştır. Bu modelde bozulma süresi sabittir. Chiu [995], beklenen ortalama maliyeti minimize eden {Q,r) sipariş politikasını belirleyen yaklaşık modeli geliştirmiş ve simülasyon sonuçları ile karşılaştırmıştır. Fujiwara ve arkadaşları [ 997], sonlu ömür süreli ürün ve iki aşamadan oluşan envanter sistemi için optimum sipariş politikalarını belirleyen modeli geliştirmişlerdir. Sıfır temin süresi modelin kullanım alanını sınırlamaktadır. Giri ve Chaudhuri [998], EOQ modelini bozulabilen ürünler için ve talebin eldeki stoğa bağlı olduğu durumu dikkate alarak genişletmiştir. Ancak, bu çalışmada temin süresi sıfır alınmıştır. Bu çalışmanın önceki çalışmalardan temel farkı, analitik çözümlerin mümkün olmadığı durumlarda kullanılabilecek simülasyona dayalı genelleştirilmiş bir optimizasyon algoritmasını önermesidir. MODELİN TANIMI Bu çalışmada, bozulabilen ürünler için (T,S) periyodik gözden geçirme stok kontrol politikası incelenmiştir. I(t), t anında elde bulunan envanter seviyesini göstersin. Bu politikaya göre her T zaman aralığından sonra eldeki envanter seviyesi gözden geçirilmekte ve S-I(t) miktarı kadar sipariş verilmektedir. Envanter sisteminin çalışmasıyla ilgili şu temel varsayımlar yapılmıştır: l)tedarik süresi rassaldır; 2) Siparişler toplu olarak ulaşmaktadır; 3) Model tek ürün için geçerlidir; 4) Talep gelişleri Poisson sürecine uymakta ve talep büyüklüğü rassaldır; 5) Karşılanmayan talep kaybedilmektedir; 6)Ürünlerin bozulma süresi tir. Modelde kullanılan diğer parametreler toplu halde aşağıda sıralanmıştır: Tablo : Literatürdeki analitik yöntemlerin karşılaştırılması Yazar Adı, Yılı Jagannathan, R. & Sen, T. (99) Temin Süresi sıfır Talep Fonksiyonu veya rassal Bozulma Süresi Tek veya Çift Aşamalı çift Açıklamalar Kan envanteri Goh, C. et al. (993) Poisson Poisson çift Kan envanteri Ravichandran, N. (995) rassal Poisson tek {S,s) sürekli Chiu, H.N. (995) rassal tek {Q,r) politikası Fujiwara,. et al. (997) GiriB. C. & Chaudhuri, K. S. (998) sıfır sıfır rassal stoğa bağlı çift tek Optimal sipariş politikası EOQ-türü model 25
3 Rizvan Erol, Caner Testik T t u L(t) t d = Deterministik ömür süresi [gün] = Planlanan kullanma süresi [gün] = Tedarik süresinin olasılık yoğunluk fonksiyonu = Ortalama talep geliş hızı [müşteri/gün] = Talepler arası süre [gün] D(n) Talep büyüklüğünün (n) olasılık yoğunluk fonksiyonu C s = Birim hazırlık maliyeti [$/sipariş] C, = Birim elde bulundurmama maliyeti [$/adet] C h = Birim elde bulundurma maliyeti [$/yıl/adet] C d = Birim bozulma maliyeti [$/adet] C = Birim değişken satın alma maliyeti[$/adet] p = Birim satış fiyaü[$/adet] Modelde t u ile gösterilen "planlanan kullanma süresi" terimi müşterinin ürünü satın aldıktan sonra ürünü muhafaza etmeyi (kullanmayı) düşündüğü süredir. Bu süre kişisel kullanım alışkanlıklanna bağlı olacağından bu çalışmada rastgele kabul edilmiş ve kesikli bir dağılımla ifade edilmiştir. Modelde en büyüklenmeye çalışılan amaç fonksiyonu ortalama günlük kâr (AP), elde edilecek satış gelirinden ( pn p ) hazırlık {C S N S ), saunalma (C p N p ), bozulma( C d N d ), elde bulundurma {C h I + ) ve elde bulundurmama maliyetleri {C t I_ ) düşülerek aşağıdaki şekilde hesaplanmaktadır. Denklem (l)'de N p ortalama sipariş miktarı, N s ortalama sipariş sayısı, N d ortalama bozulan ürün miktan, J ortalama eldeki envanter seviyesi, /_ ortalama karşılanamayan (kaybedilen) talep miktarı olup, geliştirilen simülasyon modeli tarafından tahmin edilmektedir. SİMÜLASYON İLE OPTİMİZASYON ALGORİTMASI Öngörülen envanter modelinin kesin analitik çözümünün çok güç ve takip edilemez olması nedeniyle, simülasyon ile optimizasyon alternatif bir yaklaşım olarak karşımıza çıkmaktadır. Geliştirilen simülasyon modelinin akış şeması Şekil l'de özetlenmiştir. Simülasyon ile optimizasyon son yıllarda bilgisayar teknolojisindeki hızlı gelişmeler sayesinde uygulanabilir hale gelmiştir. Bu çalışmada önerilen (D optimizasyon algoritmasının adımlan Şekil 2'deki akış şemasında özetlenmiştir. Algoritmanın ilk adımı, S ve T kontrol değişkenleri için bir başlangıç çözümünün belirlenmesidir. Başlangıç çözümünün optimuma yakın bir bölgede seçilmesi çözüm zamanını kısaltacaktır. Bu amaçla, ürün bozulması dikkate alınmadığı takdirde, Ekonomik Sipariş Aralığı (EOI) yöntemi kullanılabilir. Sipariş aralığı için başlangıç değeri (2) denkleminden elde edilir. Sipariş aralığı ve temin süresi boyunca talep miktarının dağılımı, bağımsız Poisson dağılımlarının toplamının yine Poisson kalması özelliğinden dolayı aşağıdaki şekilde ifade edilebilir: Başlangıç sipariş seviyesi ( S ) verildiğinde T Q +L zaman aralığındaki talebin karşılanmama olasılığı (3) olacaktır. Dolayısıyla S, servis seviyesi kısıtını sağlayan en küçük değer olarak seçilmelidir. Başlangıç çözümünden başlayarak optimum çözüme ulaşmak için Tepki Yüzeyleri yöntemi kullanılacaktır. Gösterimi basitleştirme açısından bu noktadan itibaren x t ve x 2 değişkenleri, sırasıyla kodlanmış S ve T değerlerini göstersin. Elde edilen başlangıç çözümü, aşağıda verilen birinci mertebe modeli kurmak için gerekli ortogonal 2 2 faktoriyel tasarımın merkezi olacaktır. (4) Simülasyon deneylerinden elde edilen gözjemlerin en küçük kareler yönteminde kullanılması ile elde edilen ß l ve ß 2 parametre tahminleri amaç fonksiyonunu artıracak en dik yolun (steepest-ascent) belirlenmesinde kullanılabilir (Şekil 3). En dik yolun belirlenmesi: Adım : x;, için adım büyüklüğü seçilir. xj seçilirken mutlak değerce katsayısı en büyük olan değişkeninin seçilmesinde fayda vardır. Adım 2: Diğer değişkene ait adım büyüklüğü için formülü kullanılır. 26
4 Bozulabilen Ürünler için Stokastik Envanter Politikalarının Simülasyonla Optimizasyonu 27
5 Rızvan Erol, Caner Testik Birinci mertebe modelin yetersiz olması, ikinci mertebe veya ikili etkileşim etkilerinin anlamlı olduğu bir bölgeye ulaşıldığının bir işareti olacaktır. Aşağıda verilen ikinci mertebe modelin kurulması için en uygun deneysel tasarım, Şekil 4'de gösterilen Merkezi Kompozit tasanmdır (Central Composite Design). İkinci mertebe modelin anlamlı çıkması durumunda, deneysel tasarım bölgesinin içinde veya Şekil 2. Optimizasyon Algoritmasının Akış Şeması 28
6 Bozulabilen Ürünler îçin Stokastik Knvanter Politikalarının Simülasyonla Optimizasyonu Optimum Bölge Uygulanabilir Bölge ikinci mertebe modelin Denklem (7)'deki kanonik gösterime dönüştürülmesi gerekir; Burada, w s er dönüştürülmüş bağımsız değişkenleri ' er ise B matrisinin eigen değerlerini göstermektedir. Bütün 'lerin negatif olması durağan noktanın maksimum olduğunu, pozitif olması ise minimum olduğunu gösterir. Aksi takdirde, durağan nokta bir eyer noktası olacaktır. SAYISAL SONUÇLAR Şekil 3. En Dik Yol Yönteminin Şematik Gösterimi Algoritmanın çalışmasını göstermek için şu verilere sahip örneği ele alalım: T 4 gün, t ~ Discrete(.,2,.,3,.2,5,.2,7,.4,), X =6 müşteri/gün, L~Discrete(.2,l,.6,2,.2,3), talep büyüklüğü= adet/müşteri, Cs = $/sipariş, C,=5.27$/adet, C ft =.5$/adet/gün, C d =5 $/adet, C =5 $/adet, p=55.27$/adet ve servis seviyesi = %9. Denklemler (2) ve (3) kullanılarak başlangıç çözümü S =25 ve T =5 olarak elde edilir. Birinci mertebe model için tasarımın merkezi (25,5) etrafındaki alt ve üst limitler sırasıyla S için 22, 28 ve T için 4.7, 5.3 alındığında Tablo 2'deki tam faktoriyal tasarım elde edilir. SIMAN dilinde hazırlanan simülasyon modeli tasarımın her noktasında adet bağımsız replikasyon için çalıştırılmıştır. Şekil 4. İkinci Mertebe Model İçin Merkezi Tablo 2. Birinci Mertebe Model İçin Simülasyon Deney Sonuçlan dışında bulunan durağan noktanın belirlenmesi gerekir. Bu amaçla, aşağıda matris gösterimi verilen doğrusal denklem sisteminin çözümü gerekir: Burada, (6) Doğal değişkenler S T Kodlanmış değişkenler x x z - - Tepki değişkeni AP 664,5 558,8 357,3 23,9 456,6 matrisleridir. Elde edilen durağan noktanın maksimum, minimum veya eyer noktası olup olmadığının belirlenmesi için Oluşturulan ANOVA tablosu incelendiğinde (Tablo 3) doğrusal etkilerin anlamlı olduğu (pdeğeri=.) ve Kuadratik etkilerin anlamlı olmadığı (p-değeri=.347) görülmektedir. Uyum eksikliği testi (p-değeri=.347) ve düzeltilmiş r 2 29
7 Rızvan Erol, Caner Testik Tablo 3. ANOVA Tablosu Kaynak Ortalama Doğrusal Kuadratik Kübik Rezidü Toplam SS df MS F-değeri p-değeri..347 Tablo 4 r. En Dik Yol Üzerinde Iterasyon Sonuçları Adım S 25, T 5, Kar 456,554 Elde Bulundurmama Mal. 23,674 Bozulma Mal. 82,582 Elde Bulundurma Mal. 892,74 Hazırlık Mal , 2, 5, 4,93 4,85 4,63 575, ,38 862,388 99,986 92,95 74,692 47,334 7, ,24 843, ,224 68,33 68,33 648, , 7, 5,, 4,48 4,33 4,25 4, 937,42 98,52 997,538 7,25 67,594 59,868 58,776 57,452 7,25 7,334,82,82 723,8 679, ,348 68, ,33 75,83 73, , 7;OD 95, 4,3 3,95 3,88 34,792 38,262 29,874 59,3 7,864 75,358,75,5 586,262 56,84 542, ,7 774,7 6 93, 3,8 23,88 86, , ,7 Şekil 5. En Dik Yol Üzerindeki Iterasyonlarda Maliyetler Ve Beklenen Kâr Grafiği 3
8 Bozulabilen Ürünler İçin Stokastik Envanter Politikalarının Simülasyonla Optimizasyonu Ortalama Kar Tepki Yüzeyi Şekil 6. Durağan Nokta Komşuluğunda Ortalama Kar Tepki Yüzeyinin Grafiği Ortalama Kar Contour Grafiği Şekil 7. Durağan Nokta Komşuluğunda Ortalama Kar Tepki Yüzeyinin İzdüşüm Grafiği değeri (.946), birinci mertebe modelin yeterli olduğunu göstermektedir. En küçük kareler yöntemiyle elde edilen model y = Xt JC 2 şeklindedir. Bu modelden yola çıkarak, en dik yol üzerindeki adım büyüklükleri kodlanmış değerler cinsinden Ax t = 2/3, Ax 2 =.25 ve doğal değişkenler cinsinden AS = -2, AT = -.75 olacaktır. Tablo 4 ve Şekil 5'de görülebileceği gibi, 5. adımdan itibaren amaç fonksiyonundaki artış durmaktadır. Bu durumda, artışın durduğu noktanın komşuluğunda birinci mertebe model için yeni 3
9 Rızvan Erol, Caner Testik simülasyon deneylerinin yapılması gerekir. Deneyler yapıldığında bu bölgede ikinci mertebe etkilerin de anlamlı olduğu (p-değeri=.) ve uyum eksikliği testinden birinci mertebe modelin tek başına yeterli olmadığı (p-değeri =.) görülmüştür. İkinci mertebe modelin kurulabilmesi için mevcut deneysel tasarımın, merkezi kompozit tasarıma genişletilmesi gerekir. Şekil 4'de gösterilen tasarıma ait simülasyon deneyleri sonucunda elde edilen Denklem (5)'deki ikinci mertebe modelin katsayıları aşağıdaki matrislerde özetlenmiştir: çözüldüğünde durağan nokta X 5 = elde edilir. Durağan nokta deneysel tasarım bölgesinin içerisindedir, ikinci mertebe model kanonik gösterime dönüştürüldüğünde = ve =-3.45 bulunur. İki değerinin de negatif olması durağan noktanın bir maksimum olduğunu gösterir. Sonuç olarak, optimum politika ( S * = 98, T* ) ve karşı gelen maksimum kâr ise 58$/gün. Ortalama kârın tepki yüzeyi ve izdüşüm grafiği sırasıyla Şekil 6 ve 7'de verilmiştir. Şekil 7'de de görüldüğü gibi (T, S) tipi geleneksel envanter modellerinde kâr ya da maliyet fonksiyonlarının yaklaşık olarak T değişkeninden bağımsız olması, T değişkeninin (2) nolu denklem kullanılarak sabitlenmesi ve simülasyon optimizasyonu için sadece S değişkenin kullanılması yaklaşımını alternatif olarak karşımıza çıkarabilir. SONUÇ Bu çalışmada, analitik yöntemlerin yetersiz kaldığı bozulabilen ürünler için stokastik (T,S) periyodik gözden geçirme stok kontrol politikası için simülasyonla optimizasyon yöntemi önerilmiştir. Beklenen kâr fonksiyonu simülasyon yardımıyla tahmin edilmiş ve tepki yüzeyleri yöntemiyle de optimum T ve S parametreleri belirlenmiştir. Önerilen yöntem, rassallığm mevcut olduğu diğer envanter modellerine de kolaylıkla adapte edilip optimum envanter politikalarının belirlenmesinde kullanılabilir. KAYNAKÇA. Chiu, H. N., 995, "An Approximation to the Continuous Review Inventory Model with Perishable Items and Lead Times", European Journal of Operational Research, No. 87, Fujiwara, O., Soewandi, H., Sedarage, D., 997, "An Optimal Ordering and Issuing Policy for a Two-Stage Inventory System for Perishable Products", European Journal of Operational Research, No. 99, Giri, B. C. & Chaudhuri, K. S 998, "Deterministic Models of Perishable Inventory with Stock-Dependent Demand Rate and Nonlinear Holding Cost", European Journal of Operational Research, No. 5, Goh, C, Greenberg, B. S., Matsuo, H., 993, "Two-Stage Perishable Inventory Models", ManagementScience.Vol. 39, No.5, Jagannathan, R., Sen, T., 99, "Storing Crossmatched Blood: A Perishable Inventory Model with Prior Allocation", Management Science,Vol. 37, No. 3, Montgomery, D. C, 997, Design and Analysis of Experiments(4 th edition), John Wiley&Sons Inc. New York, NY. 7. Ravichandran, N, 995, "Stochastic Analysis of a Continuous Review Perishable Inventory System with Positive Lead Time and Poisson Demand", European Journal of Operational Research, No.84, DAHA ETKÎN, DAHA GÜÇLÜ BÎR ODA İÇİN ÜYELİK AİDATIMIZI ADRESİMİZİ YATIRALIM GÜNCELLEYELÎM 32
Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon
OPTİMİZASYON Bu bölümde çok değişkenli kısıtsız optimizasyon problemlerinin çözüm yöntemleri incelenecektir. Bu bölümde anlatılacak yöntemler, kısıtlı optimizasyon problemlerini de çözebilmektedir. Bunun
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
DetaylıDers Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler
İçerik Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler 1 3 0 0 3 8 Ön Koşul Derse Kabul Koşulları Dersin Dili Türü Dersin Düzeyi Dersin Amacı İngilizce Zorunlu Doktora
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları
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
Detaylı3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
DetaylıSimpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):
DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir
DetaylıEŞİTLİK KISITLI TÜREVLİ YÖNTEMLER
EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER LAGRANGE YÖNTEMİ Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde değişkenler ve kısıtlar genel olarak şeklinde gösterilir. fonksiyonlarının
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
DetaylıDERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar
DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL Zamanlama Kararları Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman
DetaylıİŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL oda no: 303 (T4 / EEM)
İşaret ve Sistemler İŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL aakgul@sakarya.edu.tr oda no: 303 (T4 / EEM) Kaynaklar: 1. Signals and Systems, Oppenheim. (Türkçe versiyonu: Akademi Yayıncılık)
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıKISITLI OPTİMİZASYON
KISITLI OPTİMİZASYON SİMPLEKS YÖNTEMİ Simpleks Yöntemi Simpleks yöntemi iteratif bir prosedürü gerektirir. Bu iterasyonlar ile gerçekçi çözümlerin olduğu bölgenin (S) bir köşesinden başlayarak amaç fonksiyonunun
DetaylıMONTE CARLO BENZETİMİ
MONTE CARLO BENZETİMİ U(0,1) rassal değişkenler kullanılarak (zamanın önemli bir rolü olmadığı) stokastik ya da deterministik problemlerin çözümünde kullanılan bir tekniktir. Monte Carlo simülasyonu, genellikle
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için
DetaylıStok Kontrolü 1 (Inventory Control)
PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü 1 Stok Kontrolü 1 (Inventory Control) Amaç Ürüne olan talep bilindiğinde (yani talep tahmin hatasının sıfır olduğu durumda) stok kontrolü
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
DetaylıEME Sistem Simülasyonu. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme
EME 7 Giriş Sistem Simülasyonu Simülasyon problemlerinin önemli bir bölümü stok sistemlerini içerir. Bu derste basit bir stokastik stok Simulasyon Örnekleri Ders kontrol sistemi ele alınıp, sistemin isleyişi
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z
DetaylıBir Stokastik Model Olarak Bozulabilir Envanter Problemi: Literatür Araştırması
Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Cilt:28, Sayı:1, Yıl:2013, ss.119-144 Bir Stokastik Model Olarak Bozulabilir Envanter Problemi: Literatür Araştırması Umay UZUNOĞLU
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
DetaylıOPTİMUM TOLERANSLARIN BELİRLENMESİNDE CEVAP YÜZEYİ YÖNTEMLERİNİN KULLANILMASI ÜZERİNE BİR İNCELEME 1 Cenk ÖZLER 2
D.E.Ü.İ.İ.B.F. Dergisi Cilt:1 Sayı:1, Yıl:006, ss: 71-83 OPTİMUM TOLERANSLARIN BELİRLENMESİNDE CEVAP YÜZEYİ YÖNTEMLERİNİN KULLANILMASI ÜZERİNE BİR İNCELEME 1 Cenk ÖZLER ÖZET Bir montajı oluşturan bileşenlerin
DetaylıBekleme Hattı Teorisi
Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde
DetaylıEME SISTEM SİMÜLASYONU. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme
.. Giriş EME SISTEM SİMÜLASYONU Simülasyon problemlerinin önemli bir bölümü stok sistemlerini içerir. Bu derste basit bir stokastik stok kontrol sistemi ele alınıp, sistemin isleyişi elle simule Simulasyon
DetaylıDERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar
Zamanlama Kararları DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman
DetaylıDeneysel Verilerin Değerlendirilmesi. Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR. Prof. Dr. Murat ELİBOL FİNAL SINAVI
Deneysel Verilerin Değerlendirilmesi Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR Prof. Dr. Murat ELİBOL FİNAL SINAVI Ödevi Hazırlayan: Özge AKBOĞA 91100019124 (Doktora) Güz,2012 İzmir 1
DetaylıQUANTILE REGRESYON * Quantile Regression
QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine
DetaylıOlasılık ve Rastgele Süreçler (EE213) Ders Detayları
Olasılık ve Rastgele Süreçler (EE213) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve Rastgele Süreçler EE213 Güz 3 0 0 3 7 Ön Koşul Ders(ler)i
DetaylıRASSAL SAYI ÜRETİLMESİ
Dr. Mehmet AKSARAYLI Ekonometri Böl. Simülasyon Ders Notları Rassal Sayı Üretilmesi RASSAL SAYI ÜRETİLMESİ Simülasyon analizinde kullanılacak az sayıda rassal sayı üretimi için ilkel yöntemler kullanılabilir.
DetaylıIE 303T Sistem Benzetimi
IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı
DetaylıIE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R
IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıBENZETİM. Prof.Dr.Berna Dengiz
Prof.Dr.Berna Dengiz 2. Ders Sistemin Performans.. Ölçütleri Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( belirli ) & Stokastik ( olasılıklı) Kesikli & Sürekli Sistemin Performans
DetaylıKARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü
KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü Karınca Koloni Algoritması Bilim adamları, böcek davranışlarını inceleyerek
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:
DetaylıStok Yönetimi. Pamukkale Üniversitesi Endüstri Mühendisliği Bölümü IENG 227 Modern Üretim Yaklaşımları
Stok Yönetimi Pamukkale Üniversitesi Endüstri Mühendisliği Bölümü IENG 227 Modern Üretim Yaklaşımları Stok nedir? Stok, işletmenin ihtiyaçlarını karşılamak üzere bulundurduğu bitmiş ürün veya çeşitli düzeylerden
DetaylıİÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 Bölüm 2 DOĞRUSAL PROGRAMLAMA 21 2.1 Doğrusal Programlamanın
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıMRP Mantığı. MRP -- Proses
MRP -- Proses 1 MRP Mantığı MRP, ana üretim çizelgesini baz alarak, tüm ürün ağaçları boyunca komponentlerin çizelgelerini oluşturmaktadır. MRP, çizelgelenen zaman ufku içerisindeki her bir zaman periyodunda
DetaylıOPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon
OPTİMİZASYON TEKNİKLERİ Kısıtsız Optimizasyon Giriş Klasik optimizasyon yöntemleri minimum veya maksimum değerlerini bulmak için türev gerektiren ve gerektirmeyen teknikler olarak bilinirler. Bu yöntemler
DetaylıENM 316 BENZETİM ÖDEV SETİ
ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıOYUN TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü
OYUN TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü TANIM ''Oyun Teorisi'', iki yada daha fazla rakibi belirli kurallar altında birleştirerek karşılıklı olarak çelişen olasılıklar
DetaylıRastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
DetaylıÜSTEL DÜZLEŞTİRME YÖNTEMİ
ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
DetaylıSİSTEM SİMÜLASYONU BENZETIM 1 SİMÜLASYON MODEL TÜRLERİ 1. STATİK VEYA DİNAMİK. Simülasyon Modelleri
SİSTEM SİMÜLASYONU SİMÜLASYON MODELİ TÜRLERİ BİR SİMÜLASYON ÇALIŞMASINDA İZLENECEK ADIMLAR ve SİMÜLASYON MODEL TÜRLERİ Simülasyon Modelleri Üç ana grupta toplanabilir; 1. Statik (Static) veya Dinamik (Dynamic),
DetaylıBenzetim 13. Ders. Benzetim Paketleri ve Promodel e Giriş
Benzetim 13. Ders Benzetim Paketleri ve Promodel e Giriş BENZETİM PAKETİNDEN BEKLENEN ÖZELLİKLERİ Genel Özellikler: Modelleme esnekliği (bir modelin değişik parametrelerle yenilenebilmesi), Yeni model
DetaylıEME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler
EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıIE 303 SİSTEM BENZETİMİ
IE 303 SİSTEM BENZETİMİ DERS 2 : S I M U L A S Y O N Ö R N E K L E R I...making simulations of what you're going to build is tremendously useful if you can get feedback from them that will tell you where
DetaylıEge Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi
1) Giriş Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Pendulum Deneyi.../../2015 Bu deneyde amaç Linear Quadratic Regulator (LQR) ile döner ters sarkaç (rotary inverted
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
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303
Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: İSTATİSTİK I Dersin Orjinal Adı: İSTATİSTİK I Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 0 Dersin Öğretim
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
DetaylıSağlık Kuruluşlarında Maliyet Yönetimi ve Güncel
Sağlık Kuruluşlarında Maliyet Yönetimi ve Güncel Uygulamalar YRD. DOÇ. DR. EMRE ATILGAN TRAKYA ÜNİVERSİTESİ SAĞLIK YÖNETİMİ BÖLÜMÜ Sağlık Kurumlarında Maliyet Yönetimi ve Güncel Uygulamalar Sunum Planı:
DetaylıÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
YÖNEYLEM ARAŞTIRMASI (OPERATIONAL RESEARCH) ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SUNUM PLANI Yöneylem araştırmasının Tanımı Tarihçesi Özellikleri Aşamaları Uygulama alanları Yöneylem
Detaylı15.433 YATIRIM. Ders 3: Portföy Teorisi. Bölüm 1: Problemi Oluşturmak
15.433 YATIRIM Ders 3: Portföy Teorisi Bölüm 1: Problemi Oluşturmak Bahar 2003 Biraz Tarih Mart 1952 de, Şikago Üniversitesi nde yüksek lisans öğrencisi olan 25 yaşındaki Harry Markowitz, Journal of Finance
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
DetaylıYÖNEYLEM ARAŞTIRMASI - I
YÖNEYLEM ARAŞTIRMASI - I /0 İçerik Matematiksel Modelin Kurulması Grafik Çözüm DP Terminolojisi DP Modelinin Standart Formu DP Varsayımları 2/0 Grafik Çözüm İki değişkenli (X, X2) modellerde kullanılabilir,
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
DetaylıDENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS STOKASTİK SÜREÇLER ENM- / 3+0 3 3 Dersin Dili Dersin Seviyesi Dersin
DetaylıSÜREKLİ RASSAL DEĞİŞKENLER
SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.
DetaylıBaşlangıç Temel Programının Bilinmemesi Durumu
aşlangıç Temel Programının ilinmemesi Durumu İlgili kısıtlarda şartlar ( ) ise bunlara gevşek (slack) değişkenler eklenerek eşitliklere dönüştürülmektedir. Ancak sınırlayıcı şartlar ( ) veya ( = ) olduğu
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 8- SAYISAL İNTEGRASYON 1 GİRİŞ Mühendislikte sık karşılaşılan matematiksel işlemlerden biri integral işlemidir. Bilindiği gibi integral bir büyüklüğün toplam değerinin bulunması
DetaylıANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI
ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30
DetaylıYÖNEYLEM ARAŞTIRMASI - I
YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı
DetaylıRassal Değişken Üretimi
Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.
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
DetaylıKSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ. Doç.Dr. Darçın AKIN
Bahçeşehir Üniversitesi, Fen Bilimleri Enstitüsü Kentsel Sistemler ve Ulaştırma Yönetimi Yüksek Lisans Programı KSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ Doç.Dr. Darçın AKIN UTOWN Hazırlayan Müge GÜRSOY
Detaylı1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi
1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri
DetaylıENM-3105 Sistem Simulasyonu Kısa Sınav 1
ENM-3105 Sistem Simulasyonu Kısa Sınav 1 Sınav Tarihi ve Yeri: 06 Kasım 2014, Perşembe, İlk ders, B203 No lu Derslik) (Kısa Sınav 1 de aşağıda verilen sorulardan birinin benzeri sorulacaktır.) Soru 1)
DetaylıOkut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.
Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak
DetaylıDERS 9. Belirsiz Talep Durumunda Stok Kontrol-II. Terminoloji. Describing Demand. Zamanlama Kararları. Bir Seferlik Kararlar
1 DES 9 lama Kararları Belirsiz Talep Durumunda Stok Kontrol-II Bir Seferlik Kararlar Sürekli Kararlar Sürekli Gözden Geçirme Sistemleri Kesikli lı Kararlar Periyodik Gözden Geçirme Sistemleri EO, EP EO
DetaylıStok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(2) Örnek (Ekonomik Sipariş Miktarı Modeli)(1)
Stok Kontrol Önceki Derslerin Hatırlatması Ders 7 Farklı Bir Stok Yönetimi Durumu Uzun Dönemli Stok Problemi Talep hızı sabit, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik Süresi
DetaylıTransformatörlerin Sinüzoidal Olmayan Şartlarda Azami Yüklenme Oranı Hesabı Kısım 2: Analiz Sonuçları
Transformatörlerin Sinüzoidal Olmayan Şartlarda Azami Yüklenme Oranı Hesabı Kısım 2: Analiz Sonuçları Emrah ARSLAN 2 Şevket CANTÜRK 3 Murat Erhan BALCI,2,3 Elektrik-Elektronik Mühendisliği Bölümü, Mühendislik-Mimarlık
DetaylıENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ
T.C. SAKARYA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ BİTİRME ÇALIŞMASI TEZ BAŞLIĞI HAZIRLAYAN Adı Soyadı DANIŞMAN Ünvanı Adı Soyadı MAYIS 2017 2 İÇİNDEKİLER İçindekiler Sayfası
DetaylıYATAY UÇUŞ SEYAHAT PERFORMANSI (CRUISE PERFORMANCE)
YATAY UÇUŞ SEYAHAT PERFORMANSI (CRUISE PERFORMANCE) Yakıt sarfiyatı Ekonomik uçuş Yakıt maliyeti ile zamana bağlı direkt işletme giderleri arasında denge sağlanmalıdır. Özgül Yakıt Sarfiyatı (Specific
DetaylıHESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR
HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR Kısıtlı ve kısıtsız fonksiyonlar için maksimum veya minimum (ekstremum) noktalarının belirlenmesinde diferansiyel hesabı kullanarak çeşitli
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıNOHUT SAMANI HIZLI PİROLİZİNİN DENEY TASARIMI İLE MODELLENMESİ
NOHUT SAMANI HIZLI PİROLİZİNİN DENEY TASARIMI İLE MODELLENMESİ Görkem Değirmen a, Ayşe E. Pütün a, Murat Kılıç a, Ersan Pütün b, * a Anadolu Üniversitesi, Mühendislik Fakültesi, Kimya Mühendisliği Bölümü,
DetaylıStok Kontrol. Ders 6. Farklı Bir Stok Yönetimi Durumu. Önceki Derslerin Hatırlatması
Stok Kontrol Ders 6 Farklı Bir Stok Yönetimi Durumu Önceki Derslerin Hatırlatması Uzun Dönemli Stok Problemi Talep hızı sabit, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik Süresi
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
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
DetaylıKoşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.
Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı
DetaylıT.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI
T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI Genişletilmiş Lagrange Yöntemi Hazırlayan: Nicat GASIM Öğretim Üyesi Prof. Dr. İpek Deveci KARAKOÇ
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -I-
DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan
DetaylıOlasılık ve İstatistik (IE 220) Ders Detayları
Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin
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.
DetaylıDERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar 3+0 3 3 Ön Koşul Yok Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Seçmeli Dersi Veren Öğretim Elemanı
DetaylıLineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir.
LİNEER PROGRAMLAMA Giriş Uygulamada karşılaşılan birçok optimizasyon problemi kısıtlar içerir. Yani optimizasyon probleminde amaç fonksiyonuna ilave olarak çözümü kısıtlayıcı ek denklemler mevcuttur. Bu
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
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
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
Detaylı