Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa 2 İzmir Katip Celebi Üniversitesi, Bilgisayar Mühendisliği, İzmir İletisim adresi: aysegul.alaybeyoglu@ikc.edu.tr Özet: Bu çalışmada, yolcu kapasitesi, ağırlık ve yakıt kullanım özellikleri bulanık mantık modeline girdi bilgisi olarak verilerek tercih edilecek uçak tipinin doğru bir şekilde tanımlanması amaçlanmıştır. Yolcu kapasitesi yolcuların sistemden almış olduğu biletlerin satışına göre belirlenmiştir. Uçağın ağırlığı; uçağın boyu, yolcu sayısı, yük ve yakıt miktarı ile belirlenmiştir. Bulanık mantık tabanlı geliştirilen sistemden elde edilen sonuçlar değerlendirilmiştir. Anahtar Sözcükler: Bulanık Mantık, Çıkarsama Mekanizması Fuzzy Logic Based Selection of Plane Type Abstract: In this study, number of passengers, weight and usage of fuel properties are used as inputs to the fuzzy logic model and the most suitable plane type is obtained as an output. Number of passengers is determined via number of sold tickets. Weight of the plane is determined by using the information of height of the plane, number of passengers and amount of load and fuel. Simulation results of the proposed fuzzy logic based system are evaluated in detail. Keywords: Fuzzy Logic, Inference Mechanism
1. Giriş Son yıllarda yakıt fiyatları artmasıyla havaalanı işletmelerinin doğru kazanç yapabilmesi için doğru uçak tipinin belirlenmesi gerekmektedir. Uçak tipinin tespiti için birçok özellikler ele alınmıştır. Bunlardan bazıları uçağın uzunluğu, kanadının eğimi ve motor hacmi gibi özelliklere bakılabilir. Yolcu sayısının doğru bir şekilde tespiti, ağırlığın belirlenmesi ve uçağın ekonomik yakıt kullanımı da önem taşımaktadır. Bunun yanında yolcunun fazla olması ile birlikte havaalanı işletmecisinin karlılığı da göz önünde bulundurulmaktadır. Bu çalışmada belirtilen özelliklerden faydalanılarak bulanık mantık modeli birlikte uçağın modeli seçimi gerçekleştirilecektir. Bulanık mantığın sahip olduğu etkin çıkarsama özelliği birçok farklı uygulama alanında kullanılmasına imkân sağlamaktadır. [1] de bulanık mantık ile kontrol konusundaki ilk uygulama buhar makinesinin kontrolü ile gerçekleştirilmiştir. [2] de bulanık mantık bir çimento fırının kontrolü amacıyla kullanılmıştır. Bulanık mantık madencilikle ilgili uygulamalarda da kullanılmıştır [3,4]. [5] te bir bulanık uzaktan algılama görüntüsü sınıflaması gerçekleştirilmiş ve bu yöntemle sınıflama sırasında görüntülerde oluşan kayıplar en aza indirgenmiştir. adımlarıdır. Önerilen sistemde, yolcu kapasitesi, ağırlık ve yakıt kullanımı özellikleri bulanık mantık modeline girdi verisi olarak verilecek ve çıktı olarak da uçak tipi belirlenecektir. Sistem yapısı Şekil 1 de belirtilmiştir. Şekil 1. Sistem Modeli Sistemde, üyelik fonksiyonlarının tanımlanabilmesi için değer aralıklarına göre seviyeler tanımlanmıştır. Yolcu kapasitesi girdi verisi için üç seviye (sakin, normal, yoğun), ağırlık girdi verisi için iki seviye (minimum, maximum) ve yakıt kullanımı için de üç seviye (az, orta, çok), çıktı verisi olarak da iki tip uçak bilgisi bulunmaktadır: BOEING 737-200 ve BOEING 737-300. Şekil 2 de sistemde kullanılan üyelik fonksiyonları verilmiştir. Çalışmanın ikinci bölümünde önerilen bulanık mantık tabanlı sistem modeli hakkında detaylı bilgiler verilmiştir. Üçüncü bölümünde belirli girdi değerleri ile elde edilen çıktı değeri belirtilmiştir ve son bölümde ise sonuç verilmiştir. 2. Bulanık Mantık Tabanlı Uçak Modeli Tespiti Bulanıklaştırma, Üyelik Fonksiyonlarını Tanımlama, Kural Tabanı Oluşturma ve Durulaştırma işlemleri Bulanık Mantık Tabanlı geliştirilen bütün sistemlerin temel (a) Yolcu kapasitesi girdi verisi
(d)uçak Tipi çıktı verisi Şekil 2. Üyelik Fonksiyonları (b)ağırlık girdi verisi Bu ifadelere göre bulanık kümeler ve ifadeler oluşturulmuştur. Giriş verilerinden yolcu kapasitesi için yapılmış bulanık kümeler sakin[115,125], normal[128,140]ve yoğun[137,149] aralıklarında oluşturulmuştur. Uçağın ağırlığı için yapılmış bulanık kümeler minimum [27.7646, 42.217], maksimum [38.940,56.700] olacak şekilde oluşturulmuştur. Uçağın yakıtı için yapılmış bulanık kümeler ise az kullanımı için [19.532, 21.000], orta için [20.600,22.100] ve çok için [21.700,23.170]aralıklarında oluşturulmuştur. Giriş verilerinden yolcu kapasitesi, uçağın ağırlığı ve yakıt miktarı için üçgen üyelik fonksiyonları kullanılmıştır. Yolcu kapasitesi, ağırlık ve yakıt kullanımı kullanılarak sistemde 18 kuraldan ibaret kurallar tabanı oluşturulmuştur. Örnek olarak birkaç kural Tablo 1 de verilmiştir. Tablo1. Kural Tablosu (c)yakıt Kullanımı girdi verisi Girdi verileri üzerinde çıkarsama yapılabilmesi için kural tabanı tanımlanmıştır. Sistemde kullanılan kurallar Tablo1 de belirtilmiştir. Kurulan bulanık sistem sonucunda eğer uçağın yolcu kapasitesi 145 kişi ise ( yoğun bulanık kümesine dahildir) uçağın ağırlığı 38.600 kg ise ( minimum bulanık kümesine dahildir) ve uçağın yakıt kullanımı ise 21.500 kg ise o zaman bu uçak tipi BOEİNG 737 300
diyebiliriz. 3. Simülasyon Sonuçları Gerçekleştirimler MATLAB paket programı kullanılarak yapılmıştır. Şekil 3 te yolcu kapasitesi 145, ağırlık 3.86e+04 ve yakıt kullanımı 2.15e+04 girdi değerleri için elde edilen sonuç ile uçak tipi 737.300 olarak belirlenmiştir. Bu girdi değerleri için çalışacak kural If yolcu_kapasitesi is yoğun and ağırlık is minimum and yakıt_kullanımı is orta then uçak_tipi is 737.300 şeklindedir. Şekil 4 te bu değerler için elde edilen yüzeysel sonuç grafiği verilmektedir. Şekil 4. Örnek girdi değerleri için yüzeysel görüntü 4. Sonuçlar Bu çalışmada bulanık mantık yaklaşımı kullanılarak uçak tipi belirleme sistemi geliştirilmiştir. Çalışma özelliklede havaalanı işletmecisinin karlılığını göz önünde bulundurması açısından önem taşımaktadır. 5. Referanslar [1] Mamdani, E. H., Application of Fuzzy Algorithms for Control of Simple Dynamic Plant, Proc. IEEE, 121(12), 1585-1588, 1974. [2] Munakata, T., Jani, Y., Fuzzy Systems: An Overview, Communications of the ACM, 37(3), 69-76, 1994 Şekil 3. Örnek girdi değerleri için çıktı değerleri [3] Hammah, R.E. ve Curran, J.H, 1996, Optimal delineation of joint sets using: a fuzzy clustering algorithm, International Journal of Rock Mechanics, and Mining Science, 35 (4-5), 495-496. [4] Grima, NLA. ve Babuska, R., 1999. Fuzzy model for the prediction of unconfined compressive strength of rock samples. International Journal of Rock Mechanics and Mining Science, 36, 339-349. [5] Wang, F., 1990. Improving remote sensing image analysis through fuzzy information representation. Photogrammetric
Engineering and Remote Sensing. 56 (8), 1163-1169