Tez Arşivi

Hakkımızda

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özete göre tezleri arayabilirsiniz.


İstanbul Üniversitesi / Sosyal Bilimler Enstitüsü / İşletme Anabilim Dalı / Üretim Bilim Dalı

Akış tipi çizelgeleme problemlerinin sezgisel yöntemlerle optimizasyonu

Optimization of flow shop scheduling problems using heuristic techniques

Teze Git (tez.yok.gov.tr)

Bu tezin tam metni bu sitede bulunmamaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi tarama bölümünde 319908 tez numarasıyla arayabilirsiniz.

Özet:

Bu çalışmada, NP-zor sınıfı çok amaçlı permütasyon akış tipi çizelgeleme problemleri detaylı olarak incelenmiş ve problemin çözümü için bir karınca koloni algoritması geliştirilmiştir. Ayrıca çok kriterli akış tipi çizelgeleme problemleri için geliştirilmiş bir sezgisel algoritma olan HAMC (Heuristic Algorithm for Multicriterion) bu çalışmada ele alınan problemlere uyarlanmıştır. Çalışmanın amacı, işlerin makinelerde maksimum tamamlanma zamanını, toplam akış zamanını ve makinelerin toplam boş bekleme zamanını en küçükleyecek şekilde sıralanmasıdır. Kablo üretimi yapan bir fabrikadan alınan veriler ve literatürden elde edilen standart test problemleri ile çalışılmıştır. Problemler karınca koloni algoritması ve HAMC algoritmaları ile çözülerek, elde edilen sonuçlar farklı metasezgisel algoritmalarla kıyaslanmıştır.

Summary:

In this research, a detailed study of multicriteria permutation flowshop scheduling problem known as NP-hard has been offered and ant colony algorithm has been developed to solve this problem. Furthermore, HAMC algorithm developed for multicriteria flowshop scheduling problems has been adapted to the problem dealt with this study. The aim of the study is to sequence the jobs to minimize maximum completion time of all jobs, total flow time, and total idle time of the machines. The data in this research is taken from a cable production company. In addition to this data, the standart test problems from literature were used. All problems have been solved using the ant colony algorithm and HAMC algorithm methods. The results have been compared with other metaheuristics.