Yapay sinir ağı kullanarak esnek üretim sistemlerinin modellenmesi

Abstract

ÖZET Anahtar kelimeler: Esnek Üretim Sistemi, Benzetim, Yapay Sinir Ağları. Bir sistemin davranışlarını iyi bir şekilde temsil kabiliyetine sahip bir modelleme tekniği olan benzetim, yapay zeka teknikleriyle beraber ele alındığında etkili bir karar verme yapısı oluşturulabilir. Bu çalışmada, Esnek Üretim Sistemi tasarımında benzetim ve yapay sinir ağı kullanarak, makine seçimi, malzeme taşıma sistemi seçimi ve sistemde kullanılacak öncelik kuralı seçimi için bir sistem geliştirilmiştir. Yapay sinir ağı modeli olarak geri yayma ağı kullanılmıştır. Çalışmada önce gerçeğe uygun sonuçlar üretebilen, eğitilmiş yapay sinir ağı elde edilmiştir. Ağı eğitmek için gerekli olan örneklerin elde edilmesi için bilgisayar ortamında benzetim tekniğinden faydalanılmıştır. Daha sonra, karar verme ve bu kararın geçerli olduğu değerler aralığını bulma ve yorumlama yer almaktadır. Performans kriterlerinin belirli bir değerler kümesini sağlayabilecek olan, donanım konfigürasyonu ve çizelgeleme stratejisini belirleyebilmek için, eğitilmiş yapay sinir ağlarından yararlanılmıştır. Yapay sinir ağı tarafından teklif edilen sonuç ya da sonuçların benzetimi sonunda, performans kriterlerinin beklenen değerlerinden sapma miktarları hesaplanarak karar verme işlemi için bir tablo halinde sunulmuştur. Performans ölçümünde kullanılan kriterler; ortalama akış zamanı, ortalama gecikme, maksimum tamamlanma zamanı ve makine merkezleri kullanım oranlarıdır. Son olarak, hem karar verme işleminde yardımcı olabilecek hem de verilen kararların geçerli olduğu alanı belirleyebilecek bir `etki alanı` analizi ile sistemin farklı durumlar karşısında nasıl bir tepki verebileceği ortaya konulmuştur. Böylece karar verici, sistemi kuş bakışı görebilecek ve etkili kararlar alabilecektir. XIV

SUMMARY Keywords: Flexible Manufacturing System (FMS), Simulation, Artificial Neural Network. Simulation which has ability to represent behaviors of system can compose effective decision making structure when considered with artificial intelligence techniques. In this study, a system has been developed to select machine, material handling system and priority rule that will be used in the system by using simulation and artificial neural network on FMS design. Back Propagation was used in this study. Firstly, a trained network that is able to produce suitable results is obtained. To obtain necessary samples to train Artificial Neural Network, computer simulation technique is used. The trained network is used to determine hardware configuration and scheduling strategy that satisfies the set of performance criteria. Simulation is performed using the result of neural network. The differences between performance criteria and their expected values are obtained and represented as a table for decision making operation. Criteria used for performance measurement are mean flow time, mean tardiness, maximum completion time and machine centers utilization. Finally, system behaviors on different situations are explained using `effect area analyses` The analyses will assist decision making and determine valid area for decisions. In this way, decision maker can make effective decisions. xv