Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği, Türkiye
Tezin Onay Tarihi: 2014
Tezin Dili: Türkçe
Öğrenci: AHAD FOROUGHİ
Danışman: Hadi Gökçen
Özet:İşletmelerde ekonomik çalışma gereğinin büyük önem taşıdığı günümüzde, kaynakların etkin olarak kullanılıp değerlendirilmesi oldukça önemli bir konudur. Kaynakların verimli kullanılması sonucunda işletmelerin maliyetleri önemli ölçüde azalacak, kapasite kullanım oranları ve toplam kârlarında artışlar sağlanabilecektir. Endüstrileşme sürecinde yüksek hacimde, hızlı ve düşük maliyetli üretim yapabilmek için atölye tarzı yerleşimden montaj hattı (MH) yerleşimine geçmek zorunluk hale gelmiştir. Ayrıca, çoğu endüstriyel ürünlerin toplam maliyetinin büyük bir oranı, montaj maliyetinden oluşmaktadır. Bu nedenle montaj hatlarında maliyetlerin azaltılması ve iş gücü gibi kaynaklardan verimli şekilde faydalanmak, toplam üretim maliyetini önemli ölçüde etkilemektedir. Maliyet tabanlı montaj hattı dengeleme problemi tüm öncelik ve zaman kısıtlarını dikkate alarak ve birim ürün başına toplam maliyeti minimize ederek görevlerin iş istasyonlarına mümkün atamasını kapsamaktadır. Genellikle, son montajın emeğe dayalı olarak yapıldığı, otomasyon fazla olmadığı üretim ortamlardır. Bu nedenle maliyet tabanlı montaj hattı dengeleme problemlerinde, iş gücü maliyeti detaylı olarak analiz edilmek zorundadır. Ayrıca gerçek üretim sistemlerinde, özellikle manuel montaj hatlarında, montaj operasyon süreleri genellikle deterministik değildir ve değişiklik göstermektedir. Bu durum montaj hattının deterministik değil, stokastik olarak ele alınmasını zorunlu kılmaktadır. Bu çalışmada Maliyet Tabanlı Stokastik Montaj Hattı dengeleme problemi ilk kez ele alınmış ve bu amaçla bir şans kısıtlı matematiksel model önerilmiştir. Önerilen model, IBM ILOG CPLEX 12.4 yazılımı yardımıyla küçük ve orta boyutlu problemler için çözülmüştür. Problemin NP-zor olduğu için, büyük boyutlu problemler için genetik algoritma önerilmiştir. Deneysel araştırma sonuçları önerilen genetik algoritmanın daha iyi bir performansa sahip olduğunu göstermektedir.