ANFIS ve YSA Yöntemleri ile İşlenmiş Doğal Taş Üretim Sürecinde Verimlilik Analizi
Bu çalışmada bir doğal taş üretim işletmesine blok taş olarak giren bir hammaddenin ebatlı ham plaka olarak çıkmasına kadar gerçekleşen üretim süreçlerinin kontrolü, kayıt altına alınması, planlanması,stok yönetimi, doğal taş blokların verimlilikleri ve üretimin tahminlerinin yapılması amaçlanmıştır. Bunun için işletmenin üretim karakterini yansıtacak kurallı ve ilişkisel bir veri tabanı geliştirilmiş ve aynı zamanda, üretimin planlanması ve yönetimi için işletme yöneticilerine destek olabilecek bir yardımcı sistem oluşturulmuştur. Ayrıca, oluşturulan veri tabanındaki bilgiler kullanılarak yapay sinir ağları ve ANFIS ile iki farklı model geliştirilmiş ve bu modeller vasıtasıyla blokların verimlilikleri ve üretim süreleri tahmini gerçekleştirilmiştir. Modelleme ve veri giriş işlemleri tamamlandıktan sonra verimlilik tahmin sonuçları incelendiğinde yeterli başarının yapay sinir ağı modelinde ve % 4.9 en yüksek hata oranı ile gerçekleştiği tespit edilmiştir.
Productivity Analysis in Processed Natural Stones Production Process by Neural Networks and ANFIS Methods
In this study, productivity of processed natural stones and production estimations such production management, storing, planning, inventory management were aimed in whole manufacturing process includes natural stone from quarry to sized raw plate in a natural stone productive facilities. Therefore a technically well designed and relational database developed to reflect the character of production of a company. A subsystem was designed to company managers for assisting in terms of production planning. Besides, two different estimation model such artificial neural networks and adaptive neuro- fuzzy inference system were developed and productivity estimation of raw natural stone blocks and production time estimation of the whole process were done by using this system. After modeling and data input operations were completed, the productivity estimation results were analyzed, a sufficient success was obtained in articial neural network model with maximum error rate 4.9%
___
- Akkoyun, Ö.,2006. Mermer İşletme Tesislerinde Kalite Maliyetlerine Bağlı Üretim Optimizasyonu. Doktora Tezi, Osmangazi Üniversitesi Fen Bilimleri Enstitüsü, Eskişehir,135
- Akkoyun, Ö. and Ankara, H. (2007). Kalite Maliyet Modelleri ve Mermer Fabrikaları için Bir Uygulama.Madencilik Dergisi, 46,3-15 .
- Alarjin, J., Delgado, J. and Balibrea, L., 2005. Automatic System for Quality-Based Classification of Marble Textures. IEEE Transaction on Systems, Man, and Cybernetics, 35,488-497.
- Atmaca, H., Cetisli, B., and Yavuz, H. S., 2001. The comparison of fuzzy inference systems and neural network approaches with ANFIS method for fuel consumption data. In Second International Conference on Electrical and Electronics Engineering Papers ELECO.
- Baş, N., 2006. Yapay Sinir Ağları Yaklaşımı ve Bir Uygulama.Yüksek Lisans Tezi, Mimar Sinan Güzel Sanatlar Üniversitesi Fen Bilimleri Enstitüsü, İstanbul,135
- Caner, M. and Akarslan, E., 2009. Mermer Kesme İşleminde Spesifik Enerji Faktörünün ANFIS ve YSA Yöntemleri ile Tahmini. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 15, 221-226.
- Güvenç, U., Dursun M. and Çimen, H., 2011. Mermer Kesme İşleminde Kesim Süresinin Yapay Sinir Ağı Tabanlı Modellenmesi. SDU International Technologic Science , 3, 9-16.
- Jang, JSR., 1993. ANFIS--Adaptive-network-based neuro- fuzzy inference systems. IEEE Transactions on Systems Man and Cybernetics, 20(03), 665-85.
- Kaya, İ., Oktay, S., Engin, O., 2005. Kalite kontrol problemlerinin cozumunde yapay sinir ağlarının kullanımı, Erciyes Universitesi Fen Bilimleri Enstitusu Dergisi, 21 (1-2), 92-107.
- Öztemel, E., 2003. Yapay Sinir Ağları. Papatya Yayıncılık, İstanbul.
- Takagi, T., and Sugeno M., 1985. Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on Systems, Man, and Cybernetics, 15, 116-132
- Tsukamoto, Y., 1979. Advances in fuzzy set theory and applications, editörler, Gupta, MM., Ragade, RK., and Yager, RR., North-Holland, Amsterdam, 137-149
- Yılmaz M., Çomaklı Ö. and Haşıloğlu, A.S., 2002. Kanallarda zamana bağlı zorlanmış ısı taşınımının bulanık-sinir ağı (neuro-fuzzy) ile tahmini, GAP IV. Mühendislik Kongresi Bildiriler Kitabı, 06-08 Haziran 2002, Şanlıurfa, Turkey.
- Zurada, J., 1992. Introduction to Artificial Neural Networks. West Publishing Company, St. Paul.
- İnternet kaynakları
- 1-http://rfhs8012.fh- Regensburg.de/~saj39122/jfroehl/diplom/e-1.html (24.11.2015)