JOB-SHOP SCHEDULING DESIGN WITH ARTIFICIAL NEURAL NETWORKS
Journal Name:
- Sigma Mühendislik ve Fen Bilimleri Dergisi
Keywords (Original Language):
| Author Name | University of Author |
|---|---|
Abstract (2. Language):
Simulation, being capable of representing a system’s behavior in an effective way, when combined with the
neural networks, can provide an efficient decision making structure. In this paper, a system is developed in
order to determine the machine, the material handling system and the priority rule that will be used in the
system by using Simulation and neural network techniques in Job-Shop scheduling design. The
backpropagation algorithm is chosen for the neural network model.
In this paper, first, a neural network that is capable of providing realistic results is obtained. Simulation
technique is used in order to obtain the samples to train the neural network in computer environment. The
next step includes the decision-making, determination of the ranges where the selected decision remains valid
and the related comments. Trained neural networks are used in order to determine the hardware configuration
and the scheduling strategy that are capable of providing a determined set of performance criteria. After the
simulation of the result(s) that is (are) proposed by the neural network, the deviations of the performance
criteria from their corresponding expected values are calculated and proposed in a tabular format. The criteria
used in the performance measurement are the average flow time, average tardiness, maximum completion
time and machine center usage ratios.
Bookmark/Search this post with
Abstract (Original Language):
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 oluşturmaktadır. Bu çalışmada,
Atölye çizelgeleme tasarımında benzetim ve yapay sinir ağı kullanılarak, tezgah seçimi, malzeme taşıma
sistemi seçimi ve sistemde kullanılacak öncelik kuralı seçimi için bir sistem geliştirilmiştir. Yapay sinir ağı
modeli olarak geriye yayma algoritması (GYA - backpropagation) kullanılmıştır. Bu çalışmadaki yaklaşıma
“Öncelik Kuralına Dayalı Yaklaşım” adı verilmiştir. Çalışmada, öncelikle gerçeğe uygun sonuçlar üretebilen,
eğitilmiş yapay sinir ağıları elde edilmiştir. Öncelik kuralı temel alınarak oluşturulan bu yaklaşımda, örnek setinde
sadece seçilen bir öncelik kuralı ve Otomatik Güdümlü Araç (OGA) sayısı konfigürasyonu ile elde edilen
değerlerin bulunduğu, öncelik kuralı-OGA sayısı kombinasyonuna göre yapay sinir ağı topolojisi oluşturulmuştur.
Ağı eğitmek ve gerekli olan örneklerin elde edilmesi için bilgisayar ortamında benzetim tekniğinden
faydalanılmıştır. 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 hesaplanmış ve karar verme işlemi çizelgeler halinde sunulmuştur.
Performans ölçümünde kullanılan kriterler; ortalama akış zamanı, ortalama gecikme, maksimum tamamlanma
zamanı ve tezgah merkezleri kullanım oranlarıdır.
FULL TEXT (PDF):
- 4
121-130