Makine öğrenmesi tabanlı ilişkisiz paralel makine çizelgelemesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: MUCİZE BELDEK
Danışman: ŞERAFETTİN ALPAY
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez çalışmasında, tekstil sektöründe faaliyet gösteren bir tişört üretim firmasına ait geçmiş satış verileri kullanılarak makine öğrenmesi tabanlı bir talep tahmin yaklaşımı ele alınmıştır. Talep yapısındaki dalgalanmalar ve yüksek ürün çeşitliliğinin üretim planlama süreçleri üzerindeki etkileri dikkate alınarak, Python programlama dili ile farklı regresyon tabanlı makine öğrenmesi modelleri oluşturulmuş ve performansları karşılaştırılmıştır. Karşılaştırma sonuçlarına göre, doğrusal olmayan veri yapılarının modellenmesinde daha başarılı sonuçlar verdiği belirlenen CatBoost algoritması talep tahmin sürecinde kullanılmıştır. Modelleme ve kodlama çalışmaları Python ortamında gerçekleştirilmiş, uygulamalar PyCharm geliştirme ortamında yürütülmüştür. Talep tahmini sonucunda elde edilen çıktılar, üretim planlama sürecinde girdi parametresi olarak değerlendirilmiştir. Bu kapsamda, ilişkisiz paralel makineler üzerinde üretim yapılan bir sistem için karma tamsayılı doğrusal programlama (MILP) tabanlı bir üretim çizelgeleme modeli ele alınmıştır. Modelde, makine kapasiteleri, makineye bağlı işlem süreleri ve ürüne bağlı ancak üretim sırasından bağımsız hazırlık süreleri dikkate alınmış; müşteri siparişlerine ait toplam gecikme süresinin en küçüklenmesi amaçlanmıştır. Model, Python ortamında Gurobi çözücüsü kullanılarak çözülmüş ve elde edilen sonuçlar doğrultusunda üretim çizelgeleri oluşturulmuştur. Elde edilen üretim çizelgeleri Gantt diyagramları aracılığıyla görselleştirilmiş ve çizelgelerin yapısı ile performansı analiz edilmiştir. Çalışma, makine öğrenmesi tabanlı talep tahmin sonuçlarının tekstil sektörüne özgü üretim koşulları altında çizelgeleme kararlarına entegre edilmesi bakımından, talep tahmini ve ilişkisiz paralel makinelerde üretim çizelgeleme süreçlerinin birlikte ele alındığı uygulamaya dönük bir karar destek yaklaşımı sunmaktadır.