SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2026 / Cilt: 24 Sayı: 2

İKİ MAKİNE AKIŞ TİPİ ÖĞRENME ETKİLİ ÇİZELGELEMEDE ORTAK TESLİM TARİHİNDEN MUTLAK SAPMALARIN EN KÜÇÜKLENMESİ

Mesut İşler
Veli Çelik
Bilal Toklu
Pages
—
Publication Date
2013-02-14
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu çalışmada iki makine akış tipi ortamlı çizelgelemede ağırlıklı erken/geç tamamlanma performans kriteri ve öğrenme etkili işleme özelliği dikkate alınarak bir tamsayılı programlama modeli önerilmiş ve örnek problemlerle çözüm sonuçları değerlendirilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Yöneylem araştırmasıyla ilgili pek çok alanda öğrenme etkisinin dikkate alındığı çalışmalar mevcuttur.
📊
Key Findings & Data:Erken/Geç (E/G) tamamlanma problemi 1990 yılların başına kadar ağırlıklandırılmış mutlak sapma problemi olarak bilinmekteydi.
💡
Conclusion & Impact:Bu çalışmada iki makine akış tipi ortamlı çizelgelemede ağırlıklı erken/geç tamamlanma performans kriteri ve öğrenme etkili işleme özelliği dikkate alınarak bir tamsayılı programlama modeli önerilmiş ve örnek problemlerle çözüm sonuçları değerlendirilmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Çizelgeleme · akış tipi · E/G tamamlanma

Özet

Yöneylem araştırmasıyla ilgili pek çok alanda öğrenme etkisinin dikkate alındığı çalışmalar mevcuttur. Buna karşın üretim çizelgelemede bu konuyla ilgili çalışma sayısı az, akış tipinde ise daha azdır. Erken/Geç (E/G) tamamlanma problemi 1990 yılların başına kadar ağırlıklandırılmış mutlak sapma problemi olarak bilinmekteydi. Hem erken hem de geç tamamlanma zamanı çizelgeleme problemlerinde önemli ölçütlerdir. Toplam gecikme ölçütü teslim tarihlerine uyuma ilişkin göstergeleri sağlarken (erken tamamlanan işlere ilişkin sonuçları göz ardı ederek), sadece geç tamamlanan işlerin cezaları ile ilgilenir. Ancak bu eğilim tam zamanında üretim (TZÜ) konusuna olan artan ilgi ile birlikte değişmeye başlamıştır. TZÜ’de erken tamamlanma geç tamamlanma kadar önemlidir. Bu çalışmada iki makine akış tipi ortamlı çizelgelemede ağırlıklı erken/geç tamamlanma performans kriteri ve öğrenme etkili işleme özelliği dikkate alınarak bir tamsayılı programlama modeli önerilmiş ve örnek problemlerle çözüm sonuçları değerlendirilmiştir.

🔖

Cite This Article

İşler, M., Çelik, V., Toklu, B. (2013). İKİ MAKİNE AKIŞ TİPİ ÖĞRENME ETKİLİ ÇİZELGELEMEDE ORTAK TESLİM TARİHİNDEN MUTLAK SAPMALARIN EN KÜÇÜKLENMESİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 24 Sayı: 2. https://ajindex.com/articles/1078741

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (81)

  1. Yağmahan B. ve Yenisey M.M., Akış tipi
  2. çizelgeleme problemi için KKE parametre
  3. eniyileme, İTÜ Dergisi, 5 (2), 133-141, 2006.
  4. Biskup D., A State-Of-The-Art Review on
  5. Scheduling with Learning Effects, European
  6. Journal Of Operational Research, 188, 315-329,
  7. Yelle L.E., The Learning Curve: Historical
  8. Review and Comprehensive Survey, Decision
  9. Science, 10, 302-328, 1979.
  10. Wright T.P., Factors Affecting The Cost Of
  11. Airplanes, Journal Of The Aeronautical
  12. Sciences, 3, 122-128, 1936.
  13. Eren T. ve Güner E., Öğrenme Etkili Akış Tipi
  14. Çizelgelemede Ortalama Akış Zamanının En Küçüklenmesi, Gazi Ünv. Müh. Mim. Fak. Der.,, 119-124, 2004.
  15. Biskup D., Single-Machine Scheduling with
  16. Learning Considerations, European Journal Of
  17. Operational Research, 115, 173-178, 1999.
  18. Lee W.C. and Wu C.C., Minimizing total
  19. completion time in a two-machine flowshop with
  20. a learning effect, International Journal of
  21. Production Economics, 88, 85-93, 2004.
  22. Chen P., Wu C.C. and Lee W.C., A bi-criteria
  23. two-machine flowshow scheduling problem with a
  24. learning effect, Journal of the Operational
  25. Research Society, 57, 1113-1125, 2006.
  26. Cheng M.B., Sun S.J. and Yu Y., A note on flow
  27. shop scheduling problems with a learning effect
  28. on no-idle dominant machines, Applied
  29. Mathematics and Computation, 184, 945-949,
  30. Fisher M.L., A dual algorithm for the one-machine
  31. scheduling problem, Mathematical
  32. Programming, 11, 229–251, 1976.
  33. Wu C.C., Lee W.C. and Wang W.C., A twomachine
  34. flowshop maximum tardiness scheduling
  35. problem with a learning effect, International
  36. Journal of Advanced Manufacturing
  37. Technology, 31, 743-750, 2007.
  38. Baker K.R., Elements of sequencing and
  39. scheduling, Dartmounth College, Hanover, 1997.
  40. Lauff V. and Werner F., Scheduling with
  41. Common Due Date, Earliness and Tardiness
  42. Penalties for Multimachine Problems: A Survey,
  43. Mathematical and Computer Modelling, 40 (5-, 637-655, 2004.
  44. Ventura J.S., Kim D. and Garriga F., Single
  45. machine earliness-tardiness scheduling with
  46. resource-dependent release dates, European
  47. Journal of Operational Research, 142, 52-69,
  48. Sarper H., Minimizing the sum of absolute
  49. deviations about a common due date for the twomachine
  50. flow shop problem, Applied
  51. Mathematical Modelling, 19 (3), 153-161, 1995.
  52. Hendel Y. and Sourd F., An improved earlinesstardiness
  53. timing algorithm, Computers&Operation
  54. Research, 34, 2931-2938, 2007.
  55. Sakuraba C.S., Ronconi D.P. and Sourd F.,
  56. Scheduling in a two-machine flowshop for the
  57. minimization of the mean absolute deviation from
  58. a common due date, Computers&Operations
  59. Research, 36 (1), 60-72, 2009.
  60. Mosheiov G., Scheduling problems with a
  61. learning effect, European Journal of
  62. Operational Research, 132, 687–693, 2001.
  63. Mosheiov G. and Sidney J.B., Scheduling with
  64. general job-dependent learning curves, European
  65. Journal of Operational Research., 147, 665-670,
  66. Biskup D. and Simons, D., Common due date
  67. scheduling with autonomous and induced learning.
  68. European Journal of Operational Research,, 606–616, 2004.
  69. Kuo W.H. and Yang D.L., Single machine
  70. scheduling with past-sequence-dependent setup
  71. times and learning effects, Information
  72. Processing Letters, 102, 22-26, 2007.
  73. Toksarı M.D. and Güner E. Parallel machine
  74. earliness/tardiness scheduling problem under the
  75. effects of position based learning and linear/nonlinear
  76. deterioration, Computers&Operations Research, 36
  77. , 2394-2417, 2008.
  78. Chou F.D. and Lee C.E., Two-machine Flowshop
  79. Scheduling with Bicriteria Problem,
  80. Computers&Industrial Engineering, 36 (3),
  81. 564,1999.