KaydedilenlerDerginizi ekleyin

Dergiler / Endüstri Mühendisliği / 2025 / Cilt: 36 Sayı: 3

KARADENİZ SICAKLIK VERİSİ İÇİN SEZGİSEL BULANIK CUSUM KONTROL GRAFİĞİ KULLANIMI

Gülşen Davarcı(ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ)0009-0000-6581-234X
Hatice Ercan Tekşen(ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ)0000-0001-7315-0067
Sayfa
446–466
Yayın Tarihi
2025-12-25
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada, sezgisel bulanık yamuk sayılar CUSUM kontrol grafiklerine entegre edilmiş ve sezgisel bulanık yamuk kontrol limitleri hesaplaması için formül geliştirilen ilk çalışma özelliğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Klasik küme yapısına alternatif olarak geliştirilen bulanık mantık yapısı hızla gelişerek üretim, kalite kontrol, ergonomi vb. gibi bütün alanlarda kullanımı yaygınlaşmıştır.
📊
Temel Bulgular & Veri:Deniz suyu sıcaklığı denizlerin ekolojik dengesinin etkileyen bir parametredir.
💡
Sonuç & Katkı:Bu çalışmada, sezgisel bulanık yamuk sayılar CUSUM kontrol grafiklerine entegre edilmiş ve sezgisel bulanık yamuk kontrol limitleri hesaplaması için formül geliştirilen ilk çalışma özelliğini göstermektedir.
🔬Tür:Laboratuvar & Saha Deneyi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Bulanık Mantık · Sezgisel CUSUM Kontrol Grafiği · Sezgisel Yamuk Bulanık Sayılar

Özet

Klasik küme yapısına alternatif olarak geliştirilen bulanık mantık yapısı hızla gelişerek üretim, kalite kontrol, ergonomi vb. gibi bütün alanlarda kullanımı yaygınlaşmıştır. Klasik kümelerin aksine kesinlik yerine belirsiz verilerle çalışan, insan düşünce yapısını daha iyi modellenebilmesine olanak tanıyan ve esnek yaklaşım sunarak sürecin daha iyi yönetilebilmesini sağlayan bulanık mantık yaklaşımı bu makalede süreç üzerinde meydana gelen küçük sapmaların erken tespit edilmesinde kullanılan kalite kontrol aracı olarak CUSUM kontrol grafiği üzerinde incelenmiş ve gündelik yaşamda kullanımını göstermek amacıyla deniz suyu sıcaklığı verileri kullanılmıştır. Deniz suyu sıcaklığı iklim üzerinde meydana gelen değişimler ve hava durumu tahminleri gibi alanlarda fikir oluşturur. Deniz suyu sıcaklığı denizlerin ekolojik dengesinin etkileyen bir parametredir. Balıkçılık, deniz turizmi gibi alanlarda bu verilere ihtiyaç duyulmaktadır. Araştırma kapsamında elde edilen veriler Türkiye’nin üç etrafında bulunan denizlerden ölçülen sıcaklık değerleridir. Literatür incelendiğinde sezgisel bulanık sayılar CUSUM kontrol grafikleri üzerinde daha önce kullanılmamıştır. Bu sebeple formülü de daha önce geliştirilmemiştir. Bu çalışmada, sezgisel bulanık yamuk sayılar CUSUM kontrol grafiklerine entegre edilmiş ve sezgisel bulanık yamuk kontrol limitleri hesaplaması için formül geliştirilen ilk çalışma özelliğini göstermektedir.

🔖

Bu Makaleye Atıf Yap

Davarcı, G., Tekşen, H. E. (2025). KARADENİZ SICAKLIK VERİSİ İÇİN SEZGİSEL BULANIK CUSUM KONTROL GRAFİĞİ KULLANIMI. Endüstri Mühendisliği, Cilt: 36 Sayı: 3, 446–466. https://doi.org/10.46465/endustrimuhendisligi.1775656

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (48)

  1. Aslam, M., Shafqat, A., Albassam, M., Malela-Majika, J. ve Shongwe, S. (2021). A new CUSUM control chart under uncertainty with applications in petroleum and meteorology. Plos One, 16(2). doi: https://doi.org/10.1371/journal.pone.0246185
  2. Atanassov, K. T. (1983). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87-96. doi: https://doi.org/10.1016/S0165-0114(86)80034-3
  3. Bates, J. H. ve Young, M. P. (2003). Applying Fuzzy Logic to Medical Decision Making in the Intensive Care Unit. American Journal of Respiratory and Critical Care Medicine, 167(7), 948-952. doi: https://doi.org/10.1164/rccm.200207-777CP
  4. Boran, F. E., Genç, S., Kurt, M. ve Akay, D. (2009). A multi-criteria intuitionistic fuzzy group decision making for supplier selection with TOPSIS method. Expert Systems with Applications, 36(8), 11363-11368. doi: https://doi.org/10.1016/j.eswa.2009.03.039
  5. Chang, T. ve Gan, F. (1995). A Cumulative Sum Control Chart for Monitoring Process Variance. Journal of Quality Technology, 27(2), 109-119. doi: https://doi.org/10.1080/00224065.1995.11979574
  6. Charurotkeerati, T. (2021). Fuzzy Cumulative Sum Control Chart for Monitoring Fuzzy Process. The Journal of Applied Science, 20(2), 34-42. doi: https://doi.org/10.14416/j.appsci.2021.02.004
  7. Conker, Ç. ve Karaca, A. (2019). Bulanık Mantık Esaslı Karar Destek Sistemi ile Robot Elin Kuvvet Kontrolü. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 21(62), 433-447. doi: https://doi.org/10.21205/deufmd.2019216210
  8. Çınar, A. ve Uygun, Ö. (2009). Sezgisel Bulanık AHP Yöntemiyle Yeşil Tedarikçi Seçimi. Zeki Sistemler Teori ve Uygulamaları Dergisi, 2(2), 24-31. doi: https://doi.org/10.38016/jista.515881
  9. Deka, S. D. ve Gogoı, B. (2014). Cumulatıve Sum, Cumulatıve Score And Nonparametrıc Cusum Control Charts For Detectıng Mean/Medıan Change. International Journal of Innovative Research in Computer Science ve Technology, 2(1), 33-39. Erişim adresi: https://www.ijircst.org/
  10. Demircan, M. L. (2004). Bulanık yenileme analizi (Yüksek Lisans Tezi).İ̇stanbul Tekni̇k Üni̇versi̇tesi̇ Fen Bilimleri Enstitüsü,İstanbul.
  11. Devrim, E. (2019). Ti̇p-2 bulanık küme yaklaşımı i̇le kusur sayısı kontrol di̇yagramlarının tasarımı ve otomoti̇v sektöründen bi̇r gerçek hayat uygulaması (Yüksek Lisans Tezi). Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü,İstanbul.
  12. Ercan Tekşen, H. (2019). Aralık tip-2 ve sezgisel bulanık kontrol grafiklerinin geliştirilmesi (Doktora Tezi). Eski̇şehi̇r Osmangazi̇ Üni̇versi̇tesi̇ Fen Bilimleri Enstitüsü, Eskişehir.
  13. Ercan Tekşen, H. ve Anagün, A. S. (2018). Different methods to fuzzy X- R control charts used in production Interval type-2 fuzzy set example. JOURNAL OF ENTERPRISE INFORMATION MANAGEMENT, 31(6), 848-866. doi:https://doi.org/10.1108/jeim-01-2018-0011
  14. Ercan Tekşen, H. ve Anagün, A. S. (2018). Interval type-2 fuzzy c-control charts using likelihood and reduction methods. Soft Computing, 22(15), 4921-4934. doi: https://doi.org/10.1007/s00500-018-3104-2
  15. Erginel, N. ve Şentürk, S. (2016). Fuzzy EWMA and Fuzzy CUSUM Control Charts. Springer International Publishing Switzerland, 281-295. doi:https://dx.doi.org/10.1007/978-3-319-39014-7_15
  16. Ertuğrul, İ. ve Özçil, A. (2015). Kalite Kontrol Grafiklerinden "Shewart, Cusum ve Ewma" nın Bir Üretim İşletmesinde Uygulanması. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 17(28), 14-26. Erişim adresi:https://www.kmu.edu.tr/
  17. Faraz, A. ve Shapirob, A. F. (2010). An application of fuzzy random variables to control charts. Fuzzy Sets and Systems, 161(20), 2684-2694. doi: https://doi.org/10.1016/j.fss.2010.05.004
  18. Filiz, S. Ç. (2014). Bulanık hedef programlama yaklaşımının araç rotalama problemi̇ne uygulanması (Yüksek Lisans Tezi). İstanbul Üniversitesi Sosyal Bilimler Enstitüsü,İstanbul.
  19. Fonseca, D. J., Elam, M. E. ve Tibbs, L. (2007). Fuzzy Short-Run Control Charts. Mathware ve Soft Computing, 14, 81-101.Erişim adresi: https://www.eusflat.org/publications-mathware.html
  20. Ghobadi, S., Noghondarian, K., Noorossana, R. ve Mirhosseini, S. (2015). Developing a fuzzy multivariate CUSUM control chart to monitor multinomial linguistic quality characteristics. Int J Adv Manuf Technol. doi: https://doi.org/10.1007/s00170-015-6919-3
  21. Işık, A. T. (2011). Bütünleşik üretim plânlamasında bulanık mantık yaklaımı ve bir uygulama (Doktora Tezi). Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü,Aydın.
  22. Kahraman, C., Öztayşi, B. ve Onar, S. (2024). Bulanık Kümeler ve Uzantıları. İstanbul: İTÜ Yayınevi.
  23. Kaya, İ., Cebeci, B., İlkbahar, E. ve Karaşan, A. (2020c, Eylül). Yeni Bulanık Mantık Yaklaşımlarının İstatistiksel Kalite Kontrol Üzerine Etkileri. Ankara. Erişim adresi: https://search.trdizin.gov.tr/
  24. Kaya, İ., İlkbahar, E., Karasan, A. ve Cebeci, B. (2020b). Design of EWMA and CUSUM Control Charts Based On Type-2 Fuzzy Sets. Conference Proceeding Science and Technology, 3(1), 129-135. Erişim adresi: https://cpostjournal.org/
  25. Kaya, İ., Karasan, A., İlkbahar, E. ve Cebeci, B. (2020a). Analyzing attribute control charts for defectives based on ıntuitionistic fuzzy sets. Conference Proceedi̇ng Sci̇ence And Technology, 3(1), 122-128.
  26. Kazu, İ. Y. ve Özdemir, O. (2009). Öğrencilerin Bireysel Özelliklerinin Yapay Zeka ile Belirlenmesi (Bulanık Mantık Örneği). Akademik Bilişim’09 - XI. Akademik Bilişim Konferansı Bildirileri, 457-466, Şanlıurfa.
  27. Kıyak, E. ve Kahvecioğlu, A. (2003). Bulanık Mantık Ve Uçuş Kontrol Problemine Uygulanması. Havacılık ve Uzay Teknolojileri Dergisi, 1(2), 63-72. Erişim adresi: https://jast.hho.msu.edu.tr/index.php/JAST
  28. Koshti, V. (2011). Cumulatıve Sum Control Chart. International Journal of Physics and Mathematical Sciences, 1(1), 28-32. Erişim adresi: https://www.cibtech.org/jpms.htm
  29. Maravelakis, P. Panaretos, J., ve Psarakis, S. (2004). Ewma Chart and Measurement Error. Journal of Applied Statistics, 31(4), 445-455. doi: https://doi.org/10.1080/02664760410001681738
  30. Mendes, A., Machado, M. ve Rizol, P. (2023). Intuitionistic fuzzy X-R control charts based on IF-WABL defuzzification method. ICOTEM, 137-148. Erişim adresi: http://icotem23.fam.ulusiada.pt/
  31. Meteoroloji Genel Müdürlüğü. (2025). Resmi iklim istatistikleri. T.C. Çevre, Şehircilik Ve İklim Değişikliği Bakanlığı. Erişim adresi:https://www.mgm.gov.tr/veridegerlendirme/il-ve-ilceler-istatistik.aspx?k=K
  32. Montgomery, D. (2009). Introduction to Statistical Quality Control. New York: John Wiley ve Sons. Osanaiye, P. ve Talabi, C. (1989). On Some Non-Manufacturing Applications of Counted Data Cumulative Sum (CUSUM) Control Chart Schemes. Journal of the Royal Statistical Society Series D (The Statistician), 38(4), 251-257. doi: https://doi.org/10.2307/2349058
  33. Ödük, M. N. (2020). Bulanık Kontrolün Tarım Yönetimi. Ankara: İksad Yayınevi.
  34. Özdemir, A., Uçurum, M. ve Serencam, H. (2023). A Novel Fuzzy Cumulative Sum Control Chart with an α-Level Cut Based on Trapezoidal Fuzzy Numbers for a Real Case Application. Arabian Journal for Science and Engineering, 49(5). doi: https://doi.org/10.1007/s13369-023-08256-z
  35. Page, E. S. (1954). Continuous Inspection Schemes. Biometrika, 41(1-2), 100-115. doi: https://doi.org/10.1093/biomet/41.1-2.100
  36. Razali, N. H., Abdullah, L., Salleh, Z., Ghani, A. ve Yap, B. (2021). Interval Type-2 Fuzzy Standardized Cumulative Sum Control Charts in Production of Fertilizers. Mathematical Problems in Engineering. doi: https://doi.org/10.1155/2021/4159149
  37. Saadci, Y. E. (2019). Sezgisel bulanık kümeler kullanılarak p ve np kontrol diyagramlarının geliştirilmesi ve bir uygulama (Yüksek Lisans Tezi). Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
  38. Sarıçiçek, İ. ve Çimen, Ö. (2011). A New Dıagnosıs System Based On Fuzzy Reasonıng To Detect Mean And/Or Varıance Shıfts In A Process. International Journal of Innovative Computing, Information and Control, 7(12), 6935-6948.Erişim adresi: http://www.ijicic.org/
  39. Shu, M., Cheng, C. ve Chang, J. (2006). Using intuitionistic fuzzy sets for fault-tree analysis on printed circuit board assembly. Microelectronics Reliability, 46(12), 2139-2148. doi: https://doi.org/10.1016/j.microrel.2006.01.007
  40. Soysal, H. ve Boran, S. (2015). Bulanık X-R diyagramları kullanılarak bulanık süreç yeterlilik analizi. SAÜ Fen Bil Dergisi, 19(1), 15-26.
  41. Şentürk, S. (2017). Constructıon Of Fuzzy C Control Charts Based On Fuzzy Rule Method. Anadolu Üniversitesi Bilim ve Teknoloji Dergisi, 18(3), 563-572.Erişim adresi: https://earsiv.anadolu.edu.tr/xmlui/
  42. Şentürk, S. ve Erginel, N. (2009). Development of fuzzy X-R and X-S control charts using a-cuts. Information Sciences, 179, 1542-1551. doi: https://doi.org/10.1016/j.ins.2008.09.022
  43. Wang, D. (2006). A CUSUM Control Chart for Fuzzy Quality Data. Advances in Soft Computing, 6, 357-364. doi: https://doi.org/10.1007/3-540-34777-1_42
  44. Wang, D. ve Hryniewicz, O. (2013). The design of a CUSUM control chart for LR-fuzzy data. 2013 Joint Ifsa World Congress and NAFIPS Annual. doi: https://doi.org/10.1109/IFSA-NAFIPS.2013.6608395
  45. Wang, R. ve Chen, C. (1995). Economic statistical np-control chart designs based on fuzzy optimization. International Journal of Quality ve Reliability Management, 12(1), 82-92. doi:http://dx.doi.org/10.1108/02656719510076276
  46. Zadeh, L. (1965). Fuzzy Sets. Information and Control, 8(3), 338-353. Erişim adresi: https://www.sciencedirect.com/
  47. Zadeh, L. (1973). Outline of a new approach to the analysis of complex systems and decision processes. IEEE Transactions on Systems, Man and Cybernetics, SMC-3(1), 28-44.
  48. Zimmerman, H. J. (2001). Fuzzy Set Theory-and Its Applications. New York: Springer Science+Business Media.