Dergiler / Business and Economics Research Journal / 2018 / Cilt: 9 - Sayı: 4

Çok Amaçlı De Novo Programlama Problemlerinin Çözümünde Bulanık Yaklaşım Önerisi ve Bir İşletme Uygulaması

A Fuzzy Approach Proposal in the Solution of Multi Objective De Novo Programming Problems and A Business Application

Sayfa
825–838
DOI
—
🏛️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)

Önerilen yaklaşımın en belirgin özeliği pozitif ve negatif ideal çözüm kavramları yerine, bütçenin alt ve üst sınırına göre elde edilen amaç fonksiyonu değerlerinin kullanılmasıdır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:De Novo Programlama verilen bir sistemin optimizasyonu yerine, bir optimal sistemin tasarımını bütçe kısıtına bağlı olarak gerçekleştiren Doğrusal Programlama tabanlı bir yöntemdir.
📊
Temel Bulgular & Veri:De Novo tasarımı ile yeniden düzenlenen kaynak miktarları tam kapasitede kullanılarak amaç fonksiyonlarının başarım seviyeleri arttırılmaktadır.
💡
Sonuç & Katkı:Önerilen yaklaşımın en belirgin özeliği pozitif ve negatif ideal çözüm kavramları yerine, bütçenin alt ve üst sınırına göre elde edilen amaç fonksiyonu değerlerinin kullanılmasıdır.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

De Novo Programlama verilen bir sistemin optimizasyonu yerine, bir optimal sistemin tasarımını bütçe kısıtına bağlı olarak gerçekleştiren Doğrusal Programlama tabanlı bir yöntemdir. De Novo tasarımı ile yeniden düzenlenen kaynak miktarları tam kapasitede kullanılarak amaç fonksiyonlarının başarım seviyeleri arttırılmaktadır. Klasik optimizasyon problemleri kesin verilerle modellenirken, bulanık küme teorisi kullanılarak parametrelerin tanımlanmasıyla daha esnek sonuçlar elde edilir. Özellikle kaynak miktarlarındaki esneklikle, orta vadede üretim planlaması yapılabilir. Kaynak miktarlarındaki esneklik doğal olarak bütçeye de yansıyacağı için kaynakların tam kapasitede kullanılacak miktarlarının sağlanması gerekir. Bu çalışmada Bulanık Çok Amaçlı Doğrusal Programlamaya bağlı olarak gerçek bir işletmenin optimal üretim planlanın tasarımının nasıl yapılacağı yeni bir yaklaşım önerisiyle açıklanmıştır. Önerilen yaklaşımın en belirgin özeliği pozitif ve negatif ideal çözüm kavramları yerine, bütçenin alt ve üst sınırına göre elde edilen amaç fonksiyonu değerlerinin kullanılmasıdır.

Abstract

Instead of optimizing a given system, De Novo Programming is a method based on Linear Programming and designs an optimal system in terms of budget constraints. The reorganized resource amounts are utilized at full capacity with De Novo design, which increases the fulfilment levels of goal functions. While classical optimization problems are modelled with precise data, more flexible results are acquired by defining parameters using fuzzy set theory. Flexibility in resource amounts enables especially medium term production planning. As the flexibility in resource amounts reverberates the budget, it is necessary to define the resource amounts to be used at full capacity. With a proposal of a new approach, this study investigates how the optimal production plan of a real business should be carried out based on Fuzzy Multiobjective Linear Programming. The most distinctive feature of the proposed method is that it does not use the concepts of positive and negative ideal solutions; instead, it utilizes the target function values acquired in regards to the upper and lower limits of the budget.

🔖

Bu Makaleye Atıf Yap

UMARUSMAN, N. (2018). Çok Amaçlı De Novo Programlama Problemlerinin Çözümünde Bulanık Yaklaşım Önerisi ve Bir İşletme Uygulaması. Business and Economics Research Journal, Cilt: 9 - Sayı: 4, 825–838. https://ajindex.com/articles/148654

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Babić, Z., & Pavić, I. (1996). Multicriterial production programming by de novo programming approach. International Journal of Production Economics, 43(1), 59-66.
  2. Banik, S., & Bhattacharya, S. (2018). Weighted goal programming approach for solving multi-objective de novo programming problems. International Journal of Engineering Research in Computer Science and Engineering (IJERCSE), 5(2), 316-322.
  3. Bellman, R. E., & Zadeh, L. A. (1970). Decision-making in a fuzzy environment. Management Science, 17, 141-164.
  4. Chanas, S. (1983). The use of parametric programming in FLP. Fuzzy Sets and Systems, 11, 243-251.
  5. Cohon, J. (1978). Multiobjective programming and planning. New York: Academic Press.
  6. Güneş, M., & Umarusman, N. (2013). The usage of vague sets for different approaches o f fuzzy goal programming. Int. J. of Industrial and Systems Engineering, 15(3), 315-328.
  7. Lai, Y. J., & Hwang, C. L. (1992). Fuzzy mathematical programming (First ed.). Berlin: Springer-Verlag. Li, R. J., & Lee, E. S. (1990a). Multi-criteria de novo programming with fuzzy parameters. Computers Math. Applic., 19(56), 13-20.
  8. Li, R. J., & Lee, E. S. (1990b). Approaches to multicriteria de novo programs. Journal of mathematical analysis and applications, 153, 97-111.
  9. Li, R. J., & Lee, E. S. (1993). Fuzzy multiple objective programming and compromise programming with pareto optimum. Fuzzy Sets and Systems, 53, 275-288.
  10. Sasaki, M., & Gen, M. (2003). Fuzzy multiple objective optimal system design by hybrid genetic algorithm. Applied Soft Computing, 2(3), 189-196.
  11. Shi, Y. (1995). Studuies on optimum-path ratios in multicriteria de novo programming problems. Computers Math. Applic., 29(5), 43-50.
  12. Tabucanon, M. T. (1988). Multiple criteria decision making in industry (First ed.). New York: Elsevier. Umarusman, N. (2013). Min-max goal programming approach for solving multi-objective de novo programming problems. International Journal of Operations Research, 10(2), 92-99.
  13. Umarusman, N. (2018). fuzzy goal programming problem based on minmax approach for optimal system design. Alphanumeric Journal: The Journal of Operations Research, Statistics, Econometrics and Management Information Systems, 6(1), 177-193.
  14. Umarusman, N., & Türkmen, N. (2013). Building optimum production settings using de novo programming with global criterion method. International Journal of Computer Applications, 82(18), 12-14.
  15. Werners, B. (1987). An interactive fuzzy programming system. Fuzzy Sets and Systems, 23, 295-305.
  16. Wu, K., &