Tez No	İndirme	Tez Künye	Durumu
342562		Gemi üzeri yedek parça stoklarının genetik algoritma ile optimizasyonu / Optimization of warships' onboard spare part stocks by genetic algorithms Yazar:ERKAN KIYAK Danışman: DOÇ. DR. MEHMET YILDIRIM Yer Bilgisi: Kocaeli Üniversitesi / Fen Bilimleri Enstitüsü / Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Savunma ve Savunma Teknolojileri = Defense and Defense Technologies Dizin:	Onaylandı Doktora Türkçe 2013 117 s.
Üretim veya hizmet üreten organizasyonların kullandıkları sistem, cihaz veya teçhizatta herhangi bir arıza olması durumu, oluşabilecek en kötü senaryolardan birisidir. Bu sorunu çözmek için kullanılan yöntemlerden birisi, organizasyonun kendi depolarında yeterli yedek parça bulundurarak, onarım işlemlerini yine kendisinin gerçekleştirmesidir. Bu çalışmada, organizasyon olarak bir savaş gemisi ele alınmıştır. Savaş gemileri, kendisinden istenen görevi her ne sorunla karşılaşırsa karşılaşsın yerine getirebilmelidir. Bunu başarabilmek için gemi personeli, yeteneği dahilinde olan arıza onarımlarını, gemi üzerinde depolanacak olan yedek parçaları kullanarak yapmaları gerekmektedir. Gemi üzerindeki sistemlerde yüz binin üzerinde parça bulunduğu dikkate alınırsa, yedeklenmesi gereken sınırlı sayıda parçaların belirlenmesi son derece zor bir problemdir. Depolanması gereken yedek parçaların belirlenmesi için, geçmişten bugüne çeşitli deterministik yöntemler kullanılagelmiştir. Bu çalışmada, sezgisel bir optimizasyon yöntemi olan genetik algoritmalar kullanılmıştır. Optimizasyon yapmak için, yedek parçaların önem derecesi, geçmiş yıllardaki kullanım istatistikleri, fiyatları gibi bilgilerden yararlanılmıştır. Genetik algoritmalar bir çok alanda kullanılan bir optimizasyon yöntemi olmasına karşın, bu çalışmadaki kromozom uzunluğunun, yani kromozom içerisindeki gen sayısının, bin ve üzerinde olması bu çalışmayı diğerlerinden farklı kılmaktadır. Çalışmada, çok büyük kromozom uzunluklarına sahip kombinasyonel optimizasyon problemlerinin genetik algoritma ile çözümü için yeni bir metot önerilmiştir. Önerilen metot ile elde edilen optimizasyon sonuçları, yaygın olarak kullanılan modellerle elde edilen sonuçlarla karşılaştırıldığında, genetik algoritma modelinin daha iyi olduğu sonucuna ulaşılmıştır. Bunlara ek olarak, genetik algoritma ile oluşturulan yedek parça listesinin hem daha ekonomik olduğu hem de listede yer alan yedek parçaların önem derecelerinin ve talep miktarlarının daha yüksek olduğu sonucuna varılmıştır.
The probability of failure of systems used for manufacturing or servicing is one of the worst scenarios for an organization. One of the methods used to handle this problem is that the organization ought to repair itself by using it?s own spare parts stock. In this research, a warship spare parts stock model is used. Warships should fulfill her duties in all circumstances. To manage this, the warship staff should use the spare parts allocated on board to make reparation that he has talented. Considering the warships have more than a hundred thousand unique parts, it?s a very hard problem to decide which spare parts should be stocked at warehouse aiming to use in case of failure. For the determination of spare parts that should be stocked on board, various deterministic methods used in the past. In this research, genetic algorithms that are a heuristic optimization method is used to solve this problem. The usage quantity, the importance and the price of parts are used for optimization. Although genetic algorithms are widely used over many kinds of problems in optimization problems, this research is diverging from others by means of a genetic algorithm with a very long chromosome length (over 1000) is used. A new method is offered to solve the combinational optimization problems with a very long chromosome length by using genetic algorithms. When the output of optimization constituted by new method compared with current models used widely over navies, came to a conclusion that the genetic algorithm model is better. Additionally came to a conclusion that the spare parts list constituted by genetic algorithms is both more economic and the importance and demand quantity of spare parts is higher.