Kompozit malzeme üretiminde kullanılan paralel fırınların çizelgelenmesi için bir optimizasyon modeli ve sezgisel çözüm yaklaşımı geliştirilmesi / Göksu Şentürk; thesis advisor Kadir Ertoğral.

Tez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Eylül 2022

Bu çalışma kapsamında havacılık ve uzay sanayine yönelik çalışan ve kompozit parçalar üreten gerçek bir üretim departmanında karşılaşılan bir çizelgeleme problemi ele alınmaktadır. Kompozit parçaların üretim sürecindeki iki ana adım, kompozit parçaların kalıplara montesi ve ardından parçaların kalıplar içerisinde otoklav adı verilen basınçlı paralel fırınlarda ısıl işlem görmesidir. Parçalar, ısı seviyesi, basınç ve süre açısından farklı işlem gereksinimlerine sahiptirler. Yalnızca bu özelliklere göre uyumlu parçalar bir arada aynı partiye girebilir. Çizelgeleme problemi, sürecin ikinci adımı ile ilgilidir ve parçaların birlikte gruplandırılıp partilerin oluşturulmasını ve ardından otoklav adlı fırınlara giren partilerin fırınlarda çizelgelenmesini içerir. Problemin otoklavların alan ve termocouple kapasiteleri, süreçte kullanılan kalıp sayısı, parçaların teslim tarihi, en erken ve en geç işleme alınabilecekleri zaman, ardışıklık durumu gibi pek çok kısıtları vardır. Otoklavlar yüksek düzeyde elektrik tükettiği için problemin amacı kullanılan parti sayısını en azlayarak enerji tüketiminin en aza indirilmesidir. Problem literatürde uyumsuz iş aileleri ile parti çizelgeleme olarak geçmektedir. Tez kapsamında problemin matematiksel modeli geliştirilmiş ve farklı senaryolar altında ön çözümler elde edilmiştir. Problem NP-zor kategoride olduğundan yüksek boyutlu problemler için makul sürede çözüm elde edilememektedir. Bu sebeple problem için K-ortalama algoritması ile işleri partilere bölen, sonra partileri fırınlara çizelgeleyip ilk olurlu çözümü elde eden ve değişken komşu arama (DKA) algoritması ile elde edilen çizelgeleri iyileştiren bir sezgisel algoritma geliştirilmiştir. Problem farklı senaryolarda denenerek oluşturulan matematiksel modelin parametre hassasiyet analizi ve geliştirilen sezgiselin performansı test edilmiştir. Yapılan testler sonucu sezgisel algoritmanın ortalamada optimalden %5,12732 saptığı gözlemlenmiştir.

We tackle a scheduling problem encountered in a real production department that produces composite parts in an aircraft manufacturing plant. Two main steps in the production process of composite parts are mounting the composite parts on molds and then heat treatment of the parts in pressurized parallel ovens, called autoclaves. Parts have different process requirements in terms of heating level, pressure, and time. Only the compatible parts can go into the same autoclaves together in a batch. The scheduling problem is about the second step of the process and it involves batching the parts together and then scheduling batches into the autoclaves. The problem has several different types of constraints, such as the capacity of autoclave in terms of space and thermocouple, the number of molds available for the process, due dates, the earliest and latest processing time for parts, and the sequence status of parts. The objective is taken as the minimization of the energy consumption since the autoclaves consume high levels of electricity. Closest problem to our problem in the literature is called batch scheduling with incompatible job families. In this study we introduced a mathematical model of the problem and preliminary solutions were obtained under different scenarios. Since the problem is in the NP-hard category, solutions cannot be obtained in a reasonable time for complex problems. For this reason, the K-means algorithm is developed for the problem, which divides the works into batches then schedules the batches to the furnaces, obtains the first feasible solution, and improves the schedules by the variable neighbor search (DKA) algorithm. In this way parameter sensitivity analysis of the mathematical model and the performance of the developed heuristic tested. As a result of the tests, it was observed that the heuristic algorithm deviated from the optimal by 5,12732% on average.