Browsing by Author "Gülşen, Mehmet"

Now showing 1 - 6 of 6

Akıllı şehirler üzerine sistemik bir literatür taraması ve akıllı şehirlerde endüstri mühendisliği uygulama alanları
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2021) Barutçu, Burcu; Gülşen, Mehmet
21. yüzyılda teknolojinin hızla gelişmesi ve yeni iş olanaklarının ortaya çıkması nedeniyle kırsal alanlardan şehirlere hızlı bir göç dalgası başlamış ve bu durum mega kentlerin ortaya çıkmasına neden olmuştur. Ancak plansız nüfus artışı, kentlerin ekonomik ve çevresel sürdürülebilirliğini tehlikeye atan çeşitli teknik, sosyal, ekonomik ve organizasyonel sorunlara neden olmaktadır. Bu sorunları çözmek ve yeni teknolojilerin yardımıyla şehir fonksiyonlarını optimize etmek için akıllı şehir konsepti ortaya atılmıştır. Bu çalışma, akıllı şehir kavramının farklı tanımlarını, boyutlarını ve performans kriterlerini inceleyen sistematik bir literatür taraması kısmını içermektedir. Ayrıca başarılı akıllı şehir uygulamalarına genel bir bakış sunulmaktadır. Diğer taraftan, önemli uygulama alanlarından biri olan akıllı su ölçüm sistemleri detaylı olarak incelenmiş ve Ankara şehri için uygulama olanakları tartışılmıştır. Akıllı su sisteminin potansiyel faydaları kategoriler halinde sunulmuştur. Ayrıca akıllı su sistemlerinin kurulumu ve işletilmesi ile ilgili matematiksel modelleme problemleri anlatılmaktadır. In the 21st century, due to the rapid development of technology and the creation of new job opportunities, rapid migration has begun from rural areas to cities, leading to the emergence of megacities. However, the unplanned population growth causes various technical, social, economic, and organizational problems that endanger the economic and environmental sustainability of cities. The smart city concept has been introduced to solve these problems and optimize city functions with the help of new technologies. This study includes a systematic literature review of the smart city concept, emphasizing definitions, dimensions, and performance criteria. A general overview of successful smart city applications is presented. One of the critical application areas, smart water measurement systems, is analyzed in detail, and implementation opportunities for the city of Ankara are discussed. The potential benefits of the smart water system are presented in categories. In addition, mathematical modeling problems related to the installation and operation of smart water systems are explained.
Aralıklı talep tahmin modellemesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2019) İpek, Necdet Kunter; Gülşen, Mehmet
Tahminleme ya da öngörüleme, bugünden geleceğe ışık tutarken bize en önemli yol göstericidir. Yüksek verimli bir öngörüleme aynı zamanda yüksek verimli bir fabrika anlamına gelmektedir. Bu noktada üretimi yapılacak olan ürün dikkate alınarak en uygun öngörüleme yöntemi seçilmedir. Bu çalışmada bu konu üzerinde gerçek talep değerleri ile tahmin planlaması çalışması yapılmıştır. Bu çalışmalar için elde edilen gerçek talep değerleri düzensiz ve aralıklı olup, hangi gün, hangi üründen, hangi müşteriye, ne kadar satış yapıldığı bilgisini bize sunar. Bu tip veriler için daha önceden belirlenmiş farklı tahmin yöntemlerinin ilgili ürünler için tahmin performansları ölçülmüştür. Performansı ölçülen yöntemler basit ortalama yöntemi, basit üstel düzeltme yöntemi ve croston yöntemidir. Bu yapılan modelleme ile hangi ürünün hangi yöntem ile uygun çalıştığı görülmüştür. Bu yapılan çalışma ile üretim planlaması alanında yeni ve alternatif bir metod geliştirilmek istenmiştir. Forecasting helps us by casting light on our projected path between today and the future. Efficient forecasting leads to a highly productive environment. Demand forecasting involves selecting a proper foresting methodology for each product. Our research focuses on selecting proper forecasting models by using historical demand data from a confectionary producer. The data is collected from sales vouchers which list product type, customer id, quantity and data for each sale transaction. The data is highly irregular, intermittent in nature. Preselected set of forecasting models are used to make demand projections. The model set includes simple moving averages, exponential smoothing, and Croston's method. The performance of each model is determined based on an error metric which measures the deviation between projected and actual values. This study is intended to present a new and alternative method that could be used in production planning.
Arıma ve yapay sinir ağları (YSA) kullanılarak hibrit tahmin modeli geliştirilmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2015) Ateşonğun, Ahmet Adil; Gülşen, Mehmet
Zaman serileri tahmini, temel veri özellikle doğrusal ve doğrusal olmayan bileşenler içeriyorsa karmaşık bir işlemdir. Bu çalışmada, doğrusal bir metot olan Otoregresif Entegre Hareketli Ortalama (ARIMA) ve doğrusal olmayan bir metot olan Yapay Sinir Ağları (YSA) (Çok Katmanlı Perceptron kullanılarak) zaman serileri verilerindeki karmaşık davranışları yakalamak için kullanılmıştır. Araştırma yaklaşımımızda, Literatürde iyi bilinen birkaç veri seti üzerinde ilk olarak ARIMA ve YSA yaklaşımları ayrı ayrı kullanılmıştır. Daha sonra, ARIMA ve YSA’yı birleştiren bir hibrit (melez) metodoloji aynı veri setleri üzerinde test edilmiştir. ARIMA, YSA ve hibrit model yaklaşımı tahmin performansları sunulmuş ve Literatürde önceki çalışmalarla karşılaştırılmıştır. Önerilen hibrit modelin performansı değerlendirilirken farklı tahmin ölçütleri kullanılmıştır. Genelleştirilen hibrit model, daha sonra Türkiye Buğday Verimliliği verisinde kullanılmıştır. Test edilen veri seti üzerinde ARIMA ya da YSA yaklaşımlarının tek başına performanslarıyla kıyaslandığında hibrit model performansının daha üstün olduğu görülmüştür. Time series forecasting is a complex procedure especially if underlying data include linear and nonlinear components together. In this study we employ a linear method Autoregressive Moving Average (ARIMA) and a non-linear method (Artificial Neural network, ANN, approach using Multi Layer Perceptron) to capture the complex behavior of the time series data. In our research approach we first use ARIMA and ANN approaches separately on several well known data sets from the literature. Then, a hybrid methodology that combines ARIMA and ANN is tested on the same data sets. The forecasting performance of the ARIMA, ANN and hybrid approaches is presented and compared with the previous work from the literature. Different forecasting metrics are used in evaluating performance of the proposed hybrid method. A generalized hybrid model is then used on Turkish wheat yield data. It is observed that hybrid model performance is superior when it is compared to the performance of standalone ARIMA or ANN approaches on tested data set.
Doğalgaz gaz kombine çevrim santrali portföyü işletme optimizasyonu
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2015) Dengiz, Asiye Özge; Gülşen, Mehmet
Türkiye’de enerji sektörü, önemli ve ilgi çekici bir sektör haline gelmiştir. Sektörün bu denli gelişiminde 2001 yılından başlayan serbestleşme hareketleri, enerji piyasasındaki rekabet, ekonominin gelişmesi, artan talep ve getirdiği yatırım gereksinimleri önemli rol oynamıştır. Bu aşamada özellikle doğal gaz ile elektrik üreten kombine çevrim santralleri (DKÇS) kontrollü çalıştırılabilme ve doğalgazın mevcut olduğu her yere kısa sürede kurulabilme özelliği nedeni ile yatırımcıların dikkatini çekmektedir. Enerji üretimindeki ana girdi olan doğalgazın maliyetli bir ithal ürün olması, serbest piyasa koşullarında elektriğin satış fiyatının değişken olması ve üreticilerin aynı zamanda bir takım yükümlülükleri yerine getirmeleri gereği elektrik üretim tesisleri işletmesini karmaşık bir yöneylem problemi haline getirmektedir. Bu santrallerin genel işleyişindeki maliyetlerin takip edilerek işletmecinin sahip olduğu tüm santraller ile ilgili verilecek kararlarda optimizasyon yapılması hem kârlılık hem de enerji piyasasındaki fiyat oluşumları için önemli bir gereksinimdir. Bu amaçla, bu çalışmada DKÇS için tüm maliyetler ve tahmin edilen piyasa fiyatları düşünülerek, bir işletmecinin kontrolünde olan birden fazla DKÇS’nin optimizasyon modeli kurulmuştur. Oluşturulan bu model sayesinde işletme, mevcut kapasitesini en verimli şekilde kullanırken aynı zamanda elektrik piyasasındaki saatlik değişikliklere analitik metotlara dayanarak, daha hızlı ve hazırlıklı bir şekilde tepki verebilecektir. Ayrıca girdi olarak kullandığı doğal gaz fiyatlarında oluşan farklılıklara veya uzun vadeli anlaşma imkânlarına göre en kârlı üretim planlamasını yapabilecektir. The Energy industry in Turkey is becoming an important and attractive industry. Market liberalization movements starting from 2001, competition in energy markets, economical and industrial development, increasing energy demand as a consequence of fast urbanization and the need for new power plant investments play the main role on its attractiveness. Among different types of power generation facilities, natural gas power plants (NGPP) get considerable attention because of the advantages of being able to generate on demand and location flexibility. At the same time, due to the fact that natural gas, the main input for energy production, is a costly imported good, managing the energy production with unsteady electricity prices in a free market becomes an a complex operation research problem for the producers. The producers, often operating several generators, need to make simultaneous planning for their entire plant portfolio to maximize their profit based on the information coming from the market and equipment characteristics. For this purpose, in this study for the NGPP, a model is developed for producers to plan generation for a certain horizon considering operation costs and forecasted market data. With this model, the companies’ plant capacities can be used efectively and also reaction to the hourly market variations become quicker and be based on analitical methods.
Eşit olmayan alanlı tesis yerleşiminde evrimsel algoritma yaklaşımı
(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2022) Gülüm, Ekin; Gülşen, Mehmet
Yerleşme problemleri departman, makine, cihaz veya bir elektrik devresinde parçaları bazı kriterlere ve kısıtlara bağlı olarak yerleştirme problemleridir. Tesis yerleşim planlaması NP-Zor bir problem olmasından dolayı çözümü en zor problemlerden birisidir. Genel olarak amacı belirli sayıda departmanın en ideal yerleşimini yapmaktır. Bunu yaparken çoğunlukla gerçek uygulamada departmanların alanının birbirine eşit olmadığı varsayılmaktadır. Bu tez kapsamında, tesis yerleşim problemi alanının en önemli ve en çok ele alınan konularından olan eşit olmayan alanlı tesis yerleşimi (EOATY) problemi ele alınacaktır. Bu problemde departmanlar arası akışların zamanla değişmediğini yani “statik” olduğu varsayılmaktadır. Öncelikle literatürde matematiksel model kullanılarak çözülen doğrusal ve doğrusal olmayan problemler incelenmiştir. Bu modellemelerin yüksek sayıdaki departman sayılarını çözme yeterliliği olmadığından dolayı sezgisel ve meta- sezgisel algoritmalar incelenmiştir. Bunun sonucunda yeni bir evrimsel algoritma geliştirilmiştir. Problem parametreleri Taguchi deney metodu kullanılarak seçilmiştir. Daha sonrasında geliştirilen evrimsel algoritma literatürde de sıklıkla kullanılan belirli problem setlerinde denenip algoritmanın güçlülüğü raporlanmıştır. Yapılan çalışma bu literatürde daha önce farklı açılardan ele alınmış problemi, bir bütünlük içinde ele alarak alternatif konfigürasyonlarda çözüm üretilmesini sağlamıştır. Evrimsel algoritma yaklaşımı kullanılarak, yatay ve dikey FBS (Flexible Bay Stucture) ve STS (Slicing Tree Structure) konfigürasyonları için tesis yerleşim planı bulunmuştur. Placement of components on a layout based on a priori determined criteria and limitations is a well-known problem in facility layout planning, circuit design, or machine placement areas. Most layout problems are NP-Hard, and they cannot be solved optimally. The main objective in layout problems is to determine the relative positions of departments that minimize the flow cost among them. This study focuses on Unequal Area Facility Layout planning (UA-FLP), one of the most challenging areas in facility layout research. The problem is solved as a static flow problem, assuming that flows between departments are not changing over time. As a first step of the study, mathematical models used previously to solve linear and nonlinear problems are thoroughly examined. Secondly, heuristic and meta-heuristic algorithms have been investigated since mathematical models are not capable of solving problems with a large number of departments. As a result, a new evolutionary algorithm has been developed. Parameters of the algorithm were selected using the Taguchi experimental method. The algorithm was tested on problem sets that are also frequently used in the literature, and its performance was analyzed. The proposed approach provides alternative layout configurations under a single framework. Contrary to the previous works that focus on a single configuration, the proposed evolutionary algorithm approach generates three alternative solutions, each with a separate layout configuration. Three alternatives considered include horizontal and vertical FBSs (Flexible Bay Structure) and STS (Slicing Tree Structure).
Zaman serisi tahmin modellerinde veri analizi ve model seçimi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2020) Gören, Seda Nur; Gülşen, Mehmet
Zaman serileri bir değişkenin ardışık gözlem değerlerini içeren veri kümeleridir. Takdir edilecektir ki bu gözlemler zaman içerisinde çevresel veya sistematik etkiler nedeniyle değişim gösterebilmektedir. Bu nedenle zaman serisi modelleri ile tahmin gerçekleştirilirken bütün gözlem kümesi ile modelin eğitilmesi yerine tarihsel olarak sondan geriye doğru gidililerek gözlem verileri bölümlere ayrılabilir. Çalışmada, bu bölümlerden tahmin modeli açısından en alakalı dönemin tespit edilip, eğitim kümesi olarak kullanılması ile gerçeğe daha yakın sonuçlar elde edileceği savunulmuştur. Yapılan araştırmada, eğitim veri kümesinin elde edilmesi için değişim noktası analizi yöntemlerinden CUSUM algoritması kullanılmıştır. Öncelikle bu algoritma popüler tahmin modelleri olan ARIMA ve Holt’s Winter yöntemleri ile entegre edilerek elde edilen veri kümesi ile tahmin yapılmıştır ve gerçek verilerden oluşan test kümesi ile performansı ölçülmüştür. Daha sonra aynı tahmin modelleri tüm gözlem kümesi ile eğitilerek gelecek değerler tahmin edilmiş ve test veri kümesi ile performansı ölçülmüştür. Ayrıca zaman serisindeki değişim noktalarının tespit edilmesinin önemini göstermek amacıyla çalışmada ek bir yöntem olarak sabit süreli zaman pencereleri ile eğitim veri kümeleri oluşturulmuş ve bu kümelerle tahminler gerçekleştirilip performansları ölçülmüştür. CUSUM algoritması kullanılarak gözlem kümesinin tahmin için en “doğru” bölümü ile eğitilen modellerin MSE hata değerleri diğer iki yöntemden elde edilen tahmin sonuçlarına göre daha küçük olduğu yani gerçeğe daha yakın sonuçlar elde edildiği görülmüştür. Time series are data sets that contain consecutive observation values of a variable. These observations may change over time due to environmental or systematic effects. Therefore, while estimating with time series models, instead of training the model with the whole set of observations, the data can be divided into sections starting from the very end, and the most relevant periods from these sections will be used in the forecasting model. In this study, the CUSUM algorithm, which is a change point analysis method, is used to determine the length of the training dataset. This algorithm is integrated with ARIMA and Holt’s Winter methods, which are popular prediction models, and forecasts are generated and evaluated on the test data.For validation, the same prediction models are trained on the whole data set, and its performance is used as a benchmark to evaluate the proposed approach. Furthermore, to show the importance of determining the change points in the time series, training data sets were created with fixed-time time windows, and estimates were made with these sets, and their performances were measured. It is observed that the models trained with the“correct” part of the time series have smaller MSE values as compared to the prediction results obtained from the other two methods, that is, more realistic results were obtained.