Alışılmamış İmalat Yöntemi Seçmek İçin Bir Karar Destek Sistemi Önerisi

Year 2024, Volume: 12 Issue: 1, 128 - 147, 25.03.2024

Leman Kargın , Yusuf Tansel İç

https://doi.org/10.29109/gujsc.1401453

Abstract

Günümüz teknolojileri dikkate alındığında, dar toleranslarda çalışma gerektiren küçük ve kırılgan parçalarda, karmaşık geometrilerin işlenme zorluğunda kullanıma uygun ve yeni üretim teknolojileri olarak adlandırabileceğimiz Alışılmamış İmalat Yöntemleri (AİY) imalat alanında önemli bir yer almıştır. Bu çalışmada geliştirilen Karar Destek Sistemi (KDS) ile literatüredeki bilgi birikiminden yararlanarak, endüstriyel anlamda gerçek hayattaki kullanım alanlarında uygulanabilir nitelikte olan, hızlı ve dinamik karar verme, gerekirse hangi imalat sistemine yatırım yapma konusunda karar vericilere yardımcı olacak, veri iletişiminin olduğu, parametrik yapısı ile kriterlerin ve alternatiflerin değiştirilebileceği bir sistemin ortaya konulması planlanmıştır. Söz konusu KDS, kullanıcının arzu ettiği proses tipine göre ilgili verilerin girilmesi ile uygun filtrelemelerin yapılması sonrasında alternatif AİY’lerin sıralanması için Çok Kriterli Karar Verme Yöntemlerini uygulayarak kullanıcının karar vermesine yardımcı olmaktadır. KDS Python yazılım dili kullanılarak yazılmıştır.

Keywords

Alışılmamış imalat yöntemleri, Karar destek sistemleri, Çok ölçütlü karar verme İmalat

Alışılmamış İmalat Yöntemi Seçmek İçin Bir Karar Destek Sistemi Önerisi

Abstract

Günümüz teknolojileri dikkate alındığında, dar toleranslarda çalışma gerektiren küçük ve kırılgan parçalarda, karmaşık geometrilerin işlenme zorluğunda kullanıma uygun ve yeni üretim teknolojileri olarak adlandırabileceğimiz Alışılmamış İmalat Yöntemleri (AİY) imalat alanında önemli bir yer almıştır. Bu çalışmada geliştirilen Karar Destek Sistemi (KDS) ile literatüredeki bilgi birikiminden yararlanarak, endüstriyel anlamda gerçek hayattaki kullanım alanlarında uygulanabilir nitelikte olan, hızlı ve dinamik karar verme, gerekirse hangi imalat sistemine yatırım yapma konusunda karar vericilere de yardımcı olacak, veri iletişiminin olduğu, parametrik yapısı ile kriterlerin ve alternatiflerin değiştirilebileceği bir sistemin ortaya konulması planlanmıştır. Söz konusu KDS, kullanıcının arzu ettiği proses tipine göre ilgili verilerin girilmesi ile uygun filtrelemelerin yapılması sonrasında alternatif AİY’lerin sıralanması için Çok Kriterli Karar Verme Yöntemlerini uygulayarak kullanıcının karar vermesine yardımcı olmaktadır. KDS Python yazılım dili kullanılarak yazılmıştır.

Keywords

Alışılmamış imalat yöntemleri, karar destek sistemleri, çok ölçütlü karar verme, imalat.

References

• [1] Rajurkar, K.P. ve Ross, R.F.The role of nontraditional manufacturing processes in future manufacturing industries. ASME Manufacturing International. 1992; 23–37.
• [2] Kul Y, Seker A, Yurdakul M. Bulanık Çok Kriterli Karar Verme Yöntemlerinin Alışılmamış İmalat Yöntemlerinin Seçiminde Kullanılması. Gazi Üniv. Müh. Mim. Fak. Der. 29(3):589–603.
• [3] Youssef H.A. and El-Hofy H. Nontraditional Machine Tools and Operations”, Machining Technology Machine Tools and Operations, CRC Press Taylor and Francis Group, Florida, 2008: 391-524 .
• [4] El-Hofy H. A.-G. Advanced Manufacturing Processes. Nontraditional and Hybrid Machining Processes. New York: McGraw Hill, 2005.
• [5] Gupta K., Jain N.K., Laubscher R.F. Hybrid Machining Processes. Perspective on machining and finishing. Heidelberg: Springer, 2016.
• [8] Yurdakul, M., Cogun, C. Development of a multi-attribute selection procedure for nontraditional machining processes, Proc. of the Institution of Mechanical Engineers, Journal of Engineering Manufacture. 2003; 217(7), 993-1009.
• [9] Chakroborty, S., Dey, S. QFD-based expert system for non-traditional machining processes selection, Expert Systems with Applications. 2007; 32(4), 1208-1217.
• [10] Das Chakladar, N., Chakraborty, S. A combined TOPSIS-AHP method based approach for nontraditional machining processes selection, Proc. of the Institution of Mechanical Engineers, Journal of Engineering Manufacture. 2008; 222(12), 1613-1623.
• [11] Chandraseelan, E.R., Jehadeesan, R., & Raajenthiren, M. Web-based knowledge based system for selection of non-traditional machining processes. Malaysian Journal of Computer Science. 2008; 21(1), 45-56.
• [12] Das Chakladar N., Das, R., Chakraborty, S. A digraph-based expert system for non-traditional machining processes selection, International Journal of Advanced Manufacturing Technology. 2009; 43(3-4): 226-237.
• [13] Sugumaran, V., Muralidharan, V., & Hegde, B.K. Intelligent process selection for NTM - A neural network approach. International Journal of Industrial Engineering Research and Development. 2010; 1(1): 87-96.
• [14] Das, S., Chakraborty, S. Selection of non-traditional machining processes using analytic Network process, Journal of Manufacturing Systems. 2011; 30(1): 41-53.
• [15] Sadhu, A., Chakraborty, S. Non-traditional machining processes selection using data envelopment Analysis (DEA). Expert Systems with Applications; 2011; 38(7): 8770-8781.
• [16] Karande, P., Chakraborty, S. Application of PROMETHEE-GAIA method for non-traditional machining processes selection, Management Science Letters. 2012; 2(6): 2049-2060.
• [17] Kul Y. Alışılmamış İmalat Yöntemlerinin Seçiminde Çok Kriterli Karar Verme Metotlarının Kullanılması”, Yüksek Lisans Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, 2012. [18] Temuçin, T., Tozan, H., Valíček, J., & Harničárová, M. A fuzzy based decision support model for non-traditional machining process selection. Tehnicki vjesnik - Technical Gazette. 2013; 20(5): 787-793.
• [19] Choudhury, T., Das, P. P., Roy, M. K., Shivakoti, I., Ray, A., Pradhan, B. B. Selection of nontraditional machining process: A distance based approach, in Proceedings of Industrial Engineering and Engineering Management (IEEM). IEEE International Conference. 2013: 852-856.
• [20] Chatterjee, P., & Chakraborty, S. Nontraditional machining processes selection using evaluation of mixed data method. International Journal of Advanced Manufacturing Technology. 2013; 68(5–8): 1613–1626.
• [21] Roy, M. K., Ray, A., Pradhan, B. B. Non-traditional machining process selection-an integrated approach, International Journal for Quality Research. 2017; 11(1): 71-94.
• [22] Azaryoon, A., Hamidon, M., & Radwan, A. An expert system based on a hybrid multi-criteria decision making method for selection of non-conventional machining processes. In Applied Mechanics and Materials, Trans Tech Publications Ltd. 2015; 735: 41-49.
• [23] Madić, M., Radovanović, M., Petković, D, Non-conventional machining processes selection using multi-objective optimization on the basis of ratio analysis method. Journal of Engineering Science and Technology. 2015;(10)11: 1441-1452.
• [24] Madić, M., Petković, D., & Radovanović, M. Selection of non-conventional machining processes using the OCRA method. Serbian Journal of Management. 2015; 10(1): 61–73.
• [25] Chatterjee, P., Mondal, S., Boral, S., Banerjee, A., & Chakraborty, S. A novel hybrid method for non-traditional machining process selection using factor relationship and multi-attributive border approximation method. Facta Universitatis Series: Mechanical Engineering. 2017; 15(3): 439–456.
• [26] Prasad, K., & Chakraborty, S. A decision guidance framework for non-traditional machining processes selection. Ain Shams Engineering Journal. 2018; 9(2): 203–214.
• [27] Talib, F., & Asjad, M. Prioritisation and selection of non-traditional machining processes and their criteria using analytic hierarchy process approach. International Journal of Process Management and Benchmarking. 2019; 9(4): 522-546.
• [28] Yurdakul, M., & İç, Y.T. Comparison of fuzzy and crisp versions of an AHP and TOPSIS model for nontraditional manufacturing process ranking decision. Journal of Advanced Manufacturing Systems. 2019; 18(2): 167-192.
• [29] Yurdakul, M., İç, Y.T., & Atalay, K.D. Development of an intuitionistic fuzzy ranking model for nontraditional machining processes. Soft Computing. 2019; 24(1): 1-16.
• [30] Chakraborty, S., Dandge, S.S., & Agarwal, S. Non-traditional machining processes selection and evaluation: A rough multi-attributive border approximation area comparison approach. Computers & Industrial Engineering. 2020; 139: 106-201.
• [31] Chakraborty, S. Kumar, V. Development of an intelligent decision model for non-traditional machining processes. Decision Making: Applications in Management and Engineering. 2021; 4(1): 194-214.
• [32] Kumari, A., Acherjee, B. Selection of non-conventional machining process using CRITIC-CODAS method. Materials Today: Proceedings. 2022; 56: 66-71.
• [33] Roy, M. K., Das, P. P., Mahto, P. K., Singh, A. K., & Oraon, M. (2021). Non-Traditional Machining Process Selection: A Holistic Approach From a Customer Standpoint. In Data-Driven Optimization of Manufacturing Processes (pp. 165-178). IGI Global.
• [34] Jagtap, M., Karande, P. The m-polar fuzzy set ELECTRE-I with revised Simos’ and AHP weight calculation methods for selection of non-traditional machining processes. Decision Making: Applications in Management and Engineering. 2023; 6(1): 240-281.
• [35] Saaty, T.L. Fundamentals of Decision Making and Priority Theory with Analytic Hierarchy Process, Vol.VI of the AHP Series, RWS Publications, Pittsburg, USA, 2006.
• [36] İç YT, Apaydın İ. Küçük ve Orta Ölçekli Makine İmalat Firmaları İçin Dış Ticaret Kabiliyeti Analizi. MATİM. 2016;14(2):54-68.
• [37] Hwang, C.L. ve Yoon, K. Multiple Attribute Decision Making: Methodsand Applications. A State-of-theArt Survey, New York, Springer-Verlag, 1981.
• [38] Abo-Sinna, M. A. ve Amer, A. H. Extensions of TOPSIS for multi objective large-scale nonlinear programming problems. Applied Mathematics and Computation. 2005;162: 243–256.
• [39] Cheng, S., Chan, C. W., & Huang, G. H. An integrated multi-criteria decision analysis and inexact mixed integer linear programming approach for solid waste management. Engineering Applications of Artificial Intelligence. 2003; 16: 543–554.
• [40] Feng, C. M., & Wang, R. T. Performance Evaluation for Airlines İncluding the Consideration of Financial Ratios. Journal of Air Transport Management. 2000; 6: 133–142.
• [41] Jee, D. H. ve Kang, K. J. A method for optimal material selection aided with decision making theory. Materials and Design. 2000; 21: 199–206.
• [42] Olson, D. L. Comparison of Weights in TOPSIS Models. Mathematical and Computer Modelling. 2004; 40: 721–727.
• [43] Opricovic, S. ve Tzeng, G. H. Compromise Solution by MCDM Methods: A Comparative analysis of VIKOR and TOPSIS. European Journal of Operational Research. 2004; 156: 445–455.
• [44] Tzeng, G. H., Lin, C. W., ve Opricovic, S. Multi-criteria analysis of alternative fuel buses for public transportation. Energy Policy. 2005; 33: 1373–1383.
• [45] Alvali, G. T., Balbay, A., Şişman, T., & Güneş, S. Selection of Electric Vehicle Chassis Material Using Multi-Criteria DecisionMaking Techniques. Gazi University Journal of Science Part C: Design and Technology. 2021; 9(4): 573-588.
• [46] Cogun, C. Computer aided preliminary selection of nontraditional machining processes. Int. J. Mach. Tools Mf. 1994; 34(3): 315-326.
• [47] Chen, T. C. Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems. 2000; 114(1): 1-9.
• [48] Kusumawardani, R. P., Agintiara, M. Application of fuzzy AHP-TOPSIS method for decision making in human resource manager selection process. Procedia computer science. 2005; 72: 638-646.