Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
IND 3977	END. MÜH. KANTİTATİF TEKNİKLER	SEÇMELİ	3	0	0	5

Dersi Veren Birim

Endüstri Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ. DR. KEMAL SUBULAN

Dersi Alan Birimler

Endüstri Mühendisliği

Dersin Amacı

Bu ders kapsamında, Endüstri Mühendisliği problemlerinin çözümü için geliştirilen doğrusal programlama, tamsayılı programlama, doğrusal olmayan programlama, stokastik programlama, bulanık matematiksel programlama, çok amaçlı eniyileme, kısıt programlama modellerinin, optimizasyon yazılımları kullanılarak uygulamalı olarak çözümü gerçekleştirilmektedir.Dersin amacı, yöneylem araştırması teknikleri hakkında daha detaylı bilgiler sunarak, Endüstri Mühendisliği problemlerinin çözümünde kullanılan teknikleri (Doğrusal programlama, tamsayılı programlama, doğrusal olmayan programlama, stokastik programlama, bulanık matematiksel programlama, çok amaçlı eniyileme, kısıt programlama vb.) çeşitli optimizasyon yazılımlarını kullanarak uygulama becerisi kazandırmaktır.

Dersin Öğrenme Kazanımları

1	Endüstri Mühendisliği problemlerinin çözümünde kullanılan çeşitli kantitatif teknikler hakkında bilgiye sahip olmak.
2	Endüstri Mühendisliği problemlerinin tamsayılı doğrusal programlama modellerini geliştirebilme ve çeşitli optimizasyon yazılımları ile çözebilme becerisi kazandırmak.
3	Doğrusal olmayan programlama modellerini çeşitli optimizasyon yazılımları ile çözebilme becerisi kazandırmak.
4	Rassallık türünden belirsizliklerin yer aldığı optimizasyon problemleri için stokastik programlama modelleri geliştirebilme ve çeşitli optimizasyon yazılımları ile çözebilme becerisi kazandırmak.
5	Bulanıklık türünden belirsizliklerin yer aldığı optimizasyon problemleri için bulanık matematiksel programlama modelleri geliştirebilme, çeşitli dönüştürme yöntemleri ile deterministik eşdeğer forma dönüştürme ve çeşitli optimizasyon yazılımları ile çözebilme becerisi kazandırmak.
6	Çok amaçlı optimizasyon problemlerini çeşitli optimizasyon yazılımları ile çözebilme becerisi kazandırmak.
7	Endüstri Mühendisliği problemlerinin kısıt programlama modellerini geliştirebilme ve optimizasyon yazılımı ile çözebilme becerisi kazandırmak.
8	Dönem projesi yönergesindeki talimatlar doğrultusunda, belirlenen Endüstri Mühendisliği problemi için çok amaçlı bir bulanık-stokastik programlama modeli geliştirebilme ve uygun optimizasyon yazılımı kullanılarak çözümünün yer aldığı proje raporunu etkin bir şekilde yazabilme ve raporu sunabilme becerisi kazandırmak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

END 3525 - YÖNEYLEM ARAŞTIRMASI I

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Endüstri Mühendisliğinde temel kantitatif tekniklerin tanıtılması
2	LINGO ve IBM ILOG CPLEX Optimization Studio ile tamsayılı doğrusal programlama uygulamaları
3	GAMS ve Python - Gurobi ile tamsayılı doğrusal programlama uygulamaları
4	Konveks ve konkav fonksiyonlar ve LINGO ile doğrusal olmayan programlama uygulamaları
5	LINGO ve GAMS ile doğrusal olmayan programlama uygulamaları
6	LINGO ve GAMS ile tek ve çok aşamalı stokastik programlama uygulamaları
7	LINGO ve GAMS ile şans kısıt tabanlı stokastik programlama uygulamaları
8	Bulanık matematiksel programlama ve kullanılan temel dönüştürme yöntemleri
9	LINGO ve IBM ILOG CPLEX Optimization Studio ile bulanık matematiksel programlama uygulamaları
10	Çok amaçlı eniyileme teknikleri: Bulanık hedef programlama, uzlaşık programlama, Epsilon kısıtlama metodu
11	Python - Gurobi ile çok amaçlı eniyileme uygulamaları
12	IBM ILOG CPLEX Optimization Studio ile kısıt programlama uygulamaları
13	IBM ILOG CPLEX Optimization Studio ile kısıt programlama uygulamaları
14	Python - Gurobi ile mat-sezgisel algoritma uygulamaları

Ders İçin Önerilen Kaynaklar

1. Operations Research: Applications and Algorithms, Cengage Learning, Wayne L. Winston (2003).
2. Quantitative Analysis for Management, Pearson, Prentice Hall, Render B., Stair, R.M., Hanna, M.E.An Introduction to Management Science Quantitative Approaches to Decision Making, South-Western Cengage Learning (2009).
3. Stochastic Programming: Modeling Decision Problems Under Uncertainty. Willem K. Klein Haneveld , Maarten H. van der Vlerk , Ward Romeijnders, Springer Cham, (2020).
4. Fuzzy Stochastic Optimization: Theory, Models and Applications. Shuming Wang, Junzo Watada, Springer New York, NY (2012).

Öğrenme ve Öğretme Yöntemleri

Optimizasyon yazılımları üzerinden vaka çalışmaları ve sunumlar.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	PR	Proje
3	FN	Final
4	BNS	BNS	VZ * 0.20 + PR * 0.40 + FN * 0.40
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.20 + PR * 0.40 + BUT * 0.40

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ara Sınav (%20) + Proje (%40) + Final Sınavı (%40)

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Doç. Dr. Kemal Subulan
e-posta adresi: kemal.subulan@deu.edu.tr
Tel: +90 232 30176 24

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Cuma günleri öğleden sonra saat 15:00-17:00 arası.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	2	28
Vize Sınavına Hazırlık	1	3	3
Final Sınavına Hazırlık	1	4	4
Ödev Hazırlama	4	4	16
Sunum Hazırlama	14	2	28
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			125

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.6	PK.7	PK.8
ÖK.1	2						2
ÖK.2	3	5	4	3			2
ÖK.3	3	5	4	3			2
ÖK.4	3	5	4	3			2
ÖK.5	3	5	4	3			2
ÖK.6	3	5	4	3			2
ÖK.7	3	5	4	3			2
ÖK.8					3	3	2

DERS ADI

DERECE PROGRAMLARI