GCRIS Repository Collection:
https://hdl.handle.net/20.500.11851/613
2024-03-28T18:41:02ZElektrikli araç hızlı şarj istasyonlarında öncelikli servis için derin pekiştirmeli öğrenme tabanlı kaynak yönetim modeli ve uzun-kısa süreli bellek ile ortalama bekleme süresi tahmini
https://hdl.handle.net/20.500.11851/10939
Title: Elektrikli araç hızlı şarj istasyonlarında öncelikli servis için derin pekiştirmeli öğrenme tabanlı kaynak yönetim modeli ve uzun-kısa süreli bellek ile ortalama bekleme süresi tahmini
Authors: Çolak, Aslınur
Abstract: Günümüzde elektrikli araçlar içten yanmalı motorlu araçların yerini hızla almaktadır. Kıyaslandığında da elektrikli araçların küresel ısınmaya çok daha az etki etme potansiyeli vardır. Ancak bu olumlu etkisine karşın, elektrikli araçların hızlı şarj istasyonlarında 30 dakika olmak üzere uzun şarj dolum süresine ihtiyacı vardır. Hızlı şarj istasyonlarının sayı ve kapasitelerinin sınırlı olmasıyla birlikte uzun şarj süreleri, istasyonlarda araçların kuyruk uzunluğunu ve bekleme süresini artırmaktadır. Araçların belli bir bölümünün bekleme süresini azaltmak için öncelikli servis veren şarj istasyonları oluşturulabilir. Bunun yanında araç kullanıcıları istasyona varış yaptıklarında şarj olmak için bekleyecekleri ortalama süre hakkında öngörü sahibi olmak isteyebilir. Bu çalışmada iki amaç bulunmaktadır. İlk amaç Derin Q-Öğrenme tabanlı öncelikli servis veren bir şarj istasyonu yönetim modeli geliştirilmesi, ikincisi ise araç kullanıcılarına ortalama bekleme süresi bilgisinin Uzun-Kısa Süreli Bellek yöntemi kullanılarak tahmin edilmesi. Literatür incelendiğinde hızlı şarj hizmetini ele alan çeşitli çalışmalar vardır. Fiyatlandırma, talep dengeleme, istasyon konumlandırma ve kapasite belirleme, bekleme sürelerini azaltmak için şarja kabul edilen araç sayısının kısıtlanması gibi konularda çalışmalar bulunmaktadır. Bu çalışmada elektrikli şarj istasyonuna gelen araçlar düşük ve yüksek öncelikli iki araç sınıfına ayrılmaktadır. Ekspres (öncelikli) şarj istasyonu yönetim modelinin amacı, bu araç sınıflarının ortalama bekleme sürelerinin oranının belirli bir seviyede tutmaktır. İstasyon, hedeflediği görece bekleme süresi oranını belirler ve ilan eder ve hedefini tutturmak için boşalan kaynaktan hizmet alacak öncelik sınıfını gerçek zamanda dinamik olarak değiştirir. Bu değişiklik için Derin Q-Öğrenme tabanlı kaynak kontrol mekanizması geliştirilmiştir ve performansı çeşitli şartlar altında test edilmiştir. Ayrıca geliştirilen yöntemin performansı literatürde bu alandaki Fescioglu-Unver ve diğ. (2021) ve Kakillioglu ve diğ. (2022) çalışmalarıyla kıyaslanmıştır. Sonuçlar incelendiğinde geliştirilen yöntemin hedeflenen bekleme oranını gerçekleştirdiği ve istasyona gelecek ani araç yüklenmeleri karşısında hızlı bir şekilde toparlanabildiği gözlenmiştir. Literatürde elektrikli araçlar ve şarj istasyonları alanında ise bekleme süresi tahmini yapan bir çalışmaya rastlanmamıştır. Bu çalışmada, istasyondan gerçek zamanda veri toplanarak takip eden 5 dakika içinde gelecek araçlar için tahmini bekleme süresi ilan edilmektedir. Tahmin için Uzun-Kısa Süreli Bellek (LSTM) yöntemi kullanılmaktadır. Buna ek olarak, LSTM yönteminin tahmin kalitesi yapay sinir ağı yöntemi de çalışmada uygulanarak karşılaştırılmış ve daha iyi performans gösterdiği görülmüştür.; Today, electric vehicles are rapidly replacing internal combustion engine vehicles. Moreover, electric vehicles have much less potential to contribute to global warming. However, despite this positive impact of electric vehicles, they require much longer charging times, up to 30 minutes at fast charging stations. With the limited number and capacity of fast charging stations, the long charging times increase the queue length and waiting time of vehicles at the stations. Charging stations with priority service can be a solution to reduce the waiting time of a certain portion of the vehicles. In addition, drivers may want to know the average time they will have to wait for charging when they arrive at the station. There are two aims in this thesis. The first objective is to develop a charging station management model with priority service based on Deep Q-Learning, the second objective is to predict the average delay time of electric vehicles using the Long-Short Term Memory method. There are various studies on fast charging service in the literature. There are studies on dynamic pricing of charging, demand balancing, charge station location selection and capacity determination, restricting the number of vehicles accepted for charging to reduce waiting times. In this study, vehicles arriving at the electric charging station are categorized into two vehicle classes as low and high priority. The aim of the express (priority service) charging station management model is to try to keep the ratio of the average delay times of the vehicle classes at a target level. The station determines and announces this target relative delay time ratio. In order to achieve its target rate, the priority class charging from the idle resource is dynamically changed in real time. For this dynamic and real time control, a resource management mechanism based on Deep Q-Learning, a deep reinforcement learning method, is developed. The performance of the method at a single station is tested by simulation under various conditions. In addition, the performance of the developed method is compared with Fescioglu-Unver et al. (2021) and Kakillioglu et al. (2022) the studies about the same subject in the literature. When the results are analyzed, the developed method tracks the target delay rate successfully also the station settles quickly against the impact of instantaneous vehicle impulses. In the literature, there is no study on waiting time prediction in the field of electric vehicles and charging stations. Waiting time estimation studies have mostly been conducted on waiting times in emergency services. In this thesis, Long-Short Term Memory (LSTM) method is used to provide the predicted average waiting time information for both high and low priority vehicles using the data collected from the station real-time. Additionally, the prediction accuracy of the LSTM method was compared by Artificial Neural Network method in the study. As a result, it is found that LSTM has superior performance.2023-01-01T00:00:00ZRassal kaynak gereksinimli paralel proje çizelgeleme ve insan kaynagi atama problemi için kaynak maliyet minimizasyonu modeli gelistirilmesi ve analizi
https://hdl.handle.net/20.500.11851/10644
Title: Rassal kaynak gereksinimli paralel proje çizelgeleme ve insan kaynagi atama problemi için kaynak maliyet minimizasyonu modeli gelistirilmesi ve analizi
Authors: Tanır, Ekin
Abstract: Etkili proje yönetimi, günümüzde neredeyse tüm şirketler için önemli bir konudur. Proje yönetiminin en önemli iki aşaması da proje çizelgeleme ve insan kaynağının bu çizelgeye göre atanmasıdır. Bu çalışma kapsamında, paralel proje çizelgeleme ve kaynak atama problemlerini içeren iki aşamalı bir stokastik optimizasyon problemi ele alınmıştır. İlk aşamada, gerektireceği iş gücü stokastik kabul edilen proje aktivitelerinin, proje planlama ufku boyunca çizelgelenmesi yapılırken ikinci aşamada ise bu aktivitelere insan kaynağı atamaları gerçekleştirilmektedir. Oluşturulan matematiksel model ile, iç kaynakların atamalarının yetersiz kaldığı durumlarda gereken yeteneklere bağlı olarak dışarıdan alınan kaynakların maliyetinin minimizasyonu hedeflenmektedir. Problem kapsamında, ilk senaryoda proje aktivitelerinin kısmi atanmasına, yani aktivitelerin birden fazla periyoda bölünmesine izin verilmezken incelenen ikinci senaryoda ise kısmi atamaya izin verilmektedir. Bu sebeple, proje aktivitelerinin belirli bir periyotta atanıp atanmadığını kontrol eden karar değişkeni, hem ikili hem de sürekli tipte karar değişkeni olarak kabul edilerek iki ayrı ek kaynak maliyet minimizasyon modeli geliştirilmiştir. Her iki senaryo için de proje aktivitelerinin gerektireceği iş miktarları rassal olarak kabul edilmekte ve bu parametrenin dağılımı hem düzgün hem de üçgen dağılım olarak kabul edilmektedir. MATLAB ile oluşturulan veri setleri, IBM CPLEX OPL CP Optimizer (Kısıt Programlama Motoru) kullanılarak oluşturulan matematiksel model ile test edilmiştir ve iki modelle ilgili farklı hassasiyet analizleri yapılarak çıkarımlar yapılmıştır.; In today's world, effective project management is an important subject matter for almost all companies. The two most important aspects of project management are project scheduling and allocation of human resources. In this study, a two-staged stochastic optimization problem, including simultaneous project scheduling and resource allocation problems is discussed. In the first stage, the project activities, whose workforce are considered stochastic, are scheduled along the project planning horizon, while in the second stage, resource assignments are made to these activities. If the required workforce for certain activities exceeds the capacities of internal resources, external human resources are used. With the proposed mathematical model, it is aimed to minimize the expected costs of the external human resources used. Within the scope of the problem, two scenarios are considered. In the first scenario, partial assignment of activities are not accepted. Thus, the decision variable that controls whether the project activities are assigned in a certain period is accepted as binary. In the second scenario, partial assignment of activities are accepted. In this case, corresponding decision variable is accepted as float. For both cases, the required workforce for activities are considered stochastic and the probability distributions are considered as both uniform and triangular. The data set designed in MATLAB, is tested with Constraint Programming (CP) Optimizer in CPLEX OPL environment and different sensitivity analyses for both mathematical models are presented.2023-01-01T00:00:00ZZaman kisiti altinda iki asamali gümrük tercihli araç rotalama problemi: Bir vaka çalismasi
https://hdl.handle.net/20.500.11851/10640
Title: Zaman kisiti altinda iki asamali gümrük tercihli araç rotalama problemi: Bir vaka çalismasi
Authors: Çora, Ece İrem
Abstract: Rotalama kararları, taşıma süreleri ve maliyetler işletmeler ve tedarik zincirleri için önemli kararlardır. Her firma için satış, firma güvenilirliği ve verilen teslim sürelerinin karşılanması açısından kritiktir. Taşıma maliyetleri ürünlerin satışı üzerinde büyük bir etkiye sahipken ürünlerin zamanında teslim alınması da alıcı için önemlidir. Bu şartlar altında, firmaların taahhüt ettikleri şartları gerçekleştirmeleri firma güvenilirliğini arttırırken tercih edilebilirliği yükseltecektir. Özellikle uluslararası taşımacılık söz konusu olduğunda, talep edilen ve gerçekleştirilen uzun süreli gümrük işlemlerini kapsamaktadır. Türkiye'den Avrupa'ya gerçekleştirilen taşımalarda, gümrük prosedürleri esnek hale getirilmiş olsa da gümrüklü ürünlerin yalnızca belirli noktalardan kabul edilerek taşınması ve gümrük noktalarında çeşitli dönemlerde meydana gelen yığılmalar bekleme sürelerinde değişkenliğe sebep olmaktadır. Taşıma süresi, maliyet ve rota bilgileri öngörülerek, araçların buna göre organize edilmesi hem maliyet hem de zaman açısından gönderici ve alıcının faydasına olacaktır. Özellikle ağırlığı yüksek hammadde ve yarı hammadde olarak gönderimi sağlanan ürünler alıcı fabrikada işleme sokulacağı için üretim bandına vaktinde ulaşması sağlanmalıdır. Bu çalışmada, tek depodan çıkarak homojen araçlarla taşınan yüklerin iki farklı gümrük noktasından biri üzerinden geçiş yaparak müşterilere tesliminin komple ya da parsiyel araçla sağlandığı zaman ve kapasite kısıtlı bir Araç Rotalama Modelini ele alınmıştır.Oluşturulan model taşımacılık firmasından alınan gerçek verilerle çözümlenmiş ve gerçekleşen durumlar üzerinden bir karşılaştırma yapılmıştır. Geliştirilen karma tam sayılı modelde araç sayısı ve teslim süreleri değiştirilerek farklı müşteri grupları ile senaryolar üzerinden test edilmiştir. Alınan sonuçlara göre model çalıştırıldığında kullanılan veri seti üzerinde maliyette % 70 iyileştirme sağlanmıştır. Modelin büyük veri setlerinde uygulanabilirliğini kontrol etmek amacıyla ayrıca R.Studio üzerinde simetrik(serinin belli bir değere göre eşit olması durumu) veri setleri oluşturularak model CPLEX ile tekrar çözülmüş ve sonuçlar değerlendirilmiştir.; Businesses and supply chains depend heavily on routing decisions, transit times, and costs. Sales, trustworthiness, and fulfilling deadlines are essential to the success of any business. Sales might be affected by transportation expenses, but customers also value timely shipment. Companies gain trust and favor in this setting when they demonstrate that they can be counted on to deliver as promised. It includes the requested and carried out customs procedures that take place over an extended period of time, especially in the context of international shipping. Although customs procedures have been made more flexible for movement from Turkey to Europe, waiting times still vary due to the fact that customs-cleared products can only be transported from certain points and because of congestion at customs stations during different times. Both the sender and the recipient can save money and time by organizing cars according to the estimated transportation time, cost, and route information. On time delivery is especially important for bulky raw materials and semi-finished commodities that must be processed at the receiving factory. This research presents a Vehicle Routing Model subject to time and capacity limitations, where cargoes are moved using homogeneous vehicles leaving a single depot, and then travel to one of two customs points before being delivered to clients at full or partial vehicle capacity. We evaluate the generated model to real-world events and evaluate real data collected from a transportation firm.The mixed integer programming model was used to simulate a wide variety of delivery schedules and consumer populations. When evaluating the model with the input data, the results show a 70% reduction in expenses. Furthermore, in order to assess the suitability of the model for extensive datasets, symmetric datasets were generated in R Studio, wherein the elements corresponded to estimates of pairwise distances between sequences within a given set. The model was subsequently re-solved using CPLEX, and the outcomes were assessed.2023-01-01T00:00:00ZDogal afet ardindan etkili bir planlama yöntemi için yol temizleme ve yardim araçlarinin eszamanli rotalanmasi problemi
https://hdl.handle.net/20.500.11851/10628
Title: Dogal afet ardindan etkili bir planlama yöntemi için yol temizleme ve yardim araçlarinin eszamanli rotalanmasi problemi
Authors: Kadan, Merve
Abstract: Doğal afetler, meydana gelecekleri zaman öngörülemeyen, fiziksel, ekonomik ve sosyal kayıplar doğuran büyük çaplı doğa olaylarıdır. Afetler artlarında muhteviyatı değişebilen enkaz ismi verilen artıklar bırakmaktadır. Oluşan enkaz afet bölgesinde yolları kapatabilmekte ve ulaşıma engel olabilmektedir. Ancak, afet ardından afet bölgesine olabildiğince hızlı ulaşmak gerekmektedir. Böylelikle afetzedelere yardım ulaştırılarak hayat kaliteleri yükseltilebilecektir. Bu çalışmada afet ardından afet bölgesinde enkaz nedeniyle kapanan yolların açılması ve yardım malzemelerinin ihtiyaç duyulan düğümlere olabildiğince hızlı ulaştırılması süreçlerini senkronize bir şekilde ele alan bir problem ele alınmıştır. Problem kapsamında bir adet yol temizleme aracı ve birden fazla yardım malzemesi dağıtım aracı bulunduğu kabul edilmiştir. Problemin çözümüne yönelik karma tamsayılı doğrusal programlama modeli geliştirilmiştir. Geliştirilen model gerçekçi boyutlardaki problemler için kabul edilebilir sürede çözüm bulamadığından problemin çözümü için bir sezgisel algoritma geliştirilmiştir. Afet bölgesinde yer alan hastane ve okullar gibi ulaşılması önemli bölgeler kritik düğümler olarak kabul edilmiştir. Model kapsamında kritik bölgelere yardım malzemesi ulaştırılmasına yönelik en hızlı rotalar belirlenmekte, rotada enkaz nedeniyle kapalı bir yol var ise söz konusu yol enkazdan temizlenmektedir. Araçlar turlarına eş zamanlı olarak başlamakta ve görevlerini senkronize icra etmektedir. Yol temizleme aracı bir yolu enkazdan tamamen temizlemeden yardım malzemesi dağıtım araçları o yolu kullanamamaktadır. Yolun temizlenme zamanı yardım malzemelerinin ulaşma zamanını etkilemektedir. Geliştirilen karma tamsayılı doğrusal programlama modeli ve sezgisel algoritmanın farklı boyutlardaki veri setleri ile performanslarının test edilmesi bağlamında iki farklı veri seti ile çalışılmıştır. Buna ek olarak, tanımlanan problem kapsamında değişkenlik gösterebilecek olan enkaz nedeniyle yol kapanma oranı ve yardım malzemesi dağıtım aracı sayılarının geliştirilen çözümlere etkisinin anlaşılabilmesi maksadıyla farklı yol kapanma oranları ve değişken yardım malzemesi araç sayıları ile çözümler denenmiştir. Ayrıca, farklı iterasyon sayılarının sezgisel algoritmanın performansına etkisi de analiz edilmiştir. Bu çalışmanın literatüre temel katkısı yol temizleme ve yardım malzemesi dağıtım süreçlerini senkronize ele almasıdır. Bahse konu alanda literatürde sınırlı kaynak olması sebebiyle, geliştirilen modelin fayda sağlayabileceği değerlendirilmektedir.; Natural disasters are large-scale natural events that are unpredictable and cause physical, economic and social losses. Disasters leave residues called debris, whose content can change. The debris can block roads and hinder transportation in the disaster area. However, it is necessary to reach the disaster area as quickly as possible after the disaster. Thus, the quality of life will be increased by delivering aid to the disaster victims. In this study, a problem that deals with the processes of opening the roads closed due to debris in the disaster area and delivering the relief materials to the needed nodes as quickly as possible in a synchronized manner is discussed. It is assumed that there is one road cleaning vehicle and more than one aid delivery vehicle within the scope of the problem. A mixed integer linear programming model has been developed to solve the problem. Since the developed model could not find a solution in an acceptable time for realistic sized problems, a heuristic algorithm was developed to solve the problem. Nodes that are important to reach such as hospitals and schools in the disaster area are considered as critical nodes. Within the scope of the model, the fastest routes for the delivery of relief materials to critical nodes are determined, and if there is a road closed due to debris on the route, the road in question is cleared of debris. Vehicles start their tours simultaneously and perform their tasks synchronously. Relief delivery vehicles cannot use that road until the road clearing vehicle completely clears a road of debris. The cleaning time of the road affects the arrival time of the relief materials. In the context of testing the performance of the developed mixed integer linear programming model and the heuristic algorithm two different data sets were used. In addition, solutions with different road blockage rates and variable number of relief vehicles were considered in order to understand the effect of road closure rate and number of relief delivery vehicles on the solutions developed. In addition, the effect of different iteration numbers on the performance of the heuristic algorithm is also analyzed. The main contribution of this study to the literature is the synchronization of road cleaning and relief material distribution processes. Due to the limited resources in the literature in the subject area, it is considered that the developed model can be beneficial.2022-01-01T00:00:00Z