ENGLISH
GİRİŞ
  • Ders Bilgi Paketi
  • Doktora >
  • Fen Bilimleri Enstitüsü >
  • Endüstri Mühendisliği (doktora)
  • > BULANIK MANTIK VE MODELLEME
DBP Hakkında
Skip Navigation Links

Ders Hakkında

Bölüm Hakkında
Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
BULANIK MANTIK VE MODELLEME Üçüncü Düzey ENM 626 Seçmeli 1 7.50 7.50 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri -
Eğitimin Dili Türkçe
Koordinatör PROF. DR. HÜLYA TORUN
Dersi Veren Öğretim Eleman(lar)ı PROF. DR. HÜLYA TORUN
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli Sınıfta sözlü anlatım, makale inceleme ve proje sunumları
Dersin Amacı Endüstri Mühendisliği doktora programı seviyesindeki bu dersin temel amacı; öğrencilere karmaşık mühendislik ve yönetim sistemlerinde karşılaşılan, klasik matematiksel yöntemlerle modellenmesi güç olan belirsizliklerin (stochastic ve lexical) teorik temellerini ve çözüm metodolojilerini kazandırmaktır. Ders kapsamında, Lotfi A. Zadeh tarafından ortaya konulan bulanık küme teorisinin aksiyomatik yapısı, üyelik fonksiyonu tasarımları ve bulanık aritmetik prensipleri detaylandırılarak; muğlak verilerin sayısallaştırılması ve insan mantığının algoritmik bir biçimde temsil edilmesi hedeflenmektedir. Teorik altyapının üzerine inşa edilen Bulanık Çıkarım Sistemleri (FIS) ve öğrenme kabiliyetine sahip adaptif sinirsel yapılar (ANFIS) aracılığıyla, öğrencilerin dinamik sistemleri modelleme ve optimize etme yetkinliklerinin geliştirilmesi amaçlanmaktadır. Ayrıca, dersin ilerleyen safhalarında ele alınan Bulanık Çok Kriterli Karar Verme (FMCDM) yöntemleri ve olabilirlik teorisi ile öğrencilerin belirsizlik altında stratejik karar destek sistemleri kurgulayabilmeleri ve literatürdeki ileri düzey bulanık küme uzantılarını kullanarak özgün akademik araştırmalar yürütebilmeleri hedeflenmektedir.
Dersin Tanımı Bu ders, karmaşık sistemlerdeki belirsizliklerin modellenmesinde kullanılan Bulanık Mantık (Fuzzy Logic) teorisinin matematiksel temellerini ve mühendislik uygulamalarını kapsar. Ders kapsamında; belirsizlik kavramı, tahminsel (stochastic) ve sözcüksel (lexical) belirsizlik ayrımı, bulanık küme operasyonları, bulanık aritmetik ve olabilirlik teorisi detaylıca incelenir. Teorik altyapının üzerine; Bulanık Çıkarım Sistemleri (FIS), yapay sinir ağları ile hibritleşmiş ANFIS yapıları ve belirsizlik altında karar vermeyi sağlayan Bulanık Çok Kriterli Karar Verme (FMCDM) yöntemleri inşa edilerek endüstriyel problemlerin çözümüne yönelik modelleme yetkinliği kazandırılır.

Dersin İçeriği
1 Belirsizlik Kavramı ve Matematiksel Temeller
2 Bulanık Küme Teorisine Giriş
3 Üyelik Fonksiyonları ve Özellikleri
4 Bulanık Küme Temel İşlemleri
5 Linguistik Değişkenler ve İleri Operatörler
6 Bulanık İlişkiler ve Kartezyen Çarpım
7 Genelleme İlkesi ve Bulanık Aritmetik
8 Bulanıklaştırma ve Durulaştırma Yöntemleri
9 Olabilirlik Teorisi (Possibility Theory)
10 Bulanık Çıkarım Sistemleri (FIS)
11 ANFIS (Adaptif Sinirsel Bulanık Çıkarım)
12 Bulanık Çok Kriterli Karar Verme (MCDM) - I
13 Bulanık Çok Kriterli Karar Verme (MCDM) - II
14 Endüstriyel Uygulamalar ve Proje Sunumları
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Belirsizlik Türlerini Sınıflandırmak: Gerçek dünya sistemlerindeki tahminsel (stochastic) ve sözcüksel (lexical) belirsizlik türlerini ayırt etmek ve bu belirsizliklerin modellenmesinde olasılık ile olabilirlik teorileri arasındaki farkları akademik düzeyde analiz etmek.
2 Üyelik Fonksiyonlarını Tasarlamak: Problemin doğasına uygun üyelik fonksiyonlarını (üçgen, yamuk, çan eğrisi vb.) sezgi, çıkarım veya mertebeleme yöntemlerini kullanarak tasarlamak ve normalize etmek.
3 İleri Düzey Bulanık Operatörleri Uygulamak: Bulanık kümeler üzerinde T-norm ve T-conorm operatörlerini, genelleme ilkesini ve vertex metodunu kullanarak karmaşık cebirsel hesaplamaları yürütmek.
4 Bulanık Çıkarım Sistemleri (FIS) Geliştirmek: Uzman görüşlerini ve sözel verileri algoritmik bir yapıya dönüştürerek Mamdani veya Sugeno tipi bulanık çıkarım modelleri kurgulamak ve yaklaşık muhakeme süreçlerini yönetmek.
5 Hibrit Modeller (ANFIS) İnşa Etmek: Yapay sinir ağları ile bulanık mantık prensiplerini entegre ederek veriden öğrenme yeteneği olan adaptif sinirsel bulanık çıkarım sistemleri (ANFIS) geliştirmek ve optimize etmek.
6 Bulanık Çok Kriterli Karar Verme (FMCDM) Yöntemlerini Kullanmak: Çok kriterli ve belirsiz karar ortamlarında Bulanık AHP, TOPSIS veya literatürdeki güncel bulanık küme uzantılarını (Picture Fuzzy, Plithogenic vb.) kullanarak stratejik karar modelleri oluşturmak.
7 Durulaştırma ve Çıktı Analizi Yapmak: Bulanık sonuçları, probleme en uygun durulaştırma tekniğini (alan merkezi, ağırlıklı ortalama vb.) seçerek kesin mühendislik verilerine dönüştürmek ve elde edilen sonuçları bilimsel olarak yorumlamak.
8 Olabilirlik Dağılımlarını Modellemek: Eksik veya muğlak bilgi durumlarında olabilirlik ve gereklilik ölçümlerini kullanarak sistem davranışlarını tahmin etmek ve olasılık-olabilirlik dönüşümlerini gerçekleştirmek.
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Endüstri Mühendisli alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
2 Endüstri Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir
3 Kritik ve yaratıcı düşünme yapısına sahip olur ve çalışma alanındaki problemleri çözme yeteneği kazanır.
4 Akademik etiğin öneminin bilincindedir.
5 Araştırma çıktılarını evrensel düzeyde akademik toplulukla ve toplumla etkin bir biçimde paylaşırlar.
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 13 3 39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 3 10 30
Ödevler 0 0 0
Sunum / Seminer hazırlama 1 20 20
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 1 20 20
Ara sınavlar 1 2 2
Proje (Yarıyıl ödevi) 1 20 20
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 20 20
Yarıyıl sonu sınavı 1 2 2
Araştırma 1 30 30
Toplam iş yükü     183
AKTS     7.50

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 100
Kısa sınav 0 0
Ödev 0 0
Yarıyıl içi toplam   100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Ders notları - Fuzzy Logic with Engineering Applications, Second Edition T. J. Ross, 2004 John Wiley & Sons, Ltd.
Yardımcı Kaynaklar Fuzzy Multi-Criteria Decision Making, Theory and Applications with Recent Developments, Ed: Cengiz Kahraman 2008, Springer Science+Business Media, LLC. -George J. Klir and Bo Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall, 1995. -Toshiro, T. at all, Fuzzy Systems Theory and Its Applications, Academic Press, 1992. -Michael Hanss, Applied Fuzzy Arithmetic: An Introduction with Engineering Applications, 2004. -Kwang H. Lee, First Course on Fuzzy Theory and Applications, Springer, 2005. -William Siler, James J. Buckley, Fuzzy Expert Systems and Fuzzy Reasoning, John Wiley & Sons Ltd, 2005.

Ders İle İlgili Dosyalar