Simulasyonda İleri Kavramlar(IND 622)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| IND 622 | Simulasyonda İleri Kavramlar | 2 | 3 | 0 | 0 | 3 | 8 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | İngilizce |
| Türü | Seçmeli |
| Dersin Düzeyi | Doktora |
| Dersi Veren(ler) | EBRU ANGÜN ebru.angun@gmail.com (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı |
Benzetim, gerçek hayat problemlerinin fazla basitleştirilmeden modellenmesi ve analiz edilmesine imkan veren, istatistiksel ve bilgisayar tabanlı bir tekniktir. Bu teknik esnekliği sayesinde diğer teknikler (örneğin, Stokastik Süreçler) tarafından incelenmesi çok zor olan problemlerin analizini mümkün kılar. Programda seçmeli olarak verilen Simülasyonda İleri Kavramlar dersi sayesinde, öğrenciler yöneylem araştırmasındaki uygun problemleri (örneğin, lojistik problemleri) benzetim modelleri olarak tasarlayabilecek, bu modelleri kullanarak farklı performans ölçütlerini tahmin edebilecek, modellerin farklı parametrelere olan duyarlılığını analiz edebilecek ve benzetim tabanlı optimizasyon tekniklerini kullanarak sistemleri eniyileyebileceklerdir. Bu kapsamda dersin amaçları şu şekilde belirlenmiştir: • Öğrencilere, bir gerçek hayat probleminin benzetim modeli olarak ne şekilde modellenebileceğini göstermek • Öğrencilerin benzetim için gerekli olan istatistiksel tekniklere hakim olabilmelerini sağlamak • Öğrencilerin, ARENA gibi benzetim ve MATLAB gibi genel amaçlı yazılımları kullanmaya hakim olabilmelerini sağlamak • Öğrencilerin, duyarlılık analizi ve benzetim tabanlı optimizasyon tekniklerine hakim olmalarını sağlamak |
| İçerik | |
| Dersin Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayan bir öğrenci, ÖÇ 1: Bir gerçek hayat problemini ARENA kullanarak bir benzetim modeli olarak tasarlayabilir. ÖÇ 2: Benzetimin farklı türlerini ve ne şekilde kullanılmaları gerektiğini örneklerle açıklayabilir. ÖÇ 3: Veri toplama ve veri analizi işlemlerini, farklı istatistiksel teknikler kullanarak gerçekleştirebilir. ÖÇ 4: MATLAB’ın istatistiksel fonksiyonundan elde ettiği veri analizi sonuçlarını yorumlayabilir. ÖÇ 5: Bilgisayarların ne şekilde üniform rastlantısal sayı ürettiğini açıklayabilir. ÖÇ 6: Yazılımlardaki (örneğin, MATLAB) farklı üniform rastlantısal sayı üretme metotlarını kıyaslayabilir. ÖÇ 7: Üniform rastlantısal sayıdan, farklı dağılımlara sahip rastlantısal sayılar elde etmeye yarayan metotları tanımlayabilir. ÖÇ 8: Farklı benzetim tipleri için performans ölçütlerini tahmin etmeye yarayan metotları tanımlar. ÖÇ 9: Klasik ve modern deneysel tasarım yöntemlerini tanımlar. ÖÇ 10: Benzetim tabanlı eniyileme yöntemlerini kullanarak çeşitli parametre değerlerinin eniyi değerleri hakkında sonuç çıkarabilir. ÖÇ 11: Duyarlılık analizi kullanarak sistemin hangi parametrelere duyarlı olduğu hakkında sonuç çıkarabilir. |
| Öğretim Yöntemleri | |
| Kaynaklar |
Law, A.M., “Simulation Modeling and Analysis”, 4. Baskı, McGraw-Hill, New York, 2007 Kelton, W.D., Sadowski, R.P., Sturrock, D.T., “Simulation with ARENA”, 3. Baskı, McGraw-Hill, New York, 2003 Kleijnen, J.P.C., “Design and Analysis of Simulation Experiments”, Springer, New York, 2008 Alexopoulos, C., Seila, A., “Output data analysis”, Chapter 7 in Handbook of Simulation, Wiley, New York, 1998 |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Benzetime giriş, değişik benzetim metotları, yöneylem araştırmasında benzetim uygulamaları ve ARENA (Law, Bölüm 1, Kelton, Sadowski & Sturrock) |
| 2 | Benzetime giriş, değişik benzetim metotları, yöneylem araştırmasında benzetim uygulamaları ve ARENA (Law, Bölüm 1, Kelton, Sadowski & Sturrock) |
| 3 | Olasılık ve istatistikte temel kavramlar (Law, Bölüm 4) |
| 4 | Girdiler için istatistiksel veri analizi metotları (Law, Bölüm 6) ve MATLAB uygulamaları |
| 5 | Girdiler için istatistiksel veri analizi metotları (Law, Bölüm 6) ve MATLAB uygulamaları |
| 6 | Bilgisayarda üniform rastlantısal sayı üretme metotları ve bu metotların özellikleri (Law, Bölüm 7), MATLAB’taki üniform rastlantısal sayı üreteçlerinin test edilmesi |
| 7 | Üniform rastlantısal sayıdan, farklı dağılımlara sahip rastlantısal sayılar elde etme metotları (Law, Bölüm 8) |
| 8 | Üniform rastlantısal sayıdan, farklı dağılımlara sahip rastlantısal sayılar elde etme metotları (Law, Bölüm 8) |
| 9 | Ara sınav |
| 10 | Farklı benzetim türleri için çıktıların istatistiksel analizi metotları (Law, Bölüm 9, Alexopoulos & Seila) |
| 11 | Farklı benzetim türleri için çıktıların istatistiksel analizi metotları (Law, Bölüm 9, Alexopoulos & Seila) |
| 12 | Deneysel tasarım, duyarlılık analizi ve Response Surface metodu (Kleijnen, Bölüm 2, 3, 4 ve 5) |
| 13 | Deneysel tasarım, duyarlılık analizi ve Response Surface metodu (Kleijnen, Bölüm 2, 3, 4 ve 5) |
| 14 | Deneysel tasarım, duyarlılık analizi ve Response Surface metodu (Kleijnen, Bölüm 2, 3, 4 ve 5) |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 7 | 60 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 40 |
| Toplam | 8 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 5 | 25 |
| Sunum | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 15 |
| Proje | 1 | 20 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 |
| Raporlar | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 |
| Seminer | 0 | 0 |
| Diğer | 0 | 0 |
| Toplam | 7 | 60 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Endüstri Mühendisliği alanında bağımsız olarak kuramsal ve/veya deneysel araştırmalar yürütür ve mevcut literatürü göz önünde bulundurarak bilgiye derinlemesine ulaşıp özgün fikir ve yöntemler geliştirir; ve farklı alanlarda bunların uygulamalarını gerçekleştirir. | X | ||||
| 2 | Endüstri Mühendisliği ile ilgili alanlarda gerektiğinde belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir. | X | ||||
| 3 | Karmaşık endüstriyel sistemlerdeki ve süreçlerdeki Endüstri Mühendisliği problemlerini saptar, tanımlar, formüle eder, yenilikçi tasarımlar veya performans boyutlarını iyileştirmeye yönelik çözümler sunar. | X | ||||
| 4 | Çalışmalarının süreç ve sonuçlarını, Endüstri Mühendisliği veya ilgili alanlardaki ulusal ve uluslararası ortamlarda sistematik ve açık bir sekilde yazılı ya da sözlü olarak aktarır. | X | ||||
| 5 | Akademisyen/araştırmacı olarak yükseköğretim kurumlarında veya uzman kadrolarda özel/kamu sektöründe görev alır. | X | ||||
| 6 | Hayat boyu öğrenme kapsamında Endüstri Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların uygulamaları ve kısıtları hakkında kapsamlı bilgi sahibidir. | X | ||||
| 7 | Disiplin içi ve disiplinler arası takımlarda etkin biçimde çalışır, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda proje ve risk yönetimi tekniklerini de kullanarak çözüm yaklaşımları geliştirir; gerektiğinde bağımsız çalışır ve sorumluluk alır. | X | ||||
| 8 | Bir yabancı dili en az Avrupa Dil Portfoyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar. | X | ||||
| 9 | Girişimcilik, yenilikçilik ve sürdürülebilirlik boyutlarını dikkate alarak iş hayatı uygulamalarını gerçekleştirir. | X | ||||
| 10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | X | ||||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Sınıf Dışı Çalışma Süresi | 13 | 4 | 52 |
| Ödevler | 5 | 7 | 35 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 10 | 10 |
| Proje | 1 | 50 | 50 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 15 | 15 |
| Toplam İş Yükü | 204 | ||
| Toplam İş Yükü / 25 | 8,16 | ||
| Dersin AKTS Kredisi | 8 | ||