Hücresel İmalat Sistemi, Hücre Düzenleme, Grup Teknolojisi, Endüktif Öğrenme Hücresel imalat (Hİ), endüstride yaygın olarak uygulanan yeni bir imalat kavramıdır. HÎ'ın esası, bir imalat sisteminin hücre olarak adlandırılan çeşitli alt sistemlere bölünmesine dayanır. Bu hücreler sistemde tasarım benzerliklerine ve parçaların imalat gereksinimlerine göre düzenlenir. Ht'ın uygulanmasında çeşitli yararlar elde edilebilir. Bu yararlar genel olarak şunlardır; parça taşıma maliyetlerinin düşürülmesi, hazırlık sürelerinin kısaltılması, süreç içi stokların azaltılması, üretim kalitesinin iyileştirilmesi ve iş tatminin arttırılması. Hücresel imalat sistem (HİS) konusunda yapılmış bir çok çalışma, sadece 0-1 matrisli parça - makina ilişkisine dayanır, diğer tasarım faktörleri ise göz ardı edilir. Buna bağlı olarak sunulan çözümler, HİS'in yararlarını en aza indirmektedir. Ayrıca böyle çalışmalarda, önerilen çözüm yaklaşımları doğal olarak probleme özgüdür. Bu durum çözüm kalitesini düşürmektedir. Hücre düzenlemesi yapılırken, hücre tasarımında rol oynayan faktörlerin dikkate alınması, etkin bir hücre oluşturulması açısından oldukça önemlidir. Bu tezde, parçaların işlem sırası, işlem süresi ve tasanm-imalat karakteristiği gibi hücre tasarımında etkili olan faktörleri göz önüne alan yeni bir yaklaşım sunulmuştur. Geliştirilen bu metoda, Hücresel İmalat Sistem tasarımına Endüktif öğrenme ile Yaklaşım (HİSEY) adı verilmiştir. HİSEY, yapay zeka tekniklerinden biri olan endüktif öğrenmeye dayandırılmıştır. Önerilen bu yaklaşım önce, parçaların işlem süresi ve işlem sırası olmak üzere iki faktörlü problemlere uygulanmıştır. Basan ölçütü olarak grubun verimliliği ve gruplama ölçütü ele alınmış olup, diğer metodlarla karşılaştalmıştır. Diğer yaklaşımlardan en iyi sonucu elde eden metoda göre HİSEY, grubun verimliliğinde (en az) % 5,7'lik ve gruplama ölçütünde (en az) % 8,1'lik bir artış oram ile en iyi sonuca ulaşmıştır. Daha sonra bu iki faktöre tasarım- imalat karakteristiği faktörü eklenerek örnek bir probleme çözüm aranmıştır. Bu problemde de HİSEY, diğer yaklaşımlar arasında en iyi sonucu elde etmiş yaklaşıma göre grubun verimliliğinde % 4,7'lik ve gruplama ölçütünde ise % 2,7'lik bir artış oram ile en yüksek performansa ulaşmıştır. Ayrıca bu problem için başka bir başarı kriteri olan makina yatırımında da diğer en iyi yaklaşıma nazaran % 7,8'lik bir tasarruf sağlamıştır. Sayısal sonuçlar, hem hücre performansında hem de makine yatırımda en iyi değere sahip yaklaşımın HİSEY olduğunu göstermiştir. HİSEY'in, iki faktörlü problemlerde olduğu kadar üç faktörlü problemlerin çözümünde de güvenilir, etkin ve imalat sistemi içinde gerçek hücre düzenleme problemlerinin çözümünde rahatlıkla kullanılabilir bir yaklaşım olduğu gözlemlenmiştir.
CONTROL OF SEVOFLURAN RATE WITH A NEURO-FUZZY SYSTEM IN THE INHALATION ANESTHESIA SUMMARY Key words: Depth of anesthesia, Neuro-fuzzy Control, EEG power spectrum. It is a significant problem to determine and to control the anesthesia depth during general anesthesia in surgical applications. Since the depth of anesthesia can vary from one moment to another, current medical technics have not the ability of holding anesthesia depth in exact stability and in a reliable level. EEG has been recommended in numerous studies on the determination of the anesthesia depth as a significat method. In recent years the interest in the use of EEG about the determination of the anesthesia depth has increased. A relation between anesthesia dose and various EEG parameters (EEG power spectrum, bispectral index (BIS) etc.)has been stated in the latest studies. In this study, power spectrum of the EEG data and the heartbeat data obtained from 25 patients has been applied to the designed Neuro-Fuzzy system. The designed system has been composed of two parts; one is an artificial neural network and the other is a Fuzzy system. A backpropagation artificial neural network has been developed which contains 53 nodes in the input layer, 27 nodes in the hidden and 1 node in the output layer. In the artificial neural network inputs, the power spectral density values corresponding 1-50 Hz frequency interval of the EEG slices which has 10 seconds of time interval, the ratio of the total of the PSD values of current EEG slice to the total PSD values of EEG slice of pre-anaesthesia, the ratio of the total PSD values of the EEG data to the total PSD values of the previous EEG data, and the previous anaesthetic gas ratio values have been applied and the network has been educated. At the end of the education total error has been found as 10"17. In the fuzzy system block, the ratio of current heartbeat to the previous one, the ratio of the current heartbeat to the pre-operation heartbeat, the ratio of the output of the artificial neural network to the previous applied anaesthetic gas have been applied as variables and in the system output gas ratio prediction has been obtained as percentage. The designed Neuro-Fuzzy system has been tested by using 10 data set obtained from 4 different patients. In the anesthetic gas prediction according to the anesthesia level, successful results have been obtained with the designed system. xv
