Esnek İmalat Sistemi, Yapay sinir ağı, Takım yönetimi, Simülasyon İş parçalan ve kesici takımların esnek imalat sistemi içerisinde eşzamanlı akışının tasarımı ve analizi için yapılan bu çalışma; planlama, tasarım ve analiz olmak üzere üç aşamada gerçekleştirilmiştir. Planlama aşamasında, imalatı yapılacak parça tipleri, bu parçaların işlemlerinin gerçekleştirileceği tezgah tipleri, parti büyüklükleri ve üretim oranları, işlem planlan ve gerekli takımlar ve bu takımlarla ilgili veriler daha önceki çalışmalarda kullanılan gerçek endüstriyel verilerden belirlenmiştir. Tasarım aşamasında, planlama aşamasında belirlenen verilere göre çok hücreli EİS'de hücrelerde bulunacak tezgah sayılan, malzeme taşımasında kullanılacak OTA sayısı ve yan mamul stok sayısının izin verilebilecek miktarım belirlemek için, sistem modelleme ve analizinde etkili bir yöntem olan simülasyon kullanılmıştır. Simülasyon, optimuma ulaşamama veya çok uzun zaman gerektirme gibi bazı dezavantajlarım önlemek amacıyla bir yapay zeka tekniği olan yapay sinir ağı ile birlikte kullanılarak optimum sistem konfügrasyonu belirlenmiştir. Analiz aşamasında ise, ana simülasyon programına, takım yönetimi bir alt program olarak ilave edilmiş ve bu şekilde takımlar ile parçaların eşzamanlı çalışması sonucu oluşan değerler elde edilmiştir. Sistemin bu iki dinamik elamanı aynı anda ele alınmış, çeşitli iş çizelgeleme ve takım yönetimi stratej ileriyle alternatif tasarım konfigrasyonlarında çalıştırılarak; sistem performansı ve takım yönetimi performans kriterlerinin değerleri elde edilmiştir. Her bir alternatif tasarım konfigrasyonu ayrı ayrı ele alınarak, her bir kriter için ayrı ayrı analiz edilmiş ve bulunan sonuçlar tablo ve grafiklerin yardımıyla sunulmuştur. Çalışmanın sonucunda öne çıkan sistem davranışları ve elde edilen sonuçlar bir liste halinde verilmiştir.
Key Words: Flexible Manufacturing System (FMS), Simulation, Artificial Neural Networks, Tool Management This study was carried out to design and analyse the dual flow of parts and cutting tools in a flexible manufacturing system, and comprised three main phases: planning, design and analysis. In the planning phase, parts types to be produced and machines to be used, batch sizes and production rates, operations plans, required tools and their specifications were determined using data obtained from previous industrial implementations. In the design phase; simulation was used as a tool for analysing the number of machines and maximum level of work in process in each cell of the multi-cell flexible manufacturing system and the number of AVG's required for efficient materials handling. Here, neural networks were used along with simulation to obtain the optimal system configration that prevents disadvantages of pure simulation techniques such as not reaching a global optima or time-consuming experimentation. In the analysis phase; a sub-program for tool management was integrated to the main program and the results of the dual flow of parts and tools were obtained. These two dynamic elements of the system were explored together, and their performance criteria was determined by using various scheduling and tool management strategies for alternative design configurations. For each alternative design, these criteria were analysed by using tables and graphics. Based upon the results of this study, a dominant system behaviour for a particular multicell-FMS was determined and conclusions were drawn.
