Kesen, Saadettin ErhanBouzegag, Saddam Hocıne2026-02-102026-02-102025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=CtwiQkYvArAb95Ufpfs_von2maqtc-qtQqn4Z3201NKM5tuId3XQYYPiJzKuJqpZhttps://hdl.handle.net/20.500.13091/13019Son yıllarda sürdürülebilirlik, sanayi kalkınması alanında karşılaşılan en önemli küresel zorluklardan biri olarak öne çıkmaktadır. Başarı artık yalnızca maliyetlerin düşürülmesi ya da üretkenliğin artırılmasıyla ölçülmemekte, aynı zamanda kaynakların etkin kullanımı ve israfın en aza indirgenmesi de gerektirmektedir. Modern imalat sektöründe kaynakların etkin yönetimi giderek artan bir öncelik hâline gelmiştir. Şirketlerin, operasyonel verimlilik ile çevresel sürdürülebilirlik arasında hassas bir denge kurmaları gerekmektedir. Enerjiye yönelik küresel baskıların artmasıyla birlikte, üretim süreçlerinin iyileştirilmesi ve enerji tüketiminin azaltılması her zamankinden daha kritik bir gereklilik olarak ortaya çıkmaktadır. Bu zorluklara karşılık olarak sürdürülebilir üretim çizelgelemesi, operasyonel verimlilik ile çevresel kaygılar arasında bütünleşik bir yaklaşım sağlamak üzere temel bir araç konumuna gelmiştir. Bu yaklaşım yalnızca ekonomik performansa odaklanmamakta, aynı zamanda sürdürülebilirliğin bütüncül gereklilikleriyle uyumlu üretim sistemlerinin inşasını da amaçlamaktadır. Bu tez çalışması, çok amaçlı sürdürülebilir atölye tipi çizelgeleme (SÇA-ATÇ) problemini ele almaktadır. Söz konusu problemde her iş birden fazla operasyondan oluşmakta ve bu operasyonlar farklı hız seviyelerinde çalışabilen makineler üzerinde gerçekleştirilmektedir. Geleneksel yaklaşımlardan farklı olarak, enerji odaklı iki strateji olan makinelerin açma/kapama kontrolü ile aktif işlem sırasında hız ölçeklemeyi aynı anda entegre etmektedir. Aynı makine üzerinde işlenen ardışık operasyonlar arasındaki boşta kalma süresi önceden belirlenmiş bir eşiği aştığında, enerji tüketimini azaltmak amacıyla makine kapatılmaktadır. Aksi hâlde, makine düşük enerji tüketimli bekleme modunda tutulmakta ve aşırı açma/kapama işlemlerinden kaçınılmaktadır. Bununla eşzamanlı olarak, hız ölçekleme stratejisi teslim tarihlerinin karşılanmasına yardımcı olmak için uygulanmaktadır; çünkü gecikmeler, müşteri memnuniyetsizliğine yol açmaktadır. Daha yüksek hız seviyelerinde çalışmak gecikme cezalarını azaltmakta, ancak enerji tüketimini artırmakta, düşük hızlarda ise durum tersine dönmektedir. Bu nedenle problem, toplam enerji tüketiminin ve toplam gecikmenin minimize edilmesi gibi birbiriyle çelişen iki amacı içermektedir. Bu iki amaçlı problem için Karma Tamsayılı Doğrusal Programlama (KTDP) modeli geliştirilmiş ve kesin Pareto-optimal çözümler elde etmek amacıyla Artırılmış Epsilon Kısıt (Augmecon) yöntemi uygulanmıştır. Ancak, problem boyutu büyüdükçe Augmecon yöntemi makul sürede Pareto-optimal çözümler bulamamaktadır. Bu nedenle, özel olarak tasarlanmış iki meta-sezgisel algoritma önerilmiştir: Domine Edilmeyen Sıralama Genetik Algoritma II (NSGA-II) ve Çok Amaçlı Gri Kurt Optimizasyonu (MOGWO). Toplamda 50 problem örneği üretilmiş ve operasyon sayılarına göre küçük, orta ve büyük boyutlarda sınıflandırılmıştır. Bunlardan 12 küçük boyutlu örnek bu çalışma için üretilmiş, 38 orta ve büyük boyutlu problem örneği ise literatürde sıkça kullanılan kıyaslama veri setlerinden uyarlanmıştır. Önerilen algoritmaların göreli performansları, literatürde yaygın olarak kullanılan çok amaçlı ölçütler olan Hiperhacim (HV), Kalite Ölçütü (QM), CPU süresi ve Domine Edilmeyen Çözümlerin sayısı (NDS) kullanılarak değerlendirilmiştir. MOGWO algoritmasının, özellikle küçük ve bazı orta boyutlu problemlerde, çözüm kalitesi (HV ve QM) ile NDS bakımından NSGA-II'ye üstünlük sağladığı görülmüştür. Buna karşılık, Augmecon yöntemi problem boyutunun artmasıyla birlikte aşırı hesaplama yükü gerektirmiştir. 8 problem örnekleri için pareto çözümleri üretebilmiş olmasına karşın, 12 örneğin 4'ünde belirlenen süre sınırları içinde ödünleşim matrislerini doğru şekilde elde edememiştir. Öte yandan, NSGA-II özellikle büyük boyutlu problemlerde yüksek hesaplama verimliliği sergilerken; çözüm kalitesi açısından performansı düşmüştür. İlginç bir şekilde, daha büyük problemlerde NSGA-II bazen MOGWO'yu HV ve QM açısından aşabilmiştir. Özet olarak, MOGWO, genellikle daha çeşitli ve yüksek kaliteli pareto yüzeyleri üretirken, NSGA-II özellikle büyük boyutlu problemlerde daha hızlı yakınsama ve daha düşük hesaplama süresi sunmuştur. Buna ek olarak, teslim tarihi sıkılığının algoritmik performans üzerindeki etkisi, sıkı, orta ve gevşek teslim tarihleri olmak üzere üç farklı ayar değerlendirilerek incelenmiştir. Sonuçlar, her iki algoritmada da teslim tarihleri gevşetildikçe (sıkıdan gevşeğe) HV değerlerinin arttığını göstermektedir. Bu doğrultuda, orta aralıkta belirlenen teslim tarihleriyle elde edilen çözümler sıkı teslim tarihleriyle elde edilenlerden üstün bulunurken; gevşek teslim tarihlerinde elde edilen çözümler ise orta aralıktakileri geride bırakmıştır. Ayrıca, MOGWO algoritmasının daha gevşek teslim tarihleri altında daha fazla sayıda domine edilmeyen çözüm ürettiği gözlemlenirken, NSGA-II'nin ise daha dalgalı bir performans sergilediği ve sonuçlarının istikrarsızlık gösterdiği gözlemlenmiştir.In recent decades, sustainability has emerged as one of the foremost global challenges in industrial development. Success is no longer measured solely by cost reduction or productivity improvement; it now also requires the efficient use of resources and the minimization of waste. Effective resource management has become an increasing priority in modern manufacturing, where companies must balance operational efficiency with environmental sustainability. With growing global energy pressures, optimizing production processes while reducing energy consumption has become an urgent challenge. In response to these challenges, sustainable production scheduling has emerged as a key tool to integrate operational efficiency with environmental considerations. This approach not only focuses on economic performance but also aims to build production systems that align with the holistic requirements of sustainability. This thesis addresses a multi-objective sustainable job shop scheduling problem, in which each job consists of multiple operations that can be executed on machines operating at variable speeds. Unlike traditional approaches, this study integrates two energy-saving strategies: machine on/off control and speed scaling. When the idle time between consecutive operations on the same machine exceeds a predetermined threshold, the machine is turned off to reduce energy consumption. Otherwise, it remains in standby mode, consuming significantly less energy and avoiding excessive on/off cycles. Speed scaling strategy, meanwhile, is employed as a versatile tool to help meet the jobs' due dates, any tardiness lead to customer dissatisfaction. Operating machines at higher speeds reduces tardiness penalties but increases energy consumption, and vice versa. Accordingly, the problem involves two conflicting objectives: minimizing total energy consumption and minimizing total tardiness. To address this bi-objective problem, a mixed-integer linear programming (MILP) model was developed, and the augmented ε-constraint (Augmecon) method was applied to obtain exact Pareto-optimal solutions. However, as the problem size increases, the Augmecon method fails to find Pareto-optimal solutions within a reasonable time. Therefore, two specially designed metaheuristic algorithms are proposed: the Non-dominated Sorting Genetic Algorithm II (NSGA-II) and the Multi-Objective Grey Wolf Optimizer (MOGWO). A total of 50 problem instances were generated and categorized into small, medium, and large sizes based on the number of operations. Of these, 12 small instances were randomly generated for this study, while 38 medium and large instances were adapted from well-known benchmark datasets frequently used in the literature. The performance of the proposed algorithms was evaluated using several widely adopted metrics in the literature, including Hypervolume (HV), Quality Metric (QM), CPU time, and the Number of Non-Dominated Solutions (NDS). The MOGWO algorithm outperforms NSGA-II in terms of solution quality (HV and QM) and the number of non-dominated solutions, particularly for small and some medium-sized problems. In contrast, the Augmecon method requires excessive computational effort as the problem size increases. Although it was able to generate Pareto solutions for 8 problem instances, it fails to obtain payoff matrices within the specified time limits for 4 out of 12 instances. NSGA-II, on the other hand, demonstrates high computational efficiency, particularly for large-sized problems; however, its performance in terms of solution quality declines. Interestingly, in larger problems, NSGA-II occasionally outperforms MOGWO in terms of HV and QM. In summary, MOGWO generally produces more diverse and higher-quality Pareto fronts, whereas NSGA-II offers faster convergence and lower computational time, especially in large-sized problem instances. Furthermore, the impact of due-date tightness on algorithmic performance is examined by evaluating three settings: tight, medium, and loose due dates. The results indicate that hypervolume values increases for both algorithms as due dates are relaxed (from tight to loose). Accordingly, solutions obtained under medium due dates outperform those associated with tight due dates, while solutions corresponding to loose due dates surpass those obtained under medium settings. Moreover, the MOGWO generates a larger number of non-dominated solutions under more relaxed due dates, whereas NSGA-II exhibits more fluctuating performance and shows instability in its results.trEndüstri ve Endüstri MühendisliğiAtölye ÇizelgelemesiKarma Tamsayılı ProgramlamaIndustrial and Industrial EngineeringJob Shop SchedulingMixed Integer ProgrammingDoctoral Thesis