UKUROVA NVERSTES FEN BLMLER ENSTTS

YKSEK LSANS TEZ Utkay DNMEZ

STATSTKSEL PROSES KONTROL TABLOLARININ BULANIK MANTIK YNTEM LE YORUMLANMASI VE BR PLK LETMESNDE UYGULAMA

TEKSTL MHENDSL ANABLM DALI

ADANA, 2012

UKUROVA NVERSTES FEN BLMLER ENSTTS STATSTKSEL PROSES KONTROL TABLOLARININ BULANIK MANTIK YNTEM LE YORUMLANMASI VE BR PLK LETMESNDE UYGULAMA Utkay DNMEZ YKSEK LSANS TEZ TEKSTL MHENDSL ANABLM DALI

Bu Tez //2012 Tarihinde Aadaki Oybirlii/Oyokluu ile Kabul Edilmitir.

Jri

yeleri

Tarafndan

. . Yrd. Do. Dr. Emel Ceyhun SABIR Do. Dr. Pnar DURU BAYKAL Yrd. Do. Dr. Ramazan OBAN

DANIMAN

YE

YE

Bu Tez Enstitmz Tekstil Mhendislii Anabilim Dalnda hazrlanmtr. Kod No:

Prof. Dr. Selahattin SERN Enstit Mdr

Bu alma . . Aratrma Projeleri Birimi Tarafndan Desteklenmitir. Proje No: Not: Bu tezde kullanlan zgn ve baka kaynaktan yaplan bildirilerin, izelge ve fotoraflarn kaynak gsterilmeden kullanm, 5846 sayl Fikir ve Sanat Eserleri Kanunundaki hkmlere tabidir.

Z YKSEK LSANS TEZ STATSTKSEL PROSES KONTROL TABLOLARININ BULANIK MANTIK YNTEM LE YORUMLANMASI VE BR PLK LETMESNDE UYGULAMA Utkay DNMEZ UKUROVA NVERSTES FEN BLMLER ENSTTS TEKSTL MHENDSL ANABLM DALI Danman : Yrd. Do. Dr. Emel Ceyhun SABIR Yl: 2012, Sayfa: 204 Jri : Yrd. Do. Dr. Emel Ceyhun SABIR : Do. Dr. Pnar DURU BAYKAL : Yrd. Do. Dr. Ramazan OBAN
statistiksel proses kontrol yntemleri, rekabette fark amak isteyen giriimciler iin, daha verimli, daha az zaman alan, daha az maliyetli, sonuca daha do ru yaklaan, yapay zeka tekniklerinden bulank mantk ile desteklenmitir. retim prosesinin ok karmak olmas ve bununla ilgili yeterli bilginin bulunmamas durumunda kiilerin gr ve deer yarglarna yer verilmesi gibi durumlarda bulank manta bavurulmaktadr. Bulank kontrol tablolar hem prosesten kaynakl hatalar tespit etmekte hem de sistem kontrol altnda olmasna ramen kontrol d gibi gsteren hatalar ayrt ederek sistemin salkl almasn salamaktadr. almann birinci blmnde istatistiksel proses kontrol ve teknikleri hakknda, bulank mantk ve uygulama alanlar konularnda detayl bilgiler verilmektedir. kinci blmde literatr almasna yer verilmitir. nc blmde, iplik eirme makinesinin (Ring Sistem) prosesi incelenmi ve iplik numaras iin yeterlilik analizi yaplmtr. Cp (2,79) > (1,33) ile prosesin yeterli olduunu gstermekte ve Cpk (2,79) > (1,33) ile de prosesin artname deerlerini karlad grlmektedir. Blm drtte ise 8 girdi ve 1 kt verileri iin yelik fonksiyonlar (Ne 30) 3 snrlar ierisinde 8 adm aral (Kontrol D, A, B ve C) seilmitir. Sistem kural tablosu iin Nelsonun 8 kural temel alnarak hazrlanan prosesin kontrol dnda veya altnda olduunu belirleyen 22 adet kural ilenmi ve bulank kontrol sistemi Mamdani Yntemi ile yorumlanmtr. Durulatrma aamasnda Sentroid Yntemi seilmitir. Blm bete ise hazrlanan sistem ile iplik prosesininde iplik numara kontrol takip edilmi ve bunlarn sonular verilmitir. Bulank Mantk ynteminin statistiksel Proses Kontrol Tablolarnn yorumlanmasnda kullanlabilecei ve plik letmesinin Proses Kontrolne de uygun olduu ortaya konulmutur.

Anahtar Kelimeler: statistiksel proses kontrol, Kontrol tablolar, Bulank mantk, Bulank kontrol tablolar,

ABSTRACT MSc. THESIS CONSTRUE OF STATISTICAL PROCESS CONTROL CHARTS WITH FUZZY LOGC AND APPLICATION IN A YARN MANUFACTORY Utkay DNMEZ UKUROVA UNIVERSITY INSTITUTE OF NATURAL AND APPLIED SCIENCES DEPARTMENT OF TEXTLE MACHINES Supervisor : Asst. Prof. Dr. Emel Ceyhun SABIR Year: 2012, Pages: 204 Jury : Asst. Prof. Dr. Emel Ceyhun SABIR : Assoc Prof. Dr. Pnar DURU BAYKAL : Asst. Prof. Dr. Ramazan OBAN
Statistical process control (SPC) methods, the difference in competition for entrepreneurs wishing to open, more efficient, less time-consuming, less costly, more accurate results approaching, supplemented with fuzzy logic, which is an artificial intelligence techniques. The production process is very complex, and if there is enough information about this opinion to be given in such cases, the people and the value judgment of fuzzy logic. Fuzzy control charts to detect errors from both processed under control, although the system is out of control as well as distinguish between errors indicating that provides smooth operation of the system. In the first part of the study, detailed information about SPC and its techniques are given. Fuzzy logic and its application areas and its historical development are given detailed information. In the second part are given work of literature. In the third section, a yarn spinning machine in the spinning mill, process capability analysis for the number of yarn were examined. The adequacy of the business process Cp(2.79)>(1.33) is sufficient to show the process and Cpk(2.79)>(1.33) with the values of the process specifications are met. In the section fourth, the 8 inputs and 1 output membership functions for the data (30 Ne) 8-by-step within the limits of 3 range ( Out Off, A, B, C) were selected. System on the basis of Nelsons 8 of the rules prepared to table out of control and monitoring of the process that determines under rule 22, and fuzzy control system processed with the method of Mamdani. Method of centroid in defuzzification stage of selecting the conclusions. In the fifth section, the number control system have been followed with thread prosesininde thread and their results. Yarn process in the textile sector on the basis of control charts are and suggested created which have been made available in a modular system, which use with the system established in all sectors. Fuzzy logic can be used in the interpretation of control tables and spinning business process control also brought up as appropriate.

Keywords: Statistical process control, control charts, fuzzy logic, fuzzy control charts

II

TEEKKR

almamn her aamasnda yardmlarn esirgemeyen ve bana statistiksel Proses Kontrol Tablolarnn Bulank Mantk Yntemi le Yorumlanmas Ve Bir plik letmesinde Uygulama konulu yksek lisans tezini veren yapc ve ynlendirici fikirleri ile bana daima yol gsteren, danman hocam Sayn Yrd. Do. Dr. Emel Ceyhun SABIRa sonsuz kranlarm sunarm. MATLAB programn kullanmamz tavsiye eden ve bu konu da yardmn eksik etmeyen Yrd. Do. Dr. Ramazan OBANa ve Ar. Gr. nayet zge AKSUya teekkrlerimi sunarm. alma sresince ihtiyacm olan dokmanlara ulamamda yardmc olan ve fakltenin imknlarn kullanmam salayan tm Tekstil Mhendislii Blmne ok teekkr ederim. Tez sresince iplik iletmelerinde almalarmza msaade eden Marteks plik Fabrikas letme Mdr Sayn Ahmet ACERe ve tm iletme alanlarna teekkr ederim.

III

NDEKLER

SAYFA

Z ................................................................................................................................. I ABSTRACT ................................................................................................................. II TEEKKR ............................................................................................................... III NDEKLER .......................................................................................................... IV ZELGELER DZN ........................................................................................... VIII EKLLER DZN..................................................................................................... X SMGELER VE KISALTMALAR ......................................................................... XIV 1. GR ....................................................................................................................... 1 1.1. statistiksel Proses Kontrol................................................................................. 3 1.1.1. Proses Ak emas ................................................................................. 10 1.1.2. Veri Toplama ve Analizi ......................................................................... 11 1.1.3. statistiksel Proses Kontrolde Kullanlan Teknikler ............................... 13 1.1.3.1. etele Diyagram ....................................................................... 13 1.1.3.2. Histogramlar ................................................................................ 14 1.1.3.3. Pareto Analizi .............................................................................. 15 1.1.3.4. Sebep-Sonu Diyagram ............................................................. 17 1.1.3.5. Dalma (Salma) Diyagram .................................................... 18 1.1.4. Proses Yeterlilik Analizleri ..................................................................... 19 1.1.4.1. Makine Yeterlilik Analizi ........................................................... 19 1.1.4.2. Proses (Sre) Yeterlilik Analizi ................................................ 21 1.1.4.3.Yeterli Olmayan Proseslere Ynelik Mdahaleler ...................... 23 1.2. Kontrol Tablolar .............................................................................................. 23 1.2.1. Kontrol Tablolarnn Yaps .................................................................... 25 1.2.2. llebilen Karakteristikler in Kontrol Tablolar................................ 29 1.2.2.1. X-R Proses Kontrol izelgeleri .................................................. 29 1.2.2.2. Xort-R Proses Kontrol izelgeleri .............................................. 31 1.2.2.3.X-S Proses Kontrol izelgeleri .................................................... 34 1.2.3. Niteliksel Karakteristikler in Kontrol Tablolar ................................... 35 1.2.3.1. p izelgesi ................................................................................... 35

IV

1.2.3.2. np izelgesi ................................................................................. 36 1.2.3.3. c izelgesi ................................................................................... 37 1.2.3.4. u izelgesi ................................................................................... 39 1.2.4. Kontrol Tablolarnn Yorumlanmas ....................................................... 40 1.2.4.1.Kontrol Altnda Bulunan Prosesler .............................................. 41 1.2.4.2.Kontrol D Prosesler .................................................................. 42 1.3.Bulank Mantk ................................................................................................. 46 1.3.1. Bulank Mantn Tarihsel Geliimi........................................................ 47 1.3.2. Bulank Mantk Kavram......................................................................... 49 1.3.3. Bulank Mantk Ynteminin Avantaj Ve Dezavantajlar ........................ 53 1.3.3.1. Avantajlar ................................................................................... 53 1.3.3.2. Dezavantajlar ............................................................................. 54 1.3.4. Bulank Kmeler ..................................................................................... 55 1.3.5. yelik Fonksiyonlar ............................................................................... 56 1.3.6. Szel (Dilsel) Deikenler ...................................................................... 64 1.3.7. Bulank Kontrol (Denetim) .................................................................... 66 1.3.7.1.Bulanklatrma ............................................................................ 68 1.3.7.2.Bilgi Taban .................................................................................. 69 1.3.7.3.Kural Taban................................................................................. 69 1.3.7.4.Karar Verme Birimi ..................................................................... 70 1.3.7.5.Durulatrma ................................................................................. 73 1.3.8. Bulank Mantn Uygulama Alanlar ..................................................... 77 2.NCEK ALIMALAR....................................................................................... 81 2.1. statistiksel Proses Kontrol le lgili Yaplan almalar ................................. 81 2.2. Bulank Mantk ve Uygulamalar le lgili Yaplan almalar ....................... 83 2.3. Bulank Proses Kontrol Tablolar Uygulamalar le lgili Yaplan almalar ........................................................................................................ 99 3.MATERYAL VE METOD ................................................................................... 105 3.1. Materyal ......................................................................................................... 105 3.2. Metod ............................................................................................................ 105 3.2.1. Proses Yeterlilik Analizi ....................................................................... 105

3.2.2. Bulank Kontrol Tablolar ..................................................................... 106 3.2.3. MATLAB Bulank Mantk Ara Kutusu ........................................... 108 3.2.4. Bulank Kontrol Tablolar Ve MATLAB Program .......................... 109 3.2.4.1. Bulank karm sistemi............................................................. 111 3.2.4.2. Kural Taban.............................................................................. 112 3.2.4.3. yelik Fonksiyonlar................................................................. 112 4.BULGULAR VE TARTIMA ............................................................................. 113 4.1. Proses Yeterlilik Analizi ................................................................................ 113 4.2. Bulank karm Sistemi ................................................................................ 116 4.2.1.yelik Fonksiyonlar.............................................................................. 118 4.2.2.Bulank Kural Taban ............................................................................. 122 4.2.3.Kural Tabanna lenmi Kurallarn Uygulanmas ................................ 124 4.2.4.Bulank Mantk Ara Kutusu Ara Yz................................................. 134 5. SONULAR VE NERLER ............................................................................. 137 KAYNAKLAR ........................................................................................................ 139 ZGEM ............................................................................................................. 149 EKLER ..................................................................................................................... 204

VI

VII

ZELGELER DZN

SAYFA

izelge 1.1. izelge 1.2. izelge 1.3. izelge 1.4. izelge 1.5. izelge 1.6. izelge 1.7.

Histograma ilikin veriler .................................................................... 14 Pareto analizi iin kullanlan veri tablosu ............................................ 16 Cp ve Cpk indislerinin karar noktalar ................................................. 22 n deerine gre katsay deerleri ......................................................... 30 n deerine gre katsay deerleri ......................................................... 32 A3, B4 ve B3 sabit deer deiim tablosu ........................................... 35 Tefeleme ilemi srasnda zg tansiyonun modellenmesi iin girdi bilgileri ........................................................................................ 63

izelge 1.8. izelge 1.9. izelge 2.1. izelge 2.2. izelge 3.1.

Bulank mantn uygulama alanlar .................................................... 78 Bulank mantk denetiminin endstriyel uygulamalarna rnekler ...... 79 Dzenleme ncelii karar tablosu ........................................................ 95 yelik fonksiyonlar ve dereceleri ....................................................... 100 Geleneksel Shewhart kontrol tablolar ve bulank kontrol tablolarnn karlatrlmas ................................................................. 108

izelge 4.1. izelge 4.2. izelge 4.3. izelge 4.4. izelge 4.5.

Numara lm rneklemleri (Marteks) ............................................. 113 yelik fonksiyonlar adm hesaplamalar ............................................ 120 kt yelik fonksiyonunda kullanlan ksaltmalar ve anlamlar ......... 121 Programa girilen 22 verinin sonularnn verildii tablo rnei .......... 131 Veriler ierisinde kontrol d bir veri yakalanrsa sistemin verdii sonu tablosu............................................................................ 132

VIII

IX

EKLLER DZN

SAYFA

ekil 1.1. Prosesin temel unsurlar .............................................................................4 ekil 1.2. Proses girdileri ve ktlar .........................................................................4 ekil 1.3. Proses kontrol emas .................................................................................8 ekil 1.4. statistiksel proses kontrol aralarnn genel grnm...........................10 ekil 1.5. Standart sre ak emas........................................................................10 ekil 1.6. Proses analiz ak diyagram ................................................................... 11 ekil 1.7. Verilere ait histogram .............................................................................. 14 ekil 1.8. Verilere ait Pareto diyagram ...................................................................16 ekil 1.9. Hatalarn azaltlmas durumu iin sebepsonu diyagram .....................18 ekil 1.10. Dalma diyagram ...................................................................................19 ekil 1.11. Kontrol emalarn kullanarak prosesin iyiletirilmesi ............................25 ekil 1.12. Kontrol tablolarnn genel yaps ..............................................................26 ekil 1.13. Kontrol tablolarnn seimi .....................................................................28 ekil 1.14. Kontrol diyagramlarnn yorumlanmas(a-b-c-d-e-f-g)............................40 ekil 1.15. Kontrol grafiinin blgelerinin belirlenmesi .......................................... 42 ekil 1.16. Test 1-4n tablo zerinde grnts .....................................................44 ekil 1.17. Test 5-8in tablo zerinde grnts ...................................................... 45 ekil 1.18. Klasik mantk .......................................................................................... 52 ekil 1.19. Bulank mantk ........................................................................................53 ekil 1.20. yelik fonksiyonunun yaps ...................................................................57 ekil 1.21. Girdi (X1) deerinin yelik fonksiyonunda ald dereceleri ..................57 ekil 1.22. gen yelik fonksiyonu ........................................................................59 ekil 1.23. Yamuk yelik fonksiyonu .......................................................................60 ekil 1.24. Guassian yelik fonksiyonu ....................................................................60 ekil 1.25. an ekilli yelik fonksiyonu ..................................................................61 ekil 1.26. Sigmodial yelik fonksiyonu ...................................................................61 ekil 1.27. S yelik fonksiyonu .................................................................................62 ekil 1.28. 1 yelik fonksiyonu ..............................................................................62 ekil 1.29. 2 yelik fonksiyonu .............................................................................63

ekil 1.30. ereve ykseklii yelik fonksiyon grafii ...........................................64 ekil 1.31. Atk skl yelik fonksiyon grafii ........................................................64 ekil 1.32. Atk skl yelik fonksiyon grafii ........................................................64 ekil 1.33. Hz deerlerine ait dilsel deikenlerin bulank kmedeki gsterimi .....65 ekil 1.34. Bulank Kontrol Sistemi...........................................................................68 ekil 1.35. Mamdani modeli ......................................................................................71 ekil 1.36. Takagi-Sugeno modeli .............................................................................72 ekil 1.37. En byk yelik derecesi durulatrma ....................................................74 ekil 1.38. Sentroid yntemi ile durulatrma ............................................................74 ekil 1.39. Arlkl ortalama yntemi durulatrmas ...............................................75 ekil 1.40. Ortalamalarn en byk yelik durulatrlmas .......................................75 ekil 1.41. Toplamlarn merkezi durulatrmas ........................................................76 ekil 1.42. En byk alan merkezi ile durulatrma...................................................77 ekil 1.43. lk ve son en byk yelik dereceleri ile durulatrma ............................77 ekil 2.1. Elyaf olgunluu iin kural taban .............................................................92 ekil 2.2. Drum ve Loop iplik besleme sistemi iin k fonksiyon deerleri ........96 ekil 2.3. Kuma mukavemeti deiimi iin oluturulan bulank mantk yntemi.....................................................................................................98 ekil 3.1. Tasarlanan bulank sistemin alma prensibi ........................................110 ekil 3.2. MATLAB programnda hazrlanan bulank denetleyici .....................111 ekil 4.1. lmleri yaplan rneklemlerin Xort-R Diyagramlar .........................115 ekil 4.2. letmenin Proses Yeterlilik Analizi ......................................................116 ekil 4.3. 8 girdi ve 1 kt yelik parametrelerinden oluan Mamdani modeli ....117 ekil 4.4. Sistemde kullanlan blgeler (snrlar) ..................................................118 ekil 4.5. yelik fonksiyonu admlar ve snr deerleri .......................................119 ekil 4.6. Girdi 1. noktann yelik fonksiyonu ve snrlar ....................................119 ekil 4.7. kt yelik fonksiyonu ..........................................................................121 ekil 4.8. Bulank mantk kural taban ve MATLAB da hazrlan ...................123 ekil 4.9. MATLAB programnn bulank mantk kural grntleyicisi ............124 ekil 4.10. Birinci verinin A blgesinde olmas ......................................................126 ekil 4.11. kinci veya nc verinin A blgesinde olmas ...................................126

XI

ekil 4.12. Mamdani (Max-min) yntemine belirlenip hesaplanacak (a) ve (b) genleri .................................................................................................126 ekil 4.13. Sentroid ynteminin uygulanmas..........................................................127 ekil 4.14. Drdnc kuraln uygulannn gsterimi.............................................128 ekil 4.15. Drdnc kural rneine Sentroid ynteminin uygulanmas ................128 ekil 4.16. Drdnc kural ile ikinci kuraln ayn 8li grup ierisindeki veride bulunmas durumu..................................................................................129 ekil 4.17. Drdnc (***) ve ikinci (**) kurala sentroid ynteminin uygulanmas ...........................................................................................130 ekil 4.18. MATLAB ilem zetlerini gsterir arayz .......................................133 ekil 4.19. MATLAB da kural ara yznn gsterimi ........................................135

XII

XIII

SMGELER VE KISALTMALAR PK KL veya KS (UCL) AKL veya AKS (LCL) Cm Cmk Cp Cpk Pp s n R X Xort u c p D a min max : statistiksel Proses Kontrol : st kontrol limiti/Snr (Upper Control Limit) : Alt kontrol limiti/Snr (Lower Cotrol Limit) : Makine yetenei : Makine yeterlilii katsays : Proses yetenei : Proses yeterlilii katsays : Proses performans : Araba as : Tekerlek as : Standart sapma : Standart sapma : Toplam Yn Mevcudu : Yaylma Alan : rnek deeri : rnek deerlerin ortalamas : Bir Birime Den Ortalama Kusur Says : rnekteki Toplam Kusur Says : Ana Ktlenin Toplam Kusur Says : Deiim Genilii Katsays : yelik adm dereceleri : yelik derecesi : yelik gen eidi : Kk eittir : Byk eittir : Toplam : Minimum : Maksimum

XIV

Z* FIS M (CL) Ts Tnat 3M++ SAA SAY SAD D SOD SOY SOA SO SOO SAO SA NB NO NK S PK PO PB NB NOB NOK POK POB PB V

: Durulatrma ilemi sonucu : Bulank karm sistemleri : Merkez izgisi (Central line) : Tolerans aral : Doal tolerans (Natural Tolerance) : Makine, malzeme, metot, insan ve evre : Sa aa : Sa yukar : Sa dikey : Dikey : Sol dikey : Sol yukar : Sol aa : Sol : Sol orta : Sa orta : Sa : Negatif byk : Negatif orta : Negatif kk : Sfr : Pozitif kk : Pozitif orta : Pozitif byk : Negatif ok Byk : Negatif Orta Byk : Negatif Orta Kk : Pozitif Orta Kk : Pozitif Orta Byk : Pozitif ok Byk : Volt

XV

1. GR

Utkay DNMEZ

1. GR Youn rekabetin yaand gnmzde, lkemizde en ok tartlan kavramlarn banda kalite ve kalite gelitirme sreci gelmektedir. 1980li yllardan itibaren kapal ekonomik sistemden kp uluslar aras piyasada rekabet etmeye balayan irketlerin temel hedefi, kaliteli mamul veya hizmeti, dk maliyet ile mterinin istedii anda retip piyasada varln srdrebilmektir. Gemite kalite kontrol denince akla sadece lme ve muayene ilemleri gelirken, gnmzde, bu uygulamalar yerini her trl problemin zm iin kullanlabilen, retim prosesinde meydana gelen istatistiksel proses kontrol tekniklerine brakmtr. Kontrol grafikleri statistiksel Proses Kontrolnde (PK) en yaygn kullanlan aralardandr. PK rnde meydana gelen deiimin, srete oluan ve kaliteyi etkileyen belirlenebilir nedenlerden hangilerinden kaynaklandn ortaya koyar. statistiksel kalite kontrol almalarnda, retimde kullanlan girdilerden balayarak retim sreci boyunca devam eden ve ktlarda kendini gsteren fakllklar ve belirsizlikler ile karlalan zorluklarn giderilmesinde iletmeler pek ok yntemi kullanmaya balamlardr. Bu yntemlerden en nemlilerinden birisi de bulank mantktr. Gnmzde birok bilim dal gelien teknolojiyi kullanmak istemektedirler. Bu sebeple istatistiin bilgisayar ortamnda uygulamaya balanmasyla beraber istatistiksel analizlerin tm sreleri, daha hzl ve kolay bir biimde, daha ok insann kullanmna sunulmutur. Artk istatistik, karmak formllerin ve uzun zaman alan uygulamalarn bir bileimi olmaktan karak, birok bilim dal iin vazgeilmez bir ara haline gelmitir. Bilgisayarlar, insan beyni gibi akl yrtemezler. Bilgisayarlar da sfr (0) ve bir (1) dizilerine indirgenmi kesin gerekler ve doru ya da yanl olan nermeler kullanlr. nsan beyni ise, serin hava, yksek hz gibi belirsizlik ya da deer yarglarn ieren bulank anlatm ve iddialarn stesinden gelebilecek biimde akl yrtebilir. Ayrca insan, bilgisayarlardan farkl olarak, hemen her eyin ksmen doru olduu bir dnyada akl yrtmek iin saduyusunu kullanabilmektedir. Bulank mantk, belirsiz bir

1. GR

Utkay DNMEZ

dnyann gri, saduyulu resimlerini retmeleri iin bilgisayarlara yardmc olan bir makine zeks biimidir. almann amalarndan biri, sektrde var olan kaliteli rn, ucuza ve ksa srede retmede yeni yntemlerin baarsn gstermektir. PK yntemlerinin iletmelere olan kazanc bilinmektedir. Bulank Mantk da kullanm kolayl ve faydalar ile birlikte bilim dnyasnda yerini oktan almtr. Bu dorultuda yaplan aratrmalar neticesinde, deikenliin yapsn belirlemeye ynelik bulank mantk almalarna, literatrde pek rastlanmamaktadr. Bu tr bir alma yaknsama muhakemesinden ok, deer atayarak snflandrma zellii gstermektedir. statistiksel proses kontrolde bulank mantk yaklamlarnn kullanm gncel almalar arasnda yer aldndan deikenliin yapsnn belirlenmesinde kullanmnn gsterilmesi nemlidir. alma, bulank mantk yaklamlar ile gelitirilen bir modelin seilen bir kalite parametresinin kontroln incelemektedir. almann birinci blmnde konuya giri yaplm, PKnn tanm ve nemi verilerek ksaca tantlm ve bulank mantktan sz edilmi, bulank kme ve bulank karm sistemi kavramlar hakknda bilgi verilmitir. nc blm de materyal bal altnda, seilen iplik kalite parametresiyle ilgili ve iplik iletmesi hakknda ksaca bilgi verilmi ve proses yeterlilik analizi yaplmtr. Metot bal altnda ise sreteki deikenliin bulank mantk yaklam ile belirlenebilirlii zerine olup, srete meydana gelebilecek zel durumlarn tespiti amacyla yaplan almalar kapsamaktadr. lgili blmde, bulank mantk yaklamyla oluturulan model ile sistemin kontrol altnda altrlmas ve karlalabilecek sorunlar tespit etmek amalanmtr. Son blmde, almadan karlabilir sonulara ve ilgili konuda alacak aratrmaclar iin nerilere yer verilmitir.

1. GR

Utkay DNMEZ

1.1.

statistiksel Proses Kontrol

Ekonomideki globalleme ve pazar eilimleri, iletmeleri gittike artan rekabetle kar karya brakmtr. Gnmzde rekabet, sadece ulusal bazda deil uluslar aras seviyelerde de olmaktadr. Bu sebeple reticiler, rettikleri mallar satabilmek iin dk maliyetli ve kaliteli retime ynelmek zorundadrlar. letmeler bu hzl gelimeleri takip ederek, gelimelere uyum salayabilmeli ve uygun stratejiler gelitirmelidir. Ayn zamanda teknolojik deiikleri takip ederek, kaliteyi srekli gelitirmek zorundadr. Gemite kalite problemlerinin zmne geliigzel metotlarla ulalmak istenirken, bugn bu uygulama yerini, retim prosesinde alan herkesin katksn salayan sistemli faaliyetlere brakmtr. statistii sanayinin hizmetine sunan kalite nderleri iki arkada ve meslekta olan Dr. Shewhart ve Dr. Deming'tir. 1946'da ASQC (Amerikan Kalite Kontrol Grubu)'nun kurulmasyla, statistiksel Kalite Kontroln yaylmas iin elverili bir ortam salanm oldu. Ancak yanm ve yklm bir dnyaya, yaptklar her mal rahata satabilen Amerikallar, statistiksel Kalite Kontrol'e ilgi gstermediler. Bu sebeple 1947 ylnda Deming ve dier kalite nderleri Japonya'ya gittiler ve byk bir ilgi ile karlandlar (Umur, 2000). Bugn birok irket, personeline temel PK tekniklerinin eitimini vermektedir. irketler bilinen PK tekniklerinden en ok kontrol diyagramlarnn eitimini vermektedirler (Al-Turki ve Andijani, 1997). statistiksel proses kontrol almalar, kalite problemlerinin kayna olarak operatrden daha ok proses (sre) zerinde odaklanr. zellikle, kalite sorunlarnn temelini oluturmayan, kt operatr gibi, faktrlerle de ilgilenmesine ramen, retim metotlar, hammadde, alma ortam ve malzemedeki kusurlarn ve sorunlarn belirlenmesi ve zmlenmesini aratrr (Erdoan, 2006). statistiksel proses kontrol uygulamalarnda proses srekli gzlemlenerek problemler tespit edilir, problemin sebepleri belirlenir, zm gelitirilir, gelitirilen

1. GR

Utkay DNMEZ

zm uygulanr ve proses tekrar izlenir. Bu dng sonsuz olup bu sayede prosesin srekli iyiletirilmesi salanr (Elevli ve Behdiolu, 2006).

ekil 1.1. Prosesin temel unsurlar (Bek, 2008) statistiksel proses kontrol terimi karmak teknikleri emsiyesi altna alan bir yapdadr. Oakland 1986 da yaymlad kitabnn bir blmn sadece Shewhart ve Cusum kontrol tablolarn incelemeye ayrm, dier blmlerde ise statistiksel proses kontrolnn kullanm alanlarnn ok daha geni olduunu ifade etmitir (Wood, 1994).

Malzemeler Metotlar/Prosedrler (Talimatlar) Bilgi (Spesifikasyonlar) alanlar (Yetenek, deneyim, bilge) evre Kaytlar Tehizat ekil 1.2. Proses girdileri ve ktlar Proses rnler

Hizmetler Bilgi

Yazmalar/ Dokmantasyon

1. GR

Utkay DNMEZ

Proses kontrol yaplrken ortalamadan sapmalarn dalm ve derecesi gz nne alnmaktadr. Bu deikenliin dalm ise tesadf olan ve olmayan gibi iki farkl grupta incelenebilir. Tesadf deikenlik, retim faktrlerinin yapsnda var olan deikenlerde 3 standart sapma aralndaki deimeyi, retim prosesinin yapsal tolerans olarak tanmlanmaktadr. Tesadf olmayan deikenlikler, ynetimi dzeltici kararlar almaya zorlamaktadr. Daha sonra bu kararlara gre yardmc teknikler uygulanmaktadr (Buluklu, 2006). Yeni rnlerin oluturulmas veya var olann gelitirilmesi tpk onlarn retim proseslerinin gelitirilmesi veya dizayn edilmesi gibi kritik eylemlerin yer ald birok endstriyel organizasyonlar vardr. Tipik deneysel dizayn uygulama alanlar, rn ve retim karakterizasyonlar varyasyonu drme almalar, kontrol ve istikrar prosese optimizasyonu ve rn/proses yeniliki almalar gibi (Montgomery, 1999). Bilgi teknolojisinin gelimesi, ksa zamanda byk boyutlarda ve dk maliyet aralnda ok fazla miktarda verinin toplanmasna olanak salamtr. Hesaplamalardaki karmaalk online bilgisayar sistemleriyle olduka azaltlmtr. Kalite ynetimi iin yeni bir odaklanma olan otomatik proses sonucu, sistemi srekli grntleyebilme imkan olmutur (Jarett ve Pan, 2009). Gnmzde birok bilim dal iin kullanma hazr bilgisayar paket programlar retilmektedir. Bu kapsam dhilinde istatistik bilim dal iin hazrlanm paket programlar da mevcuttur. statistiin bilgisayar ortamnda uygulamaya balanmasyla beraber istatistiksel analizlerin tm sreleri, daha hzl ve kolay bir biimde daha ok insann kullanmna sunulmutur. Artk istatistik, karmak formllerin ve uzun zaman alan uygulamalarn bir bileimi olmaktan karak, birok bilim dal iin vazgeilmez bir ara haline gelmitir (Akn ve ztrk, 2005). statistiksel proses kontrol ve mhendislik proses kontroln her ikisi de proses eitliliinin azaltlmasnda kullanlr. Bu yntemlerin fark ise tekniklerin yaklamlardr. Mhendislik proses kontrol ve PK mhendisleri retim prosesindeki eitlilii azaltmak iin ve kalite karakteristiklerimdeki hedefi yakalamada eitli stratejilerde birlemilerdir. Kalite mhendisleri PK tekniklerini, prosesin altnda

1. GR

Utkay DNMEZ

yatan sorunlar belirlemek iin kullanrken, kontrol mhendisleri ise mhendislik proses kontrol tekniklerini prosesi dzeltmek iin kullanrlar (Shao, 1998). Prosesteki eitlilii ve yorumlamalardaki karmakl ortadan kaldrmak ve baarl gzlemler sonucunda bamsz istatistiki veriler elde etmek statistiksel proses kontroln geleneksel uygulama alandr (Montgomery, Keats, Runger, ve Messina, 1994). statistiksel proses kontroln amalarn ve yntemden elde edilecek faydalardan bazlar aadaki gibi sralamak mmkndr (Ttmez ve Bayat, 1999);

rn kalitesinin gelitirilmesi Kalite maliyetlerinin drlmesi Hatal rn miktarnn azaltlmas Muayene ve test masraflarnn azaltlmas rn miktarnn ve gvenilirliinin artmas Kapasitenin artmas Birim maliyetlerin azalmas Gereki standart ve spesifikasyonlarn belirlenmesi Daha az makine arzas Bakm onarm ve yeni ekipman alm ilemlerinin daha akc hale gelmesi retimlerdeki durularda azalma

statistiksel proses kontrol, retim proseslerin acil durumlarnda olduka yaygn kullanm alanna ulamtr. statistiksel proses kontrol ve temelleri zerine kitaplar ve Ford motor gibi organizasyonlarn dzenledii kullanm kitapklar gibi birok kitap baslmtr (Wood, 1994). lm sisteminin yeterlilii ispatlandktan sonra srecin istenen deerlerde alma konusunda yetenekli olup olmad incelenmekte, yetenekli olmas durumunda veri seti ve srecin durumuna gre uygun olan kontrol kartlarnn izilmesi ve yorumlanmas ile PK uygulamas tamamlanmaktadr (Durman ve Pakdil, 2005).

1. GR

Utkay DNMEZ

Btn proseslerde eitlilik vardr. 10 kez isminizi yazp imzaladnzda hepsi birbirine benzer ama 2 tanesi bile birbirinin ayn deildir. eitlilik n grlebilir ama limitler dhilinde tahmin edilemez. Bunlar zel nedenler ve genel nedenler olmak zere eitlilie neden olurlar. statistiksel proses kontrol fark edilebilir nedenlerin sebeplerini inceler, bunlarn eitlilii arttran dsal arzalar olduu tahmin edilir. Birok PK teknii, istenilen deerlerin etrafndaki dalgalanmalar, bamsz gzlemler ve istatistik terimler ile prosesteki olumsuzluklar tahmin eder (Montgomery, Keats, Runger, ve Messina, 1994). ktnn kalitesinde saysz kk nedenler, doal durumundan kaynaklanan deiiklie yol aabilmektedir. Kk nedenlerden kaynaklanan ans nedenli deiikler normal kabul edilmektedir. Buna karn, atanabilir nedenler bulunduunda proses kontrol ddr sonucuna ulalabilmektedir. Bu durumda, prosesin tekrar kabul edilebilir kalite seviyesine ulamas iin dzeltici tedbirler alnmaldr (Ayta, 2006). eitliliin fazlal kalitesizlii getirir ancak PKda iinde bulunduu istatistik teknikler ve tecrbeler kalite kontrol ve onun gelimesinde nemli bir rol oynar. Kalitenin gelimesi, istatistik eitim verilmi personelin uygulam olduu projelerdeki PK teknikleri ve zel uygulamalar ile salanr (Montgomery, 2005). nemli olan kusurlu rnler retildikten sonra bunlarn ayklanmas deil, rnlerin hatal olmasna neden olan faktrlerin tespitidir. Yaplmas gereken prosesin tm ayrntlaryla her aamada kontrol ile olabilecek sapmalar ve sorunlar annda mdahalelerle en aza indirerek prosesi srekli gelitirmeye almaktr. Bu sre ekil 1.3de gsterilmitir.

1. GR

Utkay DNMEZ

Srece etki etme

Sre hakknda bilgi edinme

kt hakknda bilgi edinme

SRE GRD nsan Tezgah Malzeme IKTI

Metot

evre

Sre Deiiklii

ekil 1.3. Proses kontrol emas (Aksu, 2002)

Bir proses istatistiksel olarak kontrol altnda iken, sadece doal eitlilik veya ans sebepleri gibi bilinen sebepler vardr. nemli evresel faktrler, yanl kalibrasyon, hammadde eitlilii veya insan hatas gibi prosesteki deiiklik bazen fark edilebilir. Fark edilebilir hatalar, prosesi tahmin edilemez yaparlar ve kontrol durumunun kaybolmasna sebep olurlar. statistiksel proses kontroln ana amac fark edilebilir hatalar tespit etmek ve bunlar dzeltebilmektir (Spanos ve Gua, 1992). Proses kontrol sistemi, ilerin en iyi ekilde yrdnn sanld veya ifade edildii zamanlarda bile, prosesle ilgili pek ok anlaml bilgiyi derlemeyi, lmeyi, deerlendirmeyi, gereken durum ve zamanlarda bu bilgilerden yararlanmay salar. Ancak yeterli gayret, iine bal ve iyi eitilmi personel aracl ile uygulanan PK teknikleri beklenen kalite geliimini ve verimlilik artn salayabilecektir (Aksu, 2002). statistiksel proses kontrol daha iyi kavrayabilmek iin baz tanmlarn gzden geirilmesi gerekli olabilir; statistik: Bir btnn tamamn kontrol etmek yerine btnden rnekler alarak sonulara gre btn hakknda tahminde bulunmak iin kullanlan aralar ifade eder (Durman ve Pakdil, 2005). Proses: Bir rn veya hizmetin nceden belirlenen nitelikte elde edilmesi iin kullanlan tezgh, takm, metot, malzeme, evre ve insan gc faktrlerinin bir bileimidir (Durman ve Pakdil, 2005).

1. GR

Utkay DNMEZ

Kontrol: Bir eyin bizim istediimiz ekilde yani, hkimiyetimiz altnda gitmesini salamaktr (Umur, 2000). Kalite Kontrol: Bir kalite karakteristiini lp, standartlar ile karlatrp arasndaki fark ortaya karan ilemdir. Bir rn veya hizmetin kalitesinin istenen spesifikasyonlar karlayabilmesini temin iin operasyonel teknik ve faaliyetlerin kullanlmasdr. Deikenlik: Doada veya bir retim srecinde iki nesnenin hi bir zaman mkemmel olarak birbirinin ayns olmadn ifade eder. Spesifikasyon: Bir iin nasl yaplacan belirten ayrntl bir talimat veya belirli zellikleri yanlgya meydan vermeyecek aklkta ve ltlerde tanmlayan bilgilerdir. Bir prosesi kontrol etmek iin birok yol bulunmaktadr. Bunlar; deney yolu, sezgiyle hareket etme yolu ve prosesi iyiymi gibi kabul etme yoludur. Deney yolu ok zaman almaktadr. Sezgiyle hareket etme yolu ise olduka risklidir. Kontroln amac; meydana gelen dzeltilebilir hatalar belirleyip dzeltmek ve doal limitler ierisinde proses eitliliini salamaktr (Buluklu, 2006). statistiksel proses kontrolde saylar ve bilgi, kararlar ve faaliyetler iin temel olutururlar. statistiksel proses kontrolde kullanlan metotlar, verilerin toplanmas, sunulmas ve analizi iin yardmc olur (ner, 2002):

Proses ak diyagram (Ne yaplmaktadr?) Kontrol izgileri / etele diyagramlar (Ne sklk da yaplmaktadr?) Histogramlar (Saylarn dalm nasldr?) Grafikler (Saylar kullanarak ekil oluturabilir miyiz?) Pareto analizi (Byk problemler hangileridir?) Sebep sonu diyagram (Problemlere ne sebep olmaktadr?) Sanm diyagram (Faktrler arasnda ne ekilde balant mevcuttur?) Kontrol diyagramlar (Hangi deiimler ve nasl kontrol edilecektir?)

1. GR

Utkay DNMEZ

ekil 1.4. statistiksel proses kontrol aralarnn genel grnm 1.1.1. Proses Ak Diyagram Sre ak emas, belli bir sreteki admlar grafik sembollerle gstermektedir. Sre ak emalaryla, byk bir srete eitli basamaklar tanmlanmakta ve yaplan iin herkes tarafndan anlalmas salanmaktadr. Bu tr emalar incelenerek, sorunun potansiyel kayna olan evrimler aa kartlabilmektedir. Sre ak emas oluturmakla, belli bir srete atlmas gereken admlara daha yakndan bakma olanana kavuulmaktadr. Ayn zamanda ak emalar, srece kimin nasl katlacan belirlemede nemli katk ekil 1.5 de sre ak emalarnda kullanlan semboller

salamaktadr.

grlmektedir (Ayta, 2006).

Balama ve Biti

Faaliyetler

Karar

Ak Yn

Bekleme

Depolama

ekil 1.5. Standart sre ak emas

Verimlilik ve kaliteyi gelitirmek iin PKda uygulanmas nemli olan Proses analiz ak diyagram ise ekil 1.6da gsterilmitir (Aksu, 2002).

10

1. GR

Utkay DNMEZ

Problemin tanm Problemin belirlenmesi: Proses istatistiksel kotrol altnda m? Problemin sralanmas Nedenlerin belirlenmesi En iyi zmn seilmesi Evet Standart sapma ve proses yeteneinin hesaplanmas

Uygulamaya geilmesi

Uygulamann deerlendirilmesi ve takip edilmesi zlm problemlerin muhafaza edilmesi Yeni veri toplanmas

Prosesin srekli gelitirilmeye devam edilmesi

ekil 1.6. Proses analiz ak diyagram (Aksu, 2002)

1.1.2. Veri Toplama ve Analizi

Kalite sistemlerinde veri toplanmal ve analiz edilmelidir. Kalite problemleri ile ilgili olarak istatistik teknikleri kullanmadan nce verilerin doru olarak toplanmas gerekir (Bulut, 2007). Mevcut bir problemde veya deiiklikte en nemli husus, konu hakknda bilgi (veri)'lerin doru kaynaklardan toplanmasdr. Bu bilgiler belirli bir sabitle kyaslanabilecek ekilde deiken ya da bir zellii tespit etmek iin sabit saysal deerlerde olabilir (Aksu, 2002).

11

1. GR

Utkay DNMEZ

Veri eitleri 2ye ayrlr (Bulut, 2007): Nicel veriler: Saylabilir, llebilir zellikteki verilerdir; boy uzunluu, arlk v.b. Nitel veriler: Nitelik belirten verilerdir; cinsiyet, tabiyet v.b.

lerek: Uzunluk, Scaklk, arlk, younluk Sayarak: retilen pantolon adedi, bozuk olarak reddedilen parti adedi Okuyarak: Skor, notlar, raporlar vb. veri toplanr.

Veriler otomatik bir sistemle ya da elle toplanr. Verilerin elle toplanmas baz ynlerden avantajldr (Aksu, 2002).

1. Elle veri toplama; ii yapan prosese yaknlatrr, konuyu daha iyi anlamasn ve hissetmesini salar. 2. Olaylar ve zaman ilerledike veriyi toplayan kii prosesi izlerken sebepsonu ilikilerini grmeye, baz keifler yapmaya balayacaktr. Esas ama da bunu baarmaktr. 3. Yaklam dinamik bir hale getirir. Kimi verilerin gereksizlii ortaya kacak ve veriler toplanmayacak, kimi zamanda yeni faktrler aratrlarak, konu ile ilgili veriler toplanacaktr. Bylece optimum bir veri toplama dzenei ksa srede kurulabilir. 4. "Srekli Gelime"ye ynelik veri toplama aratrma niteliklidir ve geicidir, istenilen gelime salannca, veri toplamann konusu deimelidir.

Elle veri toplamann avantajlarnn yan sra otomatik veri toplama sistemlerinin kullanmnn daha avantajl olduu ve/veya zorunlu olduu durumlar da sz konusudur (ner, 2002).

Deiimin ok hzl olduu durumlarda ok sayda verinin ayn anda toplanmas gerektiinde Salk veya emniyet nedeni ile elle veri toplamann riskli olmas halinde

12

1. GR

Utkay DNMEZ

Veri toplamann matematiksel analizinin de yaplmas gerektiinde

1.1.3. statistiksel Proses Kontrolde Kullanlan Teknikler statistiksel proses kontrol adapte edilmi bir prosedr, normal eitlilikleri, zel veya fark edilebilir nedenlere bal normal d eitlikten ayrlr. Bu genellikle proses ortalamas iin kontrol tablosu ile yaplr. Bu tablolar girdilerin ve gzlemlenen rneklemin karlatrlmas ile yorumlama yapar. En yaygn PK teknikleri histogramlar, kontrol tablolar, pareto analizi ve emalardr. Histogramlar belli zaman aralnda veri dalmn ubuk grafiklerle gsterilmesidir. Kontrol tablolar proses kararlln tespit eder. Pareto analizi, proses eitliliinin rakamsal ilikisini gsterir (OSullivan, 1995). 1.1.3.1. etele Diyagram Kontrol eteleri, kalite kontrolde verilerin kayd ve dzenlenmesi iin kullanlr. etele diyagram, belirli bir zaman aralnda meydana gelen hatalarn ortaya kma nedenlerini ve kaynaklarn bulmak amacyla sorunlar etele ile gstererek sklk derecelerinin saptanmas iin kullanlan bir aratr (Kaya ve Aa, 2004, Ayta, 2006, Akn ve ztrk, 2005). Kusurlu rn veya kusur yeri ve nedeninin kayd ile kusurlu rn saysnn bilinmesiyle beraber, kusura yol aan sebeplerin tespiti mmkndr. Diyagram oluturulurken izlenmesi gereken yol yle zetlenebilir. nce parti bykl ve sonra da numune alma planlarndan faydalanlarak rnek bykl belirlenir. Daha sonra hata tipleri alt alta yazlr ve hangi hata tipine rastlanrsa karsna bir iaret konulur. Kontrol edilecek para says bitince her hata tipi iin konulan iaretler toplanr. Red edilen kusurlu para says bilgi formuna yazlr. Bylece karlalan hata trlerinin dalm ve dzeltmenin nereden balamas konusunda fikir yrtlebilir (Umur, 2000).

13

1. GR

Utkay DNMEZ

1.1.3.2. Histogramlar etele diyagram ile snflandrlan verilerin histogram ad verilen bir grafikle ifade edilebilir. Histogram zerinde gerektiinde alt ve st spesifikasyon limitlerinin belirlenmesi yolu ile kabul edilen ve red edilen retim miktarlar kolaylkla grlebilecei gibi, verilerin normal dalp dalmad da izlenir. Ayrca iki farkl retimin veya firmann karlatrlmasnda da kullanlan etkin bir yntemdir (Umur, 2000, Zeyveli ve Selalmaz, 2008, Bek, 2008, Akn ve ztrk, 2005). izelge 1.1de histogram izimi iin kullanlacak veriler, ekil 1.7de ise bu verilerle oluturulan histogram grlmektedir (Ayta, 2006). izelge 1.1. Histograma likin Veriler
Gruplar 5.00 7.75 7.75 10.50 10.50 13.25 13.25 16.00 Frekans 6 20 11 3 etele Diyagram IIIIII IIIIIIIIIIIIIIIIIIII IIIIIIIIIII III

ekil 1.7. Verilere ait histogram Histogram bize kapsaml bir deerlendirmeyi ilk bakta verebilir. Bu bakmdan, histogramlar analizlerde ve deerlendirmelere ok kymetli, vazgeilmez grsel aralardr. Kalite gelitirme almasnda da en ok kullanlan teknik arasnda histogramlar gelir (Aksu, 2002).

14

1. GR

Utkay DNMEZ

1.1.3.3. Pareto Analizi V. Pareto, 1897de gelir dalmnn eit olmadn gsteren bir forml gelitirerek, gelirin ok byk bir diliminin, kk bir aznlk tarafndan sahiplenildiine dikkat ekmitir. Maliyetin %80inin elemanlarn sadece

%20sinden kaynakland veya servetin yaklak %80ninin nfusun %20sinin elinde olduu gibi durumlar rnek gstermi ve bu oran 20/80 olarak aklamtr. Juran, bu kurala Pareto Prensibi adn vermitir. Bu prensibe gre,

uygunsuzluklarn ok byk blm belli birka sebebe dayanmakta ve bu sebeplerin tespiti, sorunlarn giderilmesinde kilit rol oynamaktadr. ok sayda paradan oluan karmak mamullerde tolerans limitlerini drmek iin, Pareto grafiinin izimi bu konuda uygulanabilecek basit fakat etkili bir analizdir. Pareto analizi, maliyet ve hatalar tespit etmek iin kullanlabilen bir yntemdir. Bu analizden faydalanlarak hangi paralarn maliyet bakmndan nemli olduu tespit edilmekte ve kontrol almalar, daha ok bu paralar zerinde yaplmaktadr (zcan, 2001). statistiksel proses kontrol, rneklemlerin dizayn ve tasarmn ieren aktivitelerin anlamlar, byk snrlar ile etrafn evirmilerdir. Pareto analizi ise deneysel tasar ve ok eitlilik analizidir (Harris ve Ross, 1991). izelge 1.2deki veriler kullanlarak hazrlanan ekil 1.8daki pareto grafiinde sol taraftaki en uzun stun nemi asndan birinci sorun olarak dnlr. (Yani en fazla hata saysna neden olan veya maliyeti en ok arttran) ve aratrmac grup tarafndan ilk olarak ele alnr. Pareto Diyagram, ekip yelerinin tipik olarak karlat birka nemli sorunu dier birok sorundan ayrabilmelerini salayan karar analizi ileminin bir parasdr. Teorik olarak Pareto Diyagramnda kullanlacak en az stun says iki, en fazla stun says snrszdr (Aksu, 2002).

15

1. GR

Utkay DNMEZ

izelge 1.2. Pareto analizi veri tablosu

Gruplar 7.75 10.50 10.50 13.25 5.00 7.75 13.25 16.00 Toplam Frekans 20 11 6 3 40 Yzdesi % 50 27,5 15 7,5 %100 Kmlatif % 50 77,5 92,5 100 -

ekil 1.8. Verilere ait Pareto diyagram Ishikawaya gre; Pareto analizi en ok hatay veya hatalar kolayca tespit etmenin yannda, bir iyiletirme programnn vermekte olduu sonularn izlenmesinde de kullanlr. Pareto analizi, fabrikada meydana gelen durularn sebeplerini aratrmada, stok kontrolnde, enerji tasarrufunda, gvenlik, verimlilik, pazarlama, satn alma, datm, sat analizi, atk azaltma, mamul eidi, malzeme tedariki ve baary izlemek gibi ok eitli alanlarda kullanlarak ok faydal sonular vermektedir (zcan, 2001).

16

1. GR

Utkay DNMEZ

1.1.3.4. Sebep-Sonu Diyagram

lk defa 1953 ylnda K. Ishikawa tarafndan kullanlan bu yntem, daha sonra Japonyada byk ilgi grm ve Japon Endstri Standartlar (JIS) Kalite Kontrol terminolojisine dhil edilmitir. Orada geen tanmyla Sebep-Sonu Diyagram, kalite karakteristikleriyle etmenler arasndaki ilikiyi gsteren diyagramdr. Balk kl diyagram olarak da bilinen bu diyagram, omurgasn ilgili kalite karakteristiinin (sonu) oluturduu, sebeplerin ise nemine gre (ana sebep/tali sebep) klklar tekil ettii bir gsterim yntemidir (Ayta, 2006). Sebep-sonu arasndaki ilikinin kurulmasnda deikenler arasndaki bantnn doru biimde ortaya konabilmesi ok nemlidir. Zira bir prosesi kontrol ederken hangi parametreyle ne ekilde oynamanz gerektii bilmek zorundasnzdr. Aksi takdirde durumu daha da ktletirip iin iinden klmaz hale getirmek kanlmaz olur (Akn ve ztrk, 2005). Diyagram, hangi sebeplerin hangi sonucu meydana getirdiini aklamada etkili bir aratr. Uygulamada beyin frtnas yaplarak, zmlenmek istenen sorun ortaya konmutur. Burada sorun, retim hatalarnn % 1in altna indirilememesidir. Sorununun ana nedenleri Balk Kl eklinde ortaya konmutur (Bircan ve Gedik, 2003). Sebep-sonu diyagram, bir kalite karakteristii ve faktrleri arasndaki ilikiyi gsteren bir diyagram olarak tanmlanabilir. Beyin frtnasnda, makine, aragere, malzeme, personel, metot ve evre, ana sorunlar olarak seilmi ve alanlarn fikirleri erevesinde ana sorunlarn kapsam iindekiler belirlenmitir (Zeyveli ve Selalmaz, 2008). Bir konfeksiyon iletmesi iin sebep-sonu diyagram ekil 1.9de verilmitir.

17

1. GR

Utkay DNMEZ

Personel
Yeri Kapanma Korkusu Vasfsz Dikkatsizlik Yorgun Fazla alyor

Makine
Bakm Yeni Para Temini Yenisi Alnamyor

Motive Eksiklii

Kuma Kalitesi

plik Kalitesi

Kesim Bilgisayarl Kesim Yok

Proses Hatalarn %1 in Altna ndirilmesi

izim Dikkatsizlik

Alm Baka Birimin Yapmas

Malzeme

Metot

ekil 1.9. Hatalarn azaltlmas durumu iin sebepsonu diyagram (Bircan ve Gedik, 2003). 1.1.3.5. Dalm (Salm) Diyagram

Dalm Diyagramlar birbiri ile ilikili, iki ayr veri analizini aralardr. statistiksel olarak tam bir sonu elde edilmese dahi dalma diyagramlar deikenler arasndaki nemli ilikileri gsterir (Bek, 2008). Dalm diyagram ile belirli bir srete birbirleriyle ilikili olarak dnlen iki veri, bir diyagram zerinde incelenmektedir. Diyagramn yatay ekseninde, genellikle neden olarak

deerlendirilecek deiken yer alrken; dikey ekseninde bundan etkilendii dnlen deiken yer almaktadr. Bu diyagrama verileri yerletirirken dikkat edilecek en nemli husus, verilerin alnd iki deiken arasnda anlaml bir ilikinin olmasdr. Aksi halde, yanl sonulara meydan verilmektedir (Ayta, 2006). Dalm diyagramna bir rnek ekil 1.10da grlmektedir. Bu grafiin yorumlanmas x artarken y de artar ve aralarnda pozitif bir iliki vardr.

18

1. GR

Utkay DNMEZ

Y .. . .. . . . X ekil 1.10. Dalma diyagram 1.1.4. Proses Yeterlilik Analizleri

retim faaliyetlerinde, kalite zelliklerindeki deikenliin azaltlmasnn yan sra hedeflerin de srekli olarak karlanmas istenir. Bunun iin, retim prosesi ierisinde rn gerekliliklerinin veya spesifikasyonlarnn salanma derecesi srekli olarak incelenmelidir. Bu inceleme proses yeterlilik analizi ile yaplabilmektedir (Elevli ve Behdiolu, 2006). Makine yeterlilik ve proses yeterlilik analizi olmak zere iki trl analiz yaplmaktadr. Proses/makine yeteneklerinin belirlenmesi, proses veya makineden kan rn zerinden bir l ktsna ait veri grubu zerinden yaplr. Makine yetenei Cm ile proses yetenei ise Cp ile gsterilir. Yetenek (Cm veya Cp), iki parametrenin, istenen ile yaplabilenin orandr. stenen; spesifikasyon aral (tolerans aral; Ts) mterinin/tasarm departmannn belirledii geerlilik araldr. Yaplabilen ise; doal tolerans (Natural Tolerance, Tnat), llerin gsterdii aralktr. Pratikte 6 (standart sapma) olarak hesaplanr. Doal tolerans makine, malzeme, metot, insan ve evre faktrleriyle belirlenir (3M++) (Umur, 2000).

1.1.4.1. Makine Yeterlilik Analizi

Makine yeterlilik analizi, ksa bir sre iinde, ayn proses artlarnda kullanlan makinelerin kabiliyeti ve varsa deiimleri ortaya karmak amacyla

kullanlmaktadr. Makine yeterlilii, retilen rnden srekli olarak az sayda

19

1. GR

Utkay DNMEZ

numune alnp, llerek ve temel istatistik uygulanarak incelenebilir. Makine yeterlilii hesaplanrken u sra izlenir (Bulut, 2007);

Kesintisiz bir ortamda, ayn kii tarafndan, ayn metot, cihaz ve artlarda en az 50 numune alnr. lm cihaznn toleransnn 1/10 hassasiyetinde olmasna dikkat edilir. lm sonular forma kaydedilir. Dalm eer normal deilse zel nedenler belirlenerek ortadan kaldrlr ve ilem tekrarlanr. Standart sapma () hesaplanr. Yeterlilik indisleri hesaplanr. Yeterlilik indeksleri hedeflenen veya mteri tarafndan istenen deerlerden byk olmaldr.

Cm ve Cmk makine yeterlilik katsaysn hesaplayarak dalmn konumu hakknda bilgi salar. Makine yeterlilik indislerinden kk olan deerlendirilir. Makinenin yeterli olmas iin indis minimum 1 olmaldr. Ancak birok dokmanda prosesin zaman iindeki muhtemel sapmalar da dikkate alnarak bu oran 1,33 verilmektedir.

KL: st kontrol limiti AKL: Alt kontrol limiti n : Standart sapma : rnek says

Xort = (X1+X2++Xn) / n

(1.1)

[ (X -X
i

2 ort)

] / (n-1)

(1.2)

Cm = (KL AKL) / 6

(1.3)

20

1. GR

Utkay DNMEZ

Cmk = min (KL-Xort) /3 ; (Xort AKL) /3

(1.4)

1.1.4.2. Proses (Sre) Yeterlilik Analizi

Bir prosesin retim yeteneini tanma yollarndan birisi de proses yeterlilik analizidir. Proses yetenei, bir prosesin salayabildii en az kalite deiikliidir. Proses yeterlilii, prosesin deikenliinin, rnn toleransna ne oranda uyduunun lsdr veya bir baka tanmlama ile proses performansnn tolerans limitleri ile balantsn irdeleyen bir karlatrmadr ve yetenek indeksleri ile aklanr (Umur, 2000). Proses yeterlilik analizinin amac; proses ortalamas ve standart sapmasn, spesifikasyonlar ile ilikilendirerek prosesin tketici isteklerine uygun rn oluturma yeteneini deerlendirmektir. letmelerin ulamak istedii ama; proses ortalamasnn hedef deer zerinde ve yaylmn spesifikasyonlar ierisinde, mmkn olan en kk deerde olumasdr. letmelerin ulamak istedii ama; proses ortalamasnn hedef deer zerinde ve yaylmn spesifikasyonlar ierisinde, mmkn olan en kk deerde olumasdr. Proses yeterlilik analizinde proses yeterlilik indeksleri, histogram, normal olaslk iaretlemesi ve kontrol grafii yaklamlar kullanlabilmektedir (Zeyveli ve Selalmaz, 2008). Sre yeterlilii, istatistiksel bir lt olup mteri beklentilerine (artname limitleri spesifikasyonlar) gre bir srecin ne kadar deikenlik gsterdiini zetler. Bu aamada dikkate alnan parametreler Cp ve Cpk indisleridir (Durman ve Pakdil, 2005). Cp indeksi prosesin yeteneini analiz eder. Bu genellikle prosesin standart sapmasn tahmin eder ve tahmini proses yeteneini (Cp) belirler. Standard kontrol izgileri doal tolerans (6) limitleri deeridir (Kane, 1986). Cp ve Cpk proses yeterlilik katsaysn hesaplayarak dalmn konumu hakknda bilgi salar. Prosesin yeterli olmas iin Cp ve Cpk 1,33 olmaldr. Otomotiv reten firmalarn istedii deer genellikle Cp ve Cpk 1,67 dir. Pp, Cp ve Cpk deerleri hedeflenen veya mteri istek deerinden byk bir deer almaldr (Bulut, 2007).

21

1. GR

Utkay DNMEZ

Pp KL AKL

: Proses performans

Cp, Cpk : Proses yeterlilik indeksleri : st kontrol limiti : Alt kontrol limiti : Standart sapma (1.5)

Cp = Pp = [(KL AKL) / 6]

Cpk = min (KL-Xort) /3 ; (Xort AKL) /3

(1.6)

izelge 1.3. Cp ve Cpk ndislerinin Karar Noktalar (Durman ve Pakdil, 2005). Cp>1,33 1<Cp<1,33 Cp<1 Cpk>1,33 1<Cpk<1,33 Cpk<1 Proses yeterlilii yeterli Proses marjinal olarak yeterli, daha yakndan izlenmeli Proses yeterlilii yetersiz (Proses deikenliinin azalmas gerekli) Proses artname limitlerini karlyor Proses marjinal olarak artname limitlerini karlyor. Proses ortalamas hedeften uzaklatka prosesin hata yzdesi artabilir Proses artname limitlerini karlamyor. Proses ortalamas hedef deerden uzakta

Bu tabloda Cp ve Cpk deerlerinin hangi aralklarda ne ifade ettikleri grlmektedir. Buna gre, Cp deerinin 1,33ten byk olmas llen proses yeterliliinin yeterli olduu, yani proseste byk bir deikenliin olmad anlamna gelmektedir.11,33 arasnda olmas prosesin yeterli kabul edilebilecei fakat daha iyi olmas iin gerekli iyiletirme faaliyetlerine balanmas gerektiini gsterir. 1den dk olmas ise prosesin yetersiz olduunu, yeterli olmas iin acilen proses deikenliklerini azaltmak gerektiini ifade eder (Bulut, 2007).

22

1. GR

Utkay DNMEZ

1.1.4.3. Yeterli Olmayan Proseslere Ynelik Mdahaleler

Bir prosesin kontrol altnda olup da spesifikasyon limitlerini karlama yeterlilii olmadnda dnlmesi gereken bir ka alternatif vardr. Bunlardan bazlar yle sralanabilir (Umur, 2000).

Prosesin bakm yaplr. (rnein, yeni yataklar, miller, talimatlarn gzden geirilmesi, eitim) Proses deitirilir. (rnein, metodu, hz, beslemesi deitirilir.) Daha iyi bir proses seilir. (rnek; tornalama yerine dvme, matkap yerine raybalama gibi) Spesifikasyon limitleri gzden geirilir, (Gereksiz sklkta ise geniletilir.) Yeni ekipman alnr. Proses yeterliliini gelitirmek iin problem zme teknikleri kullanlr. rn %100 muayene edilir ve ayklanr. Bu son are olmaldr, nk hem etkin deildir hem de maliyetli bir uygulamadr.

1.2.

Kontrol Tablolar retimden belirli ve eit zaman aralklarnda alnan rneklerden elde edilen

lm deerlerinin zaman ierisindeki deiimlerinin gsterildii grafiklere kontrol tablolar denir. Kontrol grafikleri belirlenebilir nedenlerden kaynaklanan

deimelerin tespit edilmesini salayarak, dzenlenmesine imkn tanyan etkili bir PK aracdr (Zeyveli ve Ersin, 2008). Kontrol tablolar, kontrol grafii, kontrol emalar, kontrol izelgeleri olarak da bilinmektedir. Temel istatistiksel tekniklerin en nemlisi ve en ok kullanlan kontrol tablolardr. Bir prosesin ne zaman ayarlamaya ihtiya duyduunu ne zaman kendi haline braklacan belirtmek ve proses kararlln deerlendirmek iin kullanlmaktadr. Ayn zamanda prosesin iyiletiini de dorulamaktadr. Kontrol tablolar arzu edilen niteliklerde rn veya hizmet retebilmek iin istatistiksel

23

1. GR

Utkay DNMEZ

olarak prosesin kontrol ve analiz edilmesinde kullanlmaktadr. Bu konuda ilk uygulama Dr.W.A.Shewhart tarafndan balatlmtr (Akn ve ztrk, 2005). Birok kontrol tablosu, varyasyonun tespiti iin kullanlan kontrol tablolar genellikle bamsz ve benze olarak dalan proses rneklemleri iin ayarlanabilen ve deerlendirilen (bir tek unsur/faktr) tekil kalite karakteristiklerinin durumlarn tespit etmede standart olarak kullanlmaktadr (Chang ve Zhang, 2007). Bir kontrol tablosunun en nemli grevi, proses kontrol dna kt zaman belirlemektir. Kontrol tablolar, proseslerin doal eitliliinin bilinen nedenleri ve zel sebeplerini birbirinden ayrmay amalar ve bunu da prosesin kendisinden alnan lmlere dayanan kontrol limitlerini kullanarak baarr (Does ve Trip, 1997). Proses kontrol grafikleri sayesinde proses performans, mteri beklentileri ve istekleri karlama yetenekleri kontrol edilerek, gerekirse proses gelitirilerek iyiletirilir (Bircan ve Gedik, 2003, Woodall, Spitzner, Montgomery, Gupta, 2004). Shewhart X ve R diyagramlar kolaylklar ve etkinlikleri ile kalite varyasyonlarnn srekli takibi iin halen en ok tercih edilen diyagramlardr. Bu diyagramlarndaki kullanlmasndaki ana ama dzensiz dalgalanmalar gsteren kalite varyasyonunun ana sebeplerini tanmlamaktr (Bhattac ve Samanta, 2002). Kontrol emalarnn gc, retim prosesi iindeki normal olmayan durumlar tanmlama ve proses kaymalarn ortaya karma yetenei altnda yatmaktadr. Bylelikle mmkn tehisler yaplmakta, ou retim problemleri dzeltilmekte, genellikle kayplar azaltlmakta ve rn kalitesinde ilerlemeler kaydedilmektedir. Kontrol emalarn kullanarak prosesin iyiletirilmesi ekil 1.11de grlmektedir (Ayta, 2006).

24

1. GR

Utkay DNMEZ

Girdi

Proses lm Sistemi

kt

Dorulama ve Devam Etme Dzeltici Tedbir Uygulama

Atanabilir Bir Neden Aratr Problemin Temel Nedenini Aratr

ekil 1.11. Kontrol emalarn kullanarak prosesin iyiletirilmesi (Ayta, 2006).

1.2.1. Kontrol Tablolarnn Yaps

Kalite kontrol emalar, normal dalma gre (x 3) belirlenmektedir. ekil 1.12 daki emann merkez izgisi (M, central line-CL), proses kontrolde olduunda, prosesin ortalamasna karlk gelmektedir. Dikey izgi ise; dikkate alnan deiken iin lm leini (kalite dzeyini) tanmlamaktadr. KL ve AKL olarak etiketlenen iki izgi, prosesin kontrolde veya kontrol d olduuna karar vermede nemli rol oynamaktadr. Bu izgiler, st kontrol limiti, KL (upper control limit, UCL) ve alt kontrol limiti, AKL (lower control limit, LCL) olarak adlandrlmaktadr. KL ve AKL genel olarak, ortalamaya 3 eklenerek bulunmaktadr. Merkezi limit teoremine gre, ilemin dalm normal olmasa bile, yeterince byk rnek hacmi iin x nn rnekleme dalm, normal dalma uygundur. Bylece, normal dalm gsteren bir deikenin deerlerinin %99,7sinin x 3 snrlar iinde olduu gz nne alnarak, tesadf deikenliin de %99,7 olaslkla kontrol limitleri iinde kalaca sylenebilmektedir. Kontrol limitleri dndaki deerler, prosesin kontrol dnda olduunun ve dzeltici tedbirin alnmas gerektiinin gl istatistiksel kantdr (Ayta, 2006).

25

1. GR

Utkay DNMEZ

Kalite Dzeyi

st Kontrol Limiti (KL)

Merkez izgi (M)

Alt Kontrol Limiti (AKL)

rnek Says ekil 1.12. Kontrol tablolarnn genel yaps Prosesin izlenerek eitli nedenlerden kaynaklanan deikenliin azaltlmas amacyla kullanlan kontrol grafiinin seilmesinde; retilen birimlerin

karakteristikleri, kalite karakteristiklerinin dalm, muayene tr, muayene maliyeti, muayene zaman, retim esnasnda rneklemenin yaplabilirlii, retim sistemi, muayene an ve retim parti bykl gibi faktrler gz nne alnr (Anagn, 1997). Sz konusu faktrler dikkate alndnda, ilgilenilen kalite karakteristii temelinde, iletmenin mevcut artlar ve retimine ynelik uygun kontrol grafiinin seilmesi mmkn olabilmektedir. rnein, retilen birimlerin niceliksel

karakteristiklerinin izlendii, muayene maliyetinin yksek olmad, tahribatsiz muayene trnn uyguland, muayene zamannn uzun olmad, srekli retimin yapld dolaysyla retim esnasnda rneklemenin yaplabildii, kalite

karakteristii temelinde alnan rneklerin normal dalm gsterdii bir iletmede rnek byklne bal olarak Xort-R ve Xort-S kontrol grafiklerinden birisinin seilerek kullanlmas uygun olacaktr (Anagn, 1997). statistiksel proses kontrol teknikleri ierisinden kontrol tablolar en nemli ve ok yaygn kullanma sahiptir. Shewhart tarafndan ilk olarak gelitirilen kontrol tablolar endstriyel uygulamalarda standart haline gelmitir. Bu kontrol tablolar gelitirildi ve X, R ve S tablolar olarak eitlendi, yllar gemesine ramen halen ok yaygn olarak kullanlmaktadr (Yeh ve Lin, 2002). Veri toplamada, analizinde

26

1. GR

Utkay DNMEZ

ve yorumlanmasnda kullanlan PK tekniklerinin kullanm, retim ve servis endstrisinde genileyerek yaygnlamaktadr. Hatal olan rneklemler kontrol tablolarnn gelimesini salamtr. eitli sektrlerde uygun olmayan lmler iin n, p, c ve u kontrol tablolar kullanlmaktadr (Nembhard ve Nembhard, 2000). ekil 1.13, Kontrol tablolarnn seimi iin takip edilecek sray gstermektedir. rnein X-R izelgesini kullanabilmek iin verinin llen veya saylan veri olmas rnek miktarnn 10dan kk olmas ve 1den byk olmas halinde kullanlr.

27

1.2.2.
ORANI UYGUNSUZLUKLAR UYGUNSUZ BRMLER VEYA UYGUNSUZLUKLAR UYGUNSUZLUKLAR U ZELGES UYGUNSUZ BRMLER SAYISI ORANI p ZELGES X-s ZELGES UYGUNSUZ BRMLERN

1. GR

VER TPN BELRLE

SAYILAN VER (NTELKSEL VER)

LLEN VEYA SAYILAN VER?

LLEN VER (DEKEN VER)

EVET

c ZELGES
(n= SABT)

ekil 1.13. Kontrol tablolarnn seimi (Vural, 1998).

28
SAYISI np ZELGES

RNEK MKTARI 10DAN BYK M?

HAYIR

EVET

RNEK MKTARI 1 M?

X-R ZELGES

HAYIR

Utkay DNMEZ

X-R ZELGES

1. GR

Utkay DNMEZ

1.2.2. llebilen Karakteristikler in Kontrol Tablolar (izelgeleri)

Bunlar uzunluk, arlk, younluk gibi bir alet veya cihaz yardmyla llebilen ve rakamlarla ifade edilebilen zelliklerdir. Bu zellikler iin kullanlan diyagram tiplerini ana grupta toplayabiliriz (Umur, 2000).

1.2.2.1. X-R Proses Kontrol izelgeleri

X-R izelgeleri tek tek alnan lmlerin olduu proseslerde kullanlr. rnein, gnde 1, vardiyada 1 veya saatte 1 alnan lmlerde bu izelge eidi kullanlr. Ksa sreli retimler, zel proses testleri, tahribatl deneyler kullanm alanlardr. X-R izelgesinin oluturulma admlar u ekildedir; Tekil lm verileri srayla kaydedilir. ( X deerleri ) Kaydedilen verilerin hareketli ortalamalar alnr. Hareketli aralk, her defasnda ilk deerin dlmesinden sonra rnek verileri arasndaki farktr. Genellikle bu ilemlerde n=2 eklinde hareketli ortalama alnr. Bu deer R deeri olarak adlandrlr. Daha sonra yazlan deerlerin X ve R ortalamalar bulunur. Bu da tm X ve R toplamlarnn k=lm saysna blnmesiyle bulunur. Kontrol limitleri hesaplanr. KLx = Xort + E2Rort (1.7)

(E2 deeri hareketli ortalamada alnan n deerine gre belirlenen sabit bir deerdir)

AKLx = Xort - E2MRort

(1.8)

KLR = D4MRort

(1.9)

29

1. GR

Utkay DNMEZ

AKLR = D3MRort (D3 ve D3 katsaylar da yine n=2 ye gre gre belirlenen sabit bir deerdir) izelge 1.4. n deerine gre katsay deerleri n E2 D3 D4 2 2,66 0 3,27 3 1,77 0 2,57 4 1,46 0 2,228 5 1,29 0 2,11

(1.10)

Belirlenen kontrol limitleri izelge zerinde kaln izgiler halinde izilir. llen X ve R deerleri her lmden sonra izelge zerinde izilerek bu noktalar bir izgiyle birletirilir. Kontrol izgilerinin dnda yer alan noktalar belirlenir, sebepleri aratrlr ve uygun iyiletirme yntemleri bulunur (Bulut, 2007).

X-R diyagramlarnda meydana gelebilecek olas gelimeler ve bu gelimelerin olas nedenlerini u ekilde sralayabiliriz (Umur, 2000); Durum 1: Kontrol limitlerinin dna kma. Proses ortalama deerinin deiimi ve /veya prosesin kendisinin deiime uramas. Baz kkl nedenler vardr; bunlarn soruturulmas gerekir. Durum 2: Merkez izginin bir tarafndan birbirini izleyen noktalar dizisi (en az yedi nokta). Bu tr ekillendirme tesadfi deildir. Bunu douran belirli nedenler vardr. Nedenlerin belirtilmesi gerekir; zmler genellikle tekniktir. Durum 3: Limite yakn noktalarn tekrar. Ortalama iin olas nedenler; kontrol eksiklii, malzeme kalitesinde geni sistematik farkllklar, lme alet ve yntemlerinde geni sistematik farkllklar ve iki veya daha fazla prosesin ayn diyagramda kontrol edilmesidir. Dalma aral iin olas nedenler; ok farkl kaliteye sahip malzeme karmlar, ayn diyagram kullanan farkl i grenler ve

30

1. GR

Utkay DNMEZ

farkl koullar altndaki proseslerden elde edilen verilerin ayn diyagramda ilenmesi vb. gibi. Durum 4: Noktalarn belirli bir eilim gstermesi.(azalan oalan devirsel diziler) Ortalama iin olas nedenler; scaklk, nem gibi fiziksel artlardan devirsel deiiklikler; i gren yorgunluu; kullanlan lme aletlerindeki farkllklar; makina veya operatrlerin dzenli rotasyonu veya dier proses/alt proseslerin etkileri vb. gibi. Dalma aral iin olas nedenler; nleyici bakm almalar, i gren yorgunluu veya anm takmlar vb. gibi. Durum 5: Pozitif veya negatif bir trend. Ortalama iin olas nedenler; takmlarda zaman iinde oluan anma, i gren yorgunluu, skarta rn saysnn art veya evresel artlardaki ktleme. Dalma aral iin; operatrlerin becerilerindeki gelime veya ktleme, montaj bandn besleyen retim hatlarnda deiim veya malzeme kalitesindeki dereceli deiim vb. gibi. Durum 6: Proses seviyesinde srama: Ortalama iin olas nedenler; farkl kaynaklardan gelen malzemelerde deiim, yeni makina veya alan, retim metotlarnda veya proseslerde modifikasyon vb. gibi. Dalma aral iin olas nedenler; malzemenin, metotun veya alann deimesi vb. gibi. Durum 7: Merkez izgiye ok yakn ardk noktalar: Ortalama iin olas neden; kontrol limitlerinin yanl hesaplanmas. Dalma aral iin olas neden; ok byk bir yndan rnek alnmas.

1.2.2.2. Xort-R Proses Kontrol izelgeleri

Xort-R Diyagramlar, llebilen bir kalite karakteristiinin varyasyonunda byk kaymalarn olduu durumlar belirlerken, rneklemin 1den byk olduu ve veriler arasnda otokorelasyonun olmad durumlarda kullanlabilen bir diyagram iftidir. Alt grup snr 9dan kk olmaldr, genelde alt grup snr 5 olarak alnr. Daha sonra alnan en az 25 lme gre (alt grup says en az 5) Xort, Rort, UKL ve AKL deerleri hesaplanr (Bulut, 2007).

31

1. GR

Utkay DNMEZ

izelge 1.5. n deerine gre katsay deerleri (Bulut, 2007). n A2 D3 D4 2 1,88 0 3,27 3 1,023 0 2,57 4 0,729 0 2,228 5 0,577 0 2,11

Kontrol izelgesinde prosese ait bilgiler belirtilir (Umur, 2000). Alt grup rnek bykl ve alt gruplar aras zaman aral belirlenir. Genelde alt grup rnek bykl 5 olarak alnr ve tm alt gruplar iin sabit kalmaldr. Balang aamasnda alt gruplar sk aralklarla alnmaldr. leri aamalarda alt gruplar arasnda zaman periyodu bytlebilir. Belirlenen rnek bykl ve frekans dhilinde lmleri yaplarak izelgeye kaydedilir. Alt grup says prosesteki byk deikenlikleri gsterecek ekilde minimum 25 olmaldr. Her bir alt grup iin ortalama (Xort) ve aralk (R) deerlerini hesaplayarak izelgeye kaydedilir. Xort = (X1 + X2 ++ Xn) / n R = Xmax - Xmin (1.11)

(1.12)

Kontrol limitleri hesaplanr

_ _
R

_ _ _

_ _ _

_
(1.13)

X(ort) = (X1 + X2 ++ Xk) / k

_
(1.14)

= (R1 + R2 ++ Rk) / k

KLXort = X(ort) + A2R

(1.15)

32

1. GR

Utkay DNMEZ

_ _
KLRort = D4R

_
(1.16)

AKLXort = X(ort) - A2R

(1.17)

_
AKLRort = D3R (1.18)

Hesaplanan Xort ve Rort deerlerini kesik izgilerle, KL ve AKL kontrol limitlerini de dz kaln izgilerle izelge zerine izilir. Hesaplanan X ve R deerlerini de izelge zerinde noktalayarak yerletirilir ve prosesi takip edebilmek iin noktalar dz izgi ile birletirilir. izelgedeki ilk karar iin kontrol d koullar aratrlr. Kontrol d koullar varsa, zel nedenleri bulunmaya allr. zel nedenler bulunduunda, kontrol d verileri kartarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d koullar yoksa izelgeyi iaretlemeye devam edilir. Kontrol d durumlarda mdahale: Bir kontrol izelgesindeki tm kontrol d koullar, zel nedenleri bulmak ve bunlar ortadan kaldrmak iin baz mdahaleleri gerektirir. Eer bu nedenler bulunur ve ortadan kaldrlrsa kontrol limitleri yeniden hesaplanr. Prosesle ilgili aklamalar izelgenin arka yzne numaralandrlarak kaydedilir. Kontrol limitlerinin gzden geirilmesi: Kontrol limitleri muhtemel deikenlikleri kar ska gzden geirilmelidir. (Her 20-30 alt grupta) Proseste ktleme eilimi olduunda kontrol limitleri geniler, iyileme olduunda ise kontrol limitleri daralr (Umur, 2000).

izelgede ncelikle kontrol d (limitlerin dnda kalan nokta) var olup olmad aratrlr. Eer varsa bunun hangi zel nedenden kaynaklanyor olabilecei aratrlr. Bu zel nedenler bulunur, bu deerler izelgeden kartlr ve ardndan yeniden kontrol limitleri hesaplanr. Daha sonra kontrol altna alnan prosesten alnan

33

1. GR

Utkay DNMEZ

deerler ve limitler sklkla kontrol edilmelidir. Proses ktletiinde limitler geniler, daha sabit hale geldiinde ise daralr (Bulut, 2007).

1.2.2.3. X-S Proses Kontrol izelgeleri

Standart sapmann kullanld kontrol emalarna X ve S kontrol emalar denir. Gereki bir tablo izmesi asndan daha uygun olan S emas hesaplamasnn R emasna gre biraz daha zor olmasndan dolay arkaya itilmitir. Hlbuki son zamanlarda bilgisayar kullanmndaki arta paralel olarak bunun sorun olmaktan km olmas gerekmektedir (Aksu, 2002). X-S kontrol izelgeleri, zellikle ok sayda rnek iin proses deiikliklerini gstermesi asndan tercih edilen kullanlan bir izelgedir. Fakat hesaplanmas daha zor olan ve deikenliklerin bulunmas gereken durumlarda ok tercih edilmez (Umur, 2000). Alt grup standart sapmas; S = [(Xi-Xort)2 / n-1]

(1.19)

Kontrol limitleri _ KLXort = Xort + A3S

(1.20) (1.21) (1.22) (1.23)

_ _ AKLXort = Xort - A3S

KLS AKLS __ = B4S

__ = B3S

A3, B4 ve B3 sabit deerler olup alt grup rnek saysna gre deiirler.

34

1. GR

Utkay DNMEZ

izelge 1.6. A3, B4 ve B3 sabit deer deiim tablosu (Umur, 2000). n A3 B3 B4 2 2,66 0 3,27 3 1,95 0 2,57 4 1,63 0 2,27 5 1,43 0 2,09

1.2.3. Niteliksel Karakteristikler in Kontrol Tablolar (izelgeleri)

Kalite karakteristiklerinin llemedii ama uygun-uygun deil, iyi-kt, geer gemez, kabul-ret gibi nitelikleri deerlendirilerek saylabildii durumlarda kullanlr (Bulut, 2007). rneklemedeki (rn zerindeki) Hatal Birimlerin, ORANI u SAYISI c (n sabit) rneklemedeki Hatalarn, ORANI p SAYISI np (n sabit)

1.2.3.1. p izelgesi

Endstride en ok kullanlan niteliksel kontrol izelgesidir. P izelgesi inceledii grup ierisindeki hata orann len bir izelgedir. rn zerindeki hata ne olursa olsun rn hatal kabul edilir (Bulut, 2007). Uygulamada baz hallerde, mamullerin belli zelliklerinin standartlara uygunluu yerine, bu mamullerin kusurlu olup olmadklarnn aratrlmas durumunda, prosesten alnan rneklerin ortalamalar (x) yerine kusurlu oranlarnn (p) kontrol edilmesi uygundur. Bu ise, p emas ile yaplmaktadr (Bircan ve Gedik, 2003). p grafii oluturma admlar yledir (Umur, 2000);

35

1. GR

Utkay DNMEZ

Kontrol izelgesinde prosese ait bilgiler belirtilir. rnek bykl belirlenir.(En az 50 olmaldr.) rnek bykl (n) ve bulunan hatal rn says (np) kaydedilir. Her bir alt grup iin p hesaplanr. p = np / n Kontrol limitleri hesaplanr. port = np1 + np2 +.+npn (1.24)

n1+n2++nn

(1.25) (1.26) (1.27)

KLp = port + 3 [port(1- port) / nort] AKLp = port - 3 [port(1- port) / nort]

Baz durumlarda alt kontrol limiti eksi kabilir.Bu durumda alt kontrol limiti sfr alnr. Kontrol izelgesinde merkez izgi (p) ve kontrol limitleri (KL, AKL) izilir. Noktalar p izelgesinde iaretlenir ve izgi ile birletirilir. izelgedeki ilk karar iin kontrol d koullar aratrlr. Kontrol d koullar varsa, zel nedenleri bulunmaya allr. zel nedenler bulunduunda, kontrol d veriler kartlarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d verileri kartarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d koullar yoksa izelge iaretlenmeye devam edilir. 1.2.3.2. np izelgesi Baz problemlerde, kusurlu oran yerine kusurlu says ile ilgilenildiinde np emalar kullanlr (Bircan ve Gedik, 2003). Bu izelge sabit saydaki rnek byklnde uygun olmayan (hatal) rnlerin saysn ortaya koyar. rnek saysnn belirli zaman aralnda sabit kald ve uygunsuzluklarn gerek saysnn

36

1. GR

Utkay DNMEZ

kaydedilmesinin daha anlaml olduu durumlarda tercih edilir (Bulut, 2007). Bu izelgeler p izelgelerine benzer, np izelgesi oluturma admlar yledir (Umur, 2000); Kontrol izelgesinde prosese ait bilgiler belirtilir. Sabit rnek bykl belirlenir. rnek bykl ve bulunan hatal rn says kaydedilir. Kontrol limitleri hesaplanr.

nport = (np1 + np2 +.+npk)

/k

(1.28)

KLnp = nport + 3

[nport (1 (nport / n)] [nport (1 (nport / n)]

(1.29)

AKLnp = nport - 3

(1.30)

Kontrol izelgesinde merkez izgi np ve kontrol limitlerini (KL, AKL) izilir. Noktalar np izelgesine iaretlenir ve birletirilir. izelgedeki ilk karar iin kontrol d koullar aratrlr. Kontrol d koullar varsa, zel nedenleri bulunmaya allr. zel nedenler bulunduunda, kontrol d veriler kartlarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d koullar yoksa izelge iaretlenmeye devam edilir, np izelgesi p izelgesine benzer ekilde yorumlanr. Tek fark hatal rn oran yerine hatal rnlerin saysnn dikkate alnmasdr. 1.2.3.3. c izelgesi Kalite denetiminde yaygn bir uygulama, bitmi bir rnn incelenip belli bir tr bozukluu ya da kusuru olanlarn saysnn saptand bir durumdur. Birimler zaman iinde incelenmekte ve birim bana bozukluklar saylrsa bu bilgi, bir kontrol

37

1. GR

Utkay DNMEZ

emasna yerletirilebilmektedir. Bu ema, c kontrol emas olarak adlandrlmaktadr (Ayta, 2006). c izelgesi alman rnek byklndeki uygunsuzluklarn saysn (rnler zerindeki hata says) kontrol etmek iin kullanlan bir izelgedir. rnek bykl sabit alnr, c izelgesi oluturma admlar yle sralanabilir (Umur, 2000): Kontrol izelgesinde prosese ait bilgiler belirtilir. Sabit rnek bykl belirlenir. rnek bykl ve her bir alt gruptaki uygunsuzluklar tespit edilip kaydedilir. Kontrol limitleri hesaplanr.

cort

= (c1 + c2 ++ ck ) / k

(1.31)

KLc = cort + 3( cort)

(1.32)

AKLc = cort - 3( cort)

(1.33)

Kontrol izelgesinde merkez izgi c ve kontrol limitlerini (AKL, KL) izilir. Noktalar c izelgesinde iaretlenir ve birletirilir. izelgedeki ilk karar iin kontrol d koullar aratrlr. Kontrol d koullar varsa, zel nedenleri bulunmaya allr. zel nedenler bulunduunda, kontrol d veriler kartlarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d verileri kartarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d koullar yoksa izelge iaretlenmeye devam edilir.

38

1. GR

Utkay DNMEZ

1.2.3.4. u izelgesi Baz hallerde retilen birimlerin kusurlu olup olmadklar yerine, bir tek birimde tespit edilen kusur saysyla ilgilenilmektedir. te bir birimde tespit edilen kusur saylar esas alnarak izilen kontrol emasna, u kontrol emas denmektedir (Ayta, 2006). u izelgesi oluturma admlar (Umur, 2000); Kontrol izelgesinde prosese ait bilgileri belirtilir. rnek bykl belirlenir. Her bir alt gruptaki uygunsuzluklar tespit edilip kaydedilir.

u=c/ n Kontrol limitleri hesaplanr. Birim bana uygunsuzluk ortalamas; uort = (c1+c2++ck ) / (n1+n2++n3)

(1.34)

(1.35)

KLu = uort + 3

(uort / nort) (uort / nort)

(1.36)

AKLu = uort - 3

(1.37)

Kontrol izelgesinde merkez izgi (u) ve kontrol limitlerini (KL, AKL) izilir. Noktalar u izelgesinde iaretlenir ve birletirilir. izelgedeki ilk karar iin kontrol d koullar aratrlr. Kontrol d koullar varsa, zel nedenleri bulunmaya allr. zel nedenler bulunduunda, kontrol d veriler kartlarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d verileri kartarak merkez izgi ve kontrol limitleri yeniden hesaplanr. Eer proseste kontrol d koullar yoksa izelge iaretlenmeye devam edilir.

39

1. GR

Utkay DNMEZ

1.2.4. Kontrol Tablolarnn Yorumlanmas

Prosesin ilgili karakteristiine ilikin toplanan rnek verileri kontrol grafikleri zerine iaretlenerek operatr tarafndan prosesin ne durumda olduu gzlenir. aretli bir noktann kontrol snrlar dnda olmas prosesin kontrol dnda olduuna kanttr. Daha nce de bahsedilmi olan ans etkileri nedeniyle bir noktann kontrol snrlar dna dmesi olduka kk bir olaslktr. Bununla birlikte, iaretli btn noktalarn kontrol snrlar ierisinde yer almas da prosesin kontrol altnda olduunu kantlamak iin yeterli deildir. Prosesin kontrol altnda olduunun sylenebilmesi iin, iaretlenen noktalarn kontrol snrlar iinde ve belli bir dzen gstermeksizin rasgele dalm olmalar gerekmektedir (imen, 2008). Proses kontrolde ska karlalan kontrol diyagramlarnn yorumlanmasna rnekler (Bek, 2008):

ekil 1.14. Kontrol diyagramlarnn yorumlanmas (Bek, 2008).

40

1. GR

Utkay DNMEZ

ekil 14-ada lm deerleri orta izgi etrafnda ve uyar snrlar iinde homojen bir dalm gstermektedir. Uyar snrlar ok ender almaktadr. Proses normal bir ekilde ilemektedir. ekil 14-bde uyar snrlar birok kez almtr. Sistematik bir hata gstergesidir, nedeni ortadan kaldrlmaldr. ekil 14-cde belli bir trend sz konusudur. rnein 7 lm deeri ard arda artmakta veya azalmaktadr. Tolerans snrnn byk olma olasl sz konusudur. Fazla kullanm veya yorulma belirtisidir. ekil 14-dde genelde kararl ancak ani deiim gsteren lm deeri ieren bir proses baka bir belirti olmadan ok zor analiz edilebilir. nk tekrarlanmamaktadr. ekil 14-ede rneklerden alnan lm deerlerinin ok az salm, proses ok fazla hassas sonular retmektedir. Bu sonular maliyetler asndan uygun olmayabilir. ekil 14-fde kararszlk lm deerlerinin belirgin bir varyasyon gstermesidir. Nedeni yanl ayarl bir lm cihaz olabilir. ekil 14-gde ise lm deerlerinde ani deiimler olmasdr, nedeni malzeme deiiklii, yanl ayar, yanl lm olabilir.

1.2.4.1. Kontrol Altnda Bulunan Prosesler Kontrol altnda bulunan proseslerin kontrol grafiklerindeki deerleri, doal kalp denilen belirli bir dalm gsterirler. Rasgele olma zellii tayan bu kalbn daha iyi anlalabilmesi iin st kontrol (KL) ve alt kontrol (AKL) limitleri arasndaki alan, merkez izgisinin stnde ve altnda A, B, C olarak simgelenen er blgeye (toplam alt) ayrlr. (ekil 1.15) Kontrol limitleri merkez izgisinden 3 standart sapma ( 3) ilkesine gre yerletirilmitir. C blgeleri merkez izgisinin her iki tarafnda 1 er standart sapma (1) arasnda bulunur. B blgeleri merkez izgisinin her iki tarafnda 1 ile 2 standart sapma snr ( 2) arasnda bulunur. A blgesi merkez izgisinin her iki tarafnda 2 ile 3 standart sapma snr ( 3) arasnda bulunur. Bu artlara gre kontrol altnda bulunan proseslerin doal kalbn zellikleri u ekilde gsterilir (zdamar, 2006):

41

1. GR

Utkay DNMEZ

Deerlerin yaklak %34 C blgesinde (toplam %68) Deerlerin yaklak %13,5 i B blgesinde (toplam %27) Deerlerin yaklak %2,5 i A blgesindedir (toplam %5)

ekil 1.15. Kontrol grafiinin blgelerinin belirlenmesi Kontrol limitlerinin tayininde 3 standart sapma (3 ) ilkesi kullanldnda rasgele deerlerin (noktalarn) % 0.27 i (yaklak binde 3) limit dnda bulunur. Buna bal olarak iki eit hata yaplabilir. statistikte I. Tip hata denilen hatalardan birincisinde, bu deerler rasgele olmasna karn, sistematik deerlermi gibi ele alnabilir. II. Tip hatada ise, sistematik deerlere, rasgele deerler olarak baklabilir. Bu hatalarn ana kayna yukarda akland zere kontrol limitlerinin 3 ilkesine gre tayin edildii iindir (zdamar, 2006).

1.2.4.2. Kontrol D Prosesler

Kontrol d prosesler, yalnzca bir veya birka deerin kontrol dnda bulunmas durumunda deil, deerlerin rasgele niteliini tayan doal kalp eklinde yerlememesi durumunda da olabilir. Tm noktalar kontrol limitleri iinde olmasna karn noktalarn yerlemesi rasgele nitelikte olmayabilir. Bazen sral dizimlimler olabilir. Bu tip durumlarda bu noktalar hata nitelii tamaktadr ve bir nedeni vardr.

42

1. GR

Utkay DNMEZ

Bu rasgele olmayan tm yerleimler kontrol grafiklerinden karlmal, merkez ve kontrol limitleri, kalan deerlere dayanarak hesaplanmaldr (zdamar, 2006). Kontrol d durumlar hakknda literatrde farkl kaynaklarda benzer kurallar vardr. Bunlardan en ok kabul greni; 2 rnekle balayan, 14 noktann inili kl seyri ve 6 noktann eim oluturduu Nelsonun 8 kuraldr (Smith, 1993). Western Electric kontrol tablolarnda sra d durumlarn tespitine ynelik birka kural sistemi nermitir. zellikle, memnun olunmayan sonularn olutuu kontrol d proseslerin takibinde kullanlmas iin nermitir (Glbay, 2006):

Tek bir noktann limitler dnda (3) da olduu durumlar Ardk 3 noktadan 2sinin A (2) veya tesinde olduu durumlar Ardk 5 noktadan 4nn B () veya tesinde olduu durumlar Ardk 8 noktann C veya tesinde olduu durumlar.

Grant and Leavenworth, kontrol tablolarnda ardk sra gelen herhangi data iin baz kurallar tavsiye etmitir (Glbay, 2006): Ardk 7 noktann merkez izgisinin (CL) altnda veya stnde olduu durumlar Ardk 11 noktann en az 10 noktasnn merkez izgisinin (CL) altnda veya stnde olduu durumlar Ardk 14 noktann en az 12 noktasnn merkez izgisinin (CL) altnda veya stnde olduu durumlar Ardk 17 noktann en az 14 noktasnn merkez izgisinin (CL) altnda veya stnde olduu durumlar Nelsonun 8 kural Supplementary Run testi olarak da bilinir. Nelson testi X kontrol tablolar iin kontrol d durumlarn tartld bir standart olarak geni kullanm alan bulmutur. Nelson testinin 8 kural aadaki gibidir (Wang ve Rownlands, 2000, Griffiths, Bunder, Gulati ve Onzawa, 2010):

43

1. GR

Utkay DNMEZ

Test-1. Noktalardan birinin 3 nn dnda olmas Test-2. Ardk 9 noktann merkez izgisinin(CL) bir tarafnda olmas Test-3. Ardk 6 noktann bir eim (trend) oluturmas Test-4. Ardk 14 noktann inili kl hareket etmesi Test-5. Ardk 3 noktadan 2sinin A veya tesinde yer almas Test-6. Ardk 5 noktadan 4nn merkez izginin ayn tarafnda B veya tesinde yer almas Test-7. Ardk 15 noktann C blgesinde yer almas Test-8. Ardk 8 noktann (C blgesinde yer almamas) B ve veya tesinde yer almas ekil 1.16 ve ekil 1.17de Nelsonun kurallarnn grntlendii zel durumlar grlebilir.

ekil 1.16.Test 1-4n tablo zerinde grnts (Rodrigez ve Prablu, 1997).

44

1. GR

Utkay DNMEZ

ekil 1.17.Test 5-8in tablo zerinde grnts (Rodrigez ve Prablu, 1997). Nelson testi geni bir alanda kabul grm, ve SAS, Minitab ve statistika gibi istatistiksel paketlerde kullanlarak hizmete sunulmutur (Griffiths, Bunder, Gulati ve Onzawa, 2010). Western Electric, 1956 ylnda baz kurallar tanmlamtr. Nelson ise 1984 ylnda bu kurallar dnyaya tavsiye etmitir (Does, Trip ve Schipper, 1997).

45

1. GR

Utkay DNMEZ

1.3.

Bulank Mantk Bilim, felsefe ve kltrel etkinliin birok alannda 19. yzyl, keiflerle,

yeniliklerle dolu bir sreci gsterir. Bu sreci henz bitmemitir ve halen devam etmektedir. Bilim adamlar, mucizev keif ve icatlarla bilimi zenginletirmekte, gelecein seyrini tespit ve tayin etmek iin almaktadrlar. Biliim ve bilgisayar teknolojilerinin gelimesi ve bilgi ann ekillenmesi ile bilimlerin eitli alanlarda gerekleen farkl bulu ve ileri srlen yaklamlarn etkisi ile yapay zek kavram ekillenmeye balamtr. nsanolunun evrensel lekteki ilgi ve eriim alan arttka yeni yntem ve yaklam tarzlar ortaya konmutur (Baykal ve Beyan, 2004). 20. yzyln son eyreinde zihin felsefesi, speklasyondan arnmak iin kendine bilimden dayanaklar bulmaya balad. nsann en nemli nitelii olan dnme yetenei ve bu yetenein bir sonucu olan i grme becerisi, sibernetik makineler tarafndan taklit edilmeye baland. Zeknn davran olarak makinelerde kullanlmas, dnmenin hesaplama olarak mantk ebekeli elektronik cihazlarda uygulanmas, insan zeks hakknda daha ayrntl almalar atelemi, eldeki bilgilerin geometrik artsn salamtr. Lotfy A. Zadeh, felsefenin baz problemlerini ele alm, makineler dnebilir mi(?) sorusuna ve dolaysyla yapay zek sorunlarna tatminkr cevaplar vermitir. Aristotelesten beri sregelen ve halen sembolik mantk seklinde varln srdren mantk ve dilbilimsel sorunlara yeni zmler getirmitir. ki deerli manta, teknoloji reten ve teknoloji ile desteklenen kuvvetli bir alternatif sunmutur (Ikl, 2008). Mhendislikte ve dier bilim dallarnda olaylar ve sistemler, kesin matematiksel modeller kullanlarak tanmlanmaktadr. Oluturulan bu modellerin kullanlmas ile olayn veya sistemin gelecekte alaca durum veya gsterecei davran biimi tahmin edilmeye allmaktadr. Hlbuki gnlk yaantda karlalan problemlerin byk bir ounluu ya eitli nedenlerden dolay tam olarak modellenememekte ya da kesin bir durumu ifade edememektedir. Bu tip problemlerin incelenmesinde ve zmlenmesinde Bulank Mantk yaklam kullanlabilmektedir. Buna gre bulank mantk, bulank kme teorisine dayanan bir

46

1. GR

Utkay DNMEZ

matematiksel disiplin olup doruluun ya da yanlln derecesini konu almaktadr (Ayta, 2006). Bulank mantkta rakamlarn yerine kelimelerin kullanlmas birok problemin almasnda etkin rol oynayacaktr. Bu zmler toleranslardaki kesin olmayan verilerin kullanlmas ile elde edilecektir. Kelimeler ile ilem yapmann rol modeli insan beynidir (Zadeh,1996). Bulank mantn uygulama alanlarndan bazlar aadaki gibidir:

Otomatik Kontrol Sistemleri; Robotik, otomasyon, akll denetim, izleme sistemleri, ticari elektronik rnler vb.. Bilgi Sistemleri; Bilgi depolama ve yeniden arma, uzman sistemler, bilgi tabanl sistemler, vb.. Grnt Tanmlama; Grnt ileme, makine grntlemesi, vb.. Optimizasyon; Fonksiyon optimizasyonu, szgeleme, eri uydurma, vb...(Alta,1999).

Bulank mantk bir kontrolcdr. Aratrmaclarn ou bulank mantn en nemli zelliinin bu olduunu bilmektedir. Bylece ilemler daha kolay, daha ucuz ve daha hzl yaplmasna imkn veriyor (Ikl, 2008). 1.3.1. Bulank Mantn Tarihsel Geliimi 20. yzyln ikinci yarsnda sibernetiin bir bilim olarak ortaya k, canll ve zeky taklit etmeye girimesi yeni ve tuhaf bir dnemin balamasna neden oldu. Bu dnemde nemli bilimsel almalarn bir ksm sibernetik ve mantk alannda gerekletirildi (Ikl, 2008). Bulanklk kavram, ilk olarak Amerikal filozof Black tarafndan 1937 ylnda ortaya atlm ve bundan otuz yl kadar sonra 1962 ylnda Zadeh tarafndan ele alnmtr. Zadehin 1965 de yaynlad makalede, bulank kme kuramnn temelleri oluturulmutur. Zadeh bu makalede, sistemdeki karmakln yaratt belirsizliin farkl grnmlerini ve kiilerin alglama farkllklarn ele almtr.

47

1. GR

Utkay DNMEZ

1970lerde bulank mantk, endstriyel uygulamalarda uygulanan bir bulank mantk sistemi oluturmak iin uzman sistemlerle birletirilmitir (Ayta, 2006). 1965 ylnda, Azeri asll Amerikal sibernetiki Lotfy A. Zadeh tarafndan gelitirilen bulank [fuzzy] mantk kuram, iki deerli mantk kuramlarna bir alternatif oluturmu, sibernetik ve onunla dorudan ilgili bilimlerde akl almaz derecede hzl gelimeleri tetiklemi, sibernetik ve yapay zek almalarn hzlandrmtr. Halen sren mrne be byk bilimsel kuram sdran Lotfy A. Zadeh mantk, sibernetik, bilgisayar, yapay zek ve otomatik makinelere dair ortaya koyduu kuramlar ve kefettii kanunlarla 20. ve 21. yzyl teknoloji devriminde nemli pay sahibi olmutur. nk sibernetik, insan gibi hareket eden makineler yapma giriimi olarak daha fazla otomasyon ve makinelemeye imkn sunmaktadr (Ikl, 2008). Bulank kavram ve sistemlerin dnyann deiik aratrma merkezlerinde dikkat kazanmas, 1975 ylnda Mamdani ve Assilian tarafndan yaplan gerek bir kontrol uygulamas ile olmutur. Bu aratrclar, ilk defa bir buhar makinesi kontrolnn bulank sistem ile modellenmesini baarmtr. Bu n almada, bulank sistemlerle almann ne kadar kolay ama sonularnn da ne kadar etkili olduu anlalmtr (en, 2001). Daha sonraki yllarda bulank sistem uygulamas bir imento fabrikasnn iletilmesi ve kontrol yaplnca, artk bulank kavramlar dnyann birok yerinde yava yava kullanlmaya balanmtr. Bu balama, batda ok yava olurken, douda ve zellikle de Japonya, Singapur, Kore ve Malezyada fazlaca kendisini gstermitir. Teknolojiye duyarl olan Japon mhendisleri, bulank kontrol birimlerini kurmann ne kadar kolay olduunu grerek, bunlar birok cihazn yapmnda kullanlmaya balamlardr. Bunlar arasnda bulank sistemin elektrikli sprgeler, amar makineleri, asansrler, metro ve irket iletimi gibi konularda kullanlmasnda 1980 sonrasnda patlama olmutur (Ayta, 2006). Son yllarda birok mhendislik dallarnda, veri tabanlarnn szelletirilmesinde, telesekreterlerin cevaplanmasnda ve birok konuda bulank mantk kullanlr hale gelmitir (en, 2001).

48

1. GR

Utkay DNMEZ

Bulank teori her bir kelimenin anlamnda sakl olan belirsizlii temsil eden teoridir. Bu teorinin bir uygulamas olarak, Bulank Yapay Zeknn gelecekte insanlar ile bilgisayarlar arasnda kurulacak olan yakn ilikide byk bir rol oynayaca beklenmektedir. Bulank mantn gelecekteki uygulama sahalar, daha da genileyecek gibi gzkmektedir. eker hastalar iin vcuttaki insulun miktarn ayarlayarak suni bir pankreas grevi yapan minik yaplarn imalinde, prematre doumlarda bebein ihtiya duyduu ortam devam ettiren sistemlerin hazrlanmasnda, sularn klorlanmasnda, kalp pillerinin retiminde, oda iindeki n miktarnn ayarlanmasnda ve bilgisayar sistemlerinin soutulmasnda, bulank mantk ok eyler vaat etmektedir (nal, 2009). Deiik bilim ve mhendislik konularn yaynlayan uluslar aras dergilere bakldnda, hemen her mhendislik konusunda ve teknolojik almalarnda artk bulank sistem kontrollerinin ve hesaplamalarnn yaygnlat grlmektedir (en, 2001).

1.3.2.

Bulank Mantk Kavram

Bulank mantk yaklam, makinelere insanlarn zel verilerini ileyebilme ve onlarn deneyimlerinden ve nsezilerinden yararlanarak alma imkan vermektedir. Bu yetenei kazandrrken saysal ifadeler yerine szel ifadeler kullanlr. Bulank mantk denetleyicinin temeli szl ifadeler ve bunlar arasndaki mantksal ilikiler zerine kurulmutur. Szel ifadelerin bilgisayara aktarlmas matematiksel bir temele dayanmaktadr. Bu matematiksel temel, bulank kmeler teorisi ve bulank mantk olarak adlandrlr (zden, 2007). Gnmz bulank mantk a, bulank mantk uygulamalar muazzam byd ve ok eitlendi. zellikle temel bilimlerdeki (matematik ve fizik) uygulamalar dikkat ekici ve daha hissedilebilir hale geldi. Ama sklkla sorulan iki soru var. a) Bulank Mantk nedir? b) Dier metotlarla (dayanakl mantk, olaslk

49

1. GR

Utkay DNMEZ

teorisi, sinirsel alar, Bayersia network, klasik kontrol) ok iyi analiz edilemeyen konular, zmlenemeyen konular Bulank Mantkla yaplabilir mi? (Zadeh, 1996). Dnyadaki baz olaylar aklamak iin kesin tanmlamalarda bulunabilmek imknszdr ve olaylar ou kere belirsizlikler ve dorusal olmama zellikleri tamaktadr. Terimler ya da ller kesin olarak tanmlanp llemediinden dolay insanlar ou zaman belirsiz (kesin olmayan) ifadeler kullanmaktadr. te bulank mantk, baz sorulara basite evet-hayr cevab verilemeyen durumlar kapsar. Bulankln ve bulank mantn temeli de budur (nal, 2009). Klasik mantk (yada iki deerli mantk) zerine kurulu temel varsaym yani her nermenin ya doru yada yanl olduu Aristodan beri sorgulanmtr. Yorum zerine eserinde Aristo gelecee bal olan meselelerin problematik doruluk durumunu tartmtr (Altunli, 2009). Kme teorisinden yola klarak gelitirilen bulank mantk teknii, zellikle, oklu deerler ile deerlendirme yapmas nedeniyle problemlerin zmnde kolaylk ve geree yaknlk gibi stnlklere sahip olmaktadr (Murat, 2006). Baz sistemlerde modelleme doru ekilde yaplsa bile elde edilen modelin denetleyici tasarmnda kullanm karmak problemlere ve olduka yksek maliyete neden olabilir. Bu nedenle, baz denetim algoritmalarnn belirsiz, doru olmayan, iyi tanmlanmam, zamanla deien ve karmak sistemlere uygulanmas mmkn olmayabilir. Bu durumda ya hi zm retilememekte ya da elde edilen denetleyicinin performans yeterince iyi olmamaktadr (Civelekolu, 2006). Bulank mantk, klasik mantk sistemlerinden ziyade, insan dncesi ve tabii dil ruhuna daha yakndr. Temel olarak, gerek dnyann eksik ve yaklak zelliini yakalayan etkili bir ara salamaktadr. Matematiksel model ve llen deerlerin yan sra insan dncesini de mhendislik sistemine katmak zere insan dncesini formle etmektedir (nal, 2009). Gnlk hayatta rasgele kullandmz birok terim genellikle bulank bir yapya sahiptir. Bir eyi tanmlarken, bir olay aklarken, komut verirken ve daha birok durumda kullandmz szel veya saysal ifadeler bulanklk ierir. Bu terimlere rnek olarak; yal, gen, uzun, ksa, scak, souk, lk, bulutlu, paral bulutlu, gneli, hzl, yava, ok, az, biraz, fazla, ok az, ok fazla gibi daha pek ok

50

1. GR

Utkay DNMEZ

szel terim gsterilebilir. Biz insanlar bir olay anlatp, bir durum karsnda karar verirken bu tr kesinlik ifade etmeyen terimler kullanlr. Kiinin ya durumuna gre ona yal, orta yal, gen, ok yal ve ok gen deriz. Yolun kayganlk ve rampa durumuna gre arabann gaz veya fren pedalna biraz daha yava veya biraz daha hzl baslr. allan odann yetersiz ise onu biraz artrr, yeterinden fazla ise biraz azaltlr. Btn bunlar insan beyninin belirsiz ve kesinlik iermeyen durumlarda nasl davrandna ve olaylar nasl deerlendirip, tanmlayp, komut verdiine dair birer rnektir (Alta,1999). Bulank mantn ana dncesi dil deikenleridir ki, zellikle bulank mantk alannda bulank uzman sistemlerde onlarn uygulamalarnn ounda anahtar rol oynar. Dil deikenlii, tpk bir nerme gibi ok eitlidir ki, kelimelerin, doa bilimlerinin veya yapay dillerine gre deiir. rnein, ya bir dilsel ifadedir ve gen, gen deil, ok gen, yal, yal deil, ok yal gibi eitlidir (Zadeh, 1988) kili mantk, iki ayrk deer alabilen deikenleri ve mantksal anlam tayan ilemleri ele almaktadr. Deikenlerin alabilecei iki deer farkl ekillerde adlandrlmaktadr (rnein doru ve yanl, evet ve hayr, vs.). Ksacas, her deiken ancak ve ancak olas iki ayr deerden birini almaktadr; 1 ve 0. Bulank mantk; ikili mantk sistemine kar gelitirilen ve gnlk hayatta kullanlan deikenlere yelik dereceleri atayarak, olaylarn hangi oranlarda gerekletiini belirleyen oklu mantk sistemidir. Bulanklk, oklu deerlilik (multi valued) demektir. kili mantn 0-1 nermelerine karn bulanklk, veya daha fazla, belki de sonsuz sayda nermeler yapmaktadr. Yani, bulank mantkta kme yeleri derecelendirilmektedir (nal, 2009). Bulank kural; her ey bir sahiplik derecesine sahiptir. Dnya ne beyaz ne de siyahtr, gridir. Batl bilim adamlar ve filozoflar bu gerekle yzlemeyi reddettiler, onlar siyah ve beyaz dilde gri dnyay tanmlamada srarc oldular (Koska, 1993). Bulank mantk kesin akl yrtme yerine yaklak akl yrtmeye odaklanmaktr. ki deerli mantkta her ey ya doru ya da yanltr. ok deerli mantkta doruluk derece sorunudur. Bulank mantkta ise, doruluk da dhil her ey, ya da izin verilen her ey, sadece bir derece sorunudur. Bulank mantn temelleri ve temel bilimlere, zellikle de matematik ve fiziksel bilimlere etkisi gn getike daha

51

1. GR

Utkay DNMEZ

belirginlemektedir. Yine de bulank mantn amalar, gl ve zayf yanlar hakknda pek ok yanl deerlendirmeler de bulunmaktadr. Bunlardan bir tanesi bulank mantn tanm zerinedir. Bulank mantn iki anlam bulunmaktadr: zelde; dar anlamyla bulank mantk, yaklak akl yrtmeyi amalayan bir mantksal sistemdir. Bu anlamda, bulank mantk ok deerli mantn bir uzants olsa da, gndemi, klasik, ok deerli sistemlerden olduka farkldr. Geni anlamda ise bulank mantk, bulank kme teorisini de kapsar ve dar anlamnda bulank mant da ierir. Gnmzde bulank mantk denildiinde anlalan geni anlamda bulank mantktr. (Baykal ve Beyan, 2004) Bulank mantn sistemi u ekildedir: Bir ifade tamamen yanl ise klasik mantkta olduu gibi 0 deerindedir, yok eer tamamen doru ise 1 deerindedir. Ancak bulank mantk uygulamalarnn ou bir ifadenin 0 veya 1 deerini almasna izin vermezler veya sadece ok zel durumlarda izin verirler. Yani deeri 0.32 olan bir ifadenin anlam %32 doru %68 yanl demektir. Aada scaklk deerlerinin gsterildii ekil 1.18 ve ekil 1.19 bulunmaktadr ve klasik mantk ile bulank mantk arasndaki anlam farkn anlalmasn ifade etmektedir (Bulut, 2007).

ekil 1.18. Klasik mantk

52

1. GR

Utkay DNMEZ

ekil 1.19. Bulank mantk 1.3.3. Bulank Mantk Ynteminin Avantaj Ve Dezavantajlar

Bulank mantk sistemi nmerik veriler ile dilsel bilgileri ayn anda ileyebilen esiz bir zellii vardr. Bu, girdi verilerinin dorusal olmayan formatn skaler ktya evirir. Birok alan iin mhendislik sistemleri nedensel olduundan Bulank mantk sisteminin gelimesine bir zorlama gibi nedensellik yklenmitir. Bulank mantk literatrnn havzasnn ok zel ve geni olmas daha az bilgi kullanlmasna izin verir. Bu da bulank mantn mhendislik uygulamalar iin ok deerlidir (Mendel, 1995). Sistemi bu ekilde ele aldmzda, birok alanda uygulanabilmesi ve sistemlerin etkin ekilde alabilmesini salayan bulank mantk yaklamnn avantajlarnn yannda baz dezavantajlarnn da olduu bilinmektedir (Bulut, 2007).

1.3.3.1.

Avantajlar

Bulank mantk kuramnn insan dn tarzna ok yakn olmas onun en byk stnln oluturmaktadr. Bilindii gibi denetim ilemlerinin birou dilsel niteleyicilerle yaplmaktadr. Bulank mantk yaklam, matematiksel modele ihtiya duymadndan, matematiksel modeli iyi tanmlanamam, zamanla deien ve dorusal olmayan sistemler bu yntemin en baarl uygulama alanlardr. Bulank mantk yaklamnda, iaretlerin bir n ileme tabi tutulmalar ve geni bir alana

53

1. GR

Utkay DNMEZ

yaylm deerlerin, az sayda yelik ilevlerine indirgenmeleri, uygulamalarn daha hzl bir ekilde sonuca ulamalarn salar (Elmas, 2003). Yazlmnn basit olmas dolaysyla ucuza mal olmas da bir baka avantajdr (Bulut, 2007).

1.3.3.2. Dezavantajlar

Bulank mantk denetleyicilerine yneltilen eitli eletiriler de sz konusudur. Sistemlerin kararllk, gzlemlenebilirlik ve denetlenebilirlik

analizlerinin yaplmasnda ispatlanm kesin bir yntemin olmay bulank mantn en temel sorunudur. Gnmzde bu, sadece pahal deneyimlerle mmkn olmaktadr. Bulank mantk yaklamnda, yelik ilevlerinin deikenleri sisteme zeldir ve baka sistemlere uygulanmas ok zordur. Bunun yan sra en sk belirtilen dezavantajlar ise yelik ilevlerinin ayarlanmasnn uzun zaman almas ve renme yetenei olmamasdr (Elmas, 2003). Bulank mantk denetleyicileri ile ilgili bir dier sorun da sre hakknda daha fazla bilgiye ve daha fazla alglaycya ihtiya duymalar nedeniyle hem pahal hem de daha az gvenilir olmalardr. Bu dncenin her zaman doru olduunu sylemek mmkn deildir. rnein, Mitsubishi tarafndan retilen klima cihaznda geleneksel denetleyiciye gre daha az alglayc kullanlmtr. Benzer ekilde, National Panasonic firmasnn piyasaya srd bulank denetleyicili amar makinesinde ise sadece iki tane alglayc vardr (zdaolu, 2008). Uygulamada karlalan baz glkler de u ekilde sralanabilir (Bulut, 2007);

Uygulamada kullanlan kurallarn oluturulmasnn uzmana ball yelik fonksiyonlarnn deneme-yanlma yolu ile bulunmasndan dolay uzun zaman alabilmesi Kararllk analizinin yaplnn zorluu (ancak benzeim yaplabilir)

54

1. GR

Utkay DNMEZ

1.3.4.

Bulank Kmeler

Zadeh'in "From Circuit Theory to System Theory" balkl (1962) yazs, bilim dnyasnda yeni bir dnm noktas ve "Fuzzy Sets" balkl 1965 ylndaki yazs da "Bulank Kmeler" kuramnda bir balang olmutur. Gnmze kadar da bu konuda olduka fazla ilerlemeler kaydedilerek; bulank (fuzzy) mant, endstriyel kontrol, askeriye, ekonomi, mhendislik, tp, model tanma ve snflandrma gibi pek ok konuda ok geni problemlern zmnde kullanlmaya balanmtr (Karadoan, Baetin, Kahriman ve Grgn, 2001). Bulank kme matematiksel olarak, sylem evrenindeki herhangi bir varla, bulank kme iindeki yelik derecesini gsteren bir deer atanmas eklinde tanmlanabilir. Bulank kmeler kuramnn amac ise, belirsizlik ifade eden, tanmlanmas g veya anlam g kavramlara yelik derecesi atayarak onlara belirlilik getirmek ilemidir (itli, 2006). Bulank mantk ile gnlk konuma dilinde gecen szel belirsizlikleri modelleme ve hesap yaparken iin iine katma imkn bulunur. Gerekte insan kararlar belirsiz ve bulanktr ve kesin saysal deerlerle belirtmeye uygun deildir. Bu nedenle insan kararlarn modellemede szel deikenler kullanmak daha gereki olabilir. ste bulank mantn dier mantk sistemlerinden nemli bir farkll szel deikenlerin kullanmna izin vermesidir (Erturul, 2007). Klasik olan kmelerde bir eden dierine gei, keskin ve aniden deien yelik dereceleri sayesinde olmaktadr. Ancak bulank kmelerde bu gei yumuak ve srekli bir ekilde olmaktadr. Bu geite mphemlik, belirsizlik, hayal gc, sezgi gibi grler rol oynar. Aslnda yelik derecesi fonksiyonu bu tr grlerin kark bir ekilde elere yaylmasn temsil eder. Buradan bulank kmenin deiik yelik derecesinde eleri olan bir topluluk olduu tanmna varabiliriz. Buradan ortaya kan nemli noktalardan biri klasik kmelerde bir enin kmeye ait olmas iin yelik derecesinin mutlaka 1e eit olmas gerekirken, bulank kmede nerede ise btn elerin deiik derecelerle kmeye ait olmalar mmkndr. Ayrca, bir bulank kme esi ayn deiken zelliine sahip olmak zere baka bir kmenin de esi olabilir (Esendal, 2007).

55

1. GR

Utkay DNMEZ

Aristo mantna gre insanlar boy bakmndan uzundur veya ksadr. Fakat Zadeh uzun boyluluk kavramnn kiilere gre deieceini belirtmektedir. Uzun boylu insanlardan bir tanesi gerek uzun boylu olarak alnrsa bundan biraz daha ksa veya uzun olanlarda deiik yelik dereceleri ile uzun boylular kmesine dhil olabilmektedirler, yani kme d kalmazlar. Gerek uzun boylu olandan, ok daha ksa olanlarda, belli bir yelik derecesi ile yine uzun boylular kmesine dhil olabilmektedir (Tr, Kazaz ve Yardmc, 2005). Bulank kmede de, klasik kme de olduu gibi kmeler zerinde tanmlanm birleim, kesiim ve tmleme ilemleri vardr. Bu ilemlerin gerekletirilebilmesi iin bir takm fonksiyonlar tanmlanr (zkan, 1997). Geleneksel kmeden farkl olarak, {0,1} kmesi yerine [0,1] srekli aral sz konusudur ve bu aralktaki deerler yelik derecesi adn alrlar (Tatl ve en, 2001). Bulank kmenin yelik fonksiyonun parametrelerinin deiimi, bulank kural temeline dayanan modellemede byk nem arz eder (Tanyldz ve Yazcolu, 2006). Bulanklk ak bir ekilde belirtilmemi snrlara sahiptir. Blmler halinde yelik dereceleri ieren elemanlardan oluabilir. Klasik mantkla salanan sistemlerle ise elemanlar tmyle ya ierir ya da iermez. Bulank mantk da, durumlarn gereklii belirli bir dereceden oluur. Bulank nedenler, yetersiz olan evet-hayr cevaplaryla birlikte evet-hayr sorularna da cevap verir. Bunlar insanolunun yaamndaki eitliliktir. Bulanktaki nedenler, evet-hayr mantk ailesinin

genellemelerinin sadece bir zelliidir. Eer nmerik olarak 1in karlna doru ve 0a karlkta yanl dersek, bulank mantk 0,2 ve 0,7345 aralndakilere bile szel olarak deer verebilir (Ahmed, 2003).

1.3.5.

yelik Fonksiyonlar

Genel olarak, kme yelerinin deerleri ile deiiklik gsteren eriye yelik fonksiyonu ad verilmektedir. Baka bir deyile, bulank kme tarafndan tanmlanan ve 0 ile 1 arasnda deer alabilen ilgili karakteristik fonksiyona yelik fonksiyonu denilmektedir (Karakaolu, 2008). Bulank kme tanmnda yer alan A(x)

56

1. GR

Utkay DNMEZ

ifadesine Xin yelik Fonksiyonu ad verilir. A(x) fonksiyonu X kmesini M yelik uzayna eler. yelik A Fonksiyonu [0,1] kapal aralnda deerler alabilir ve bu deerler X elemannn yelik derecesini gsterir (zdaolu, 2008). Bir bulank kmenin yelik fonksiyonunun yaps, gbek (core), snrlar (boundaries) ve bunlarn birleimi olan mevcut ksm, destek (support) olmak zere 3 ksmdan oluur (Sivanandam, Sumathi ve Deepa, 2007). ekil 1.20de bir yelik fonksiyonu grlmektedir (Kuu, 2007, Kksille, 2002).

ekil 1.20. yelik fonksiyonunun yaps (Kuu, 2007, Kksille, 2002) lk adm olan bulanklatrmada, ekil 1.21de gsterildii gibi, belirgin girdiler alnr ve her bir girdinin hangi bulank kmeye ne derecede ait olduuna karar verilir. Bulanklatrma surecinin girdisi mutlaka bir belirgin say kts ise 0 ile 1 arasnda yelik derecesini belirten bir ifade olmaldr. ekil 1.21de gsterilen X1 belirgin girdi deerleridir ve A yelik fonksiyonu ile B yelik fonksiyonunu 0,7 ve 0,3 aitlik derecelerinden kesmektedir (nal, 2009).

ekil 1.21. Girdi (X1) deerinin yelik fonksiyonunda ald dereceleri

57

1. GR

Utkay DNMEZ

htimaller hesabndan bilinecei gibi rastgele bir deikene deiik ihtimal younluk fonksiyonlar uydurulmasna benzer ekilde bulank kmelere daha da fazla ekilde yelik fonksiyonu uydurmak mmkndr. Bulank kmelerin gerek yelik derecelerini ve gerekse bunlarn tmn temsil edebilecek yelik fonksiyonlarnn belirlenmesinde ilk balayanlar tarafndan sezgi, mantk ve tecrbelerin kullanlmasna ska rastlanr. Zaten pratikte birok sorunun stesinden gelmek iin bu yaklamlar ou zaman yeterlidir. yle olmasa bile, ilk yaklam olarak bu esaslara gre alnmalar faydaldr. yelik fonksiyonlarnn

belirlenmesinde birok yntem vardr. Balcalar; sezgi, karm, mertebeleme, al bulank kmeler, yapay sinir alar, genetik algoritmalar, karmc muhakeme gibi deiik yaklamlardr (Esendal, 2007). Bulank yelik fonksiyonlar, uzmann dncesini temel alarak pratik problemlere bal olarak tayin edilebilir. Byle bir durumda, yelik fonksiyonlar, teorik bilgiden ok deneyime dayal olan ampirik problem zmn formle eden bir teknik olarak dnlebilir. Uzmann dnme ekli ya dorudan ya da dolayl olarak zel bir algoritma araclyla yakalanabilir. Bu gibi tayinlere gereksinim artarsa, fiziksel lmlerlere daha fazla odaklanlabilir. Frekans histogramlar ve dier olaslk verisi de yelik fonksiyonlarnn kurulmasna yardmc olur. Bununla birlikte yelik fonksiyonlar deerlerinin ya da yelik derecelerinin olaslk olmad ve 1e eklenmemeleri gerektii not edilmelidir (brahim, 2005). yelik derecelerinin her bir bulank sz iin temel zellii salamas tanm olarak gerekmektedir(en, 2001);

Bulank kmenin normal olmasdr ki, bunun iin en azndan o kmede bulunan elerden bir tanesinin en byk yelik derecesi olan 1e sahip bulunmas gerekliliidir.

Bulank kmenin monoton olmas istenir ki, bunun anlam yelik derecesi 1e eit olan eye yakn sada ve soldaki eleri yelik derecelerinin de 1e yakn olmasdr.

58

1. GR

Utkay DNMEZ

yelik derecesi 1e eit olan eden saa veya sola eit mesafede hareket edildii zaman bulunan elerin yelik derecelerin birbirine eit olmasdr ki, buna da bulank kmenin simetrik zellii ad verilir.

ok sayda yelik fonksiyonu tipi olmakla beraber pratikte en fazla kullanlanlar gen, yamuk, an erisi, Gaussian ve sigmoidal fonksiyonlardr. Ayrca S ve yelik fonksiyonlar da bulunmaktadr (Karakaolu, 2008 ve Bai ve Wang, 2006). 1) gen yelik fonksiyonu ekil 1.22de grld gibidir. gen yelik fonksiyonun matematiksel olarak ifadesi ise u ekildedir:

(1.38)

ekil 1.22. gen yelik fonksiyonu 2) Yamuk yelik fonksiyonu ekil 1.23de grld gibidir. Yamuk yelik fonksiyonun matematiksel olarak ifadesi ise u ekildedir:

(1.39)

59

1. GR

Utkay DNMEZ

ekil 1.23. Yamuk yelik fonksiyonu 3) Gaussian yelik fonksiyonu m ve parametreleri ile tanmlanr, Gaussian yelik fonksiyonu ekil 1.24de grld gibidir:

(1.40)

ekil 1.24. Guassian yelik fonksiyonu 4) an ekilli yelik fonksiyonu, a1, a2 ve a3 olarak parametre ile tanmlanr.

(1.41)

Burada a2 parametresi genellikle pozitif deer almaktadr. a1 ve a3 deerlerinde deiiklik yaplarak fonksiyonun genilii ve merkezi

60

1. GR

Utkay DNMEZ

deitirilebilmekte ve a2 deeri gei noktalarndaki eimi kontrol etmek iin kullanlmaktadr. an ekilli yelik fonksiyonu ekil 1.25de grld gibidir:

ekil 1.25. an ekilli yelik fonksiyonu

5) Sigmodial yelik fonksiyonu, a1 ve a2 olmak zere iki parametre ile tanmlanr. (1.42)

Sigmodial yelik fonksiyonu ekil 1.26daki gibidir.

ekil 1.26. Sigmodial yelik fonksiyonu

S yelik fonksiyonu a1 ve a2 parametreleri ile tanmlanan dzgn bir yelik fonksiyonudur. Bu fonksiyonun ad, eklinin S harfine benzemesinden gelmektedir

(1.43)

S yelik fonksiyonu ekil 1.27deki gibidir.

61

1. GR

Utkay DNMEZ

ekil 1.27. S yelik fonksiyonu 6) ki tip yelik fonksiyonu vardr. lki iki parametre ile, ikincisi ise drt parametre ile tanmlanr. S fonksiyonundan farkl olarak fonksiyonlar iki tarafl olarak 0 deerine doru asimptotik olarak azalr. 1 yelik fonksiyonun matematiksel olarak ifadesi aadaki gibidir:

(1.44)

ekil 1.28de birinci tip 1 fonksiyonu grlmektedir:

ekil 1.28. 1 yelik fonksiyonu 2 yelik fonksiyonun matematiksel olarak ifadesi aadaki gibidir.

(1.45)

ekil 1.29da ikinci tip 2 fonksiyonu grlmektedir:

62

1. GR

Utkay DNMEZ

ekil 1.29. 2 yelik fonksiyonu yelik fonksiyonu olutururken sezgi, mantk ve tecrbelerin kullanld bilinmektedir. Tefeleme ilemi srasnda zg tansiyonunun modellenmesi rnei incelenebilir. izelge 1.7 dikkatle incelendiinde sisteme girdi olarak ereve ykseklii, atk skl ve zg iplii elastikiyeti verileri ve dereceleri grlmektedir. ayet bu bilgiler, bir sistemin girdi verisi olarak kullanlacak olursa yelik fonksiyonu oluturulurken izelge 1.7den faydalanlacaktr. Elde eden veriler 5 admda ileme dahil edilecektir; ok dk (d), dk (d), normal (n), yksek (y) ve ok yksek (y).

izelge 1.7. Tefeleme ilemi srasnda zg tansiyonun modellenmesi iin girdi bilgileri (Dayk, Kayacan, Acer, al, 2008). ereve Ykseklii Atk Skl zg plii Elastikiyeti (mm) (Adet/cm) (%) 25 0 0 30 20 2 35 25 4 40 30 6 45 35 8 50 40 10 55 45 12 60 50 14 65 55 16 70 60 18 75 20 Verileri kullanlarak oluturulan gen yelik fonksiyonu ekil 1.30-31-32 deki gibi olacaktr (Dayk, Kayacan, Acer, al, 2008).

63

1. GR

Utkay DNMEZ

1,0 0,5 0
25 30 35 40 45 50 55 60 65 70 75

ekil 1.30. ereve ykseklii yelik fonksiyon grafii

1,0 0,5 0
0 20 25 30 35 40 45 50 55 60

ekil 1.31. Atk skl yelik fonksiyon grafii

1,0 0,5 0
0 2 4 6 8 10 12 14 16 18 20

ekil 1.32. Atk skl yelik fonksiyon grafii

1.3.6. Szel (Dilsel) Deikenler Deiken deeri olarak bir dildeki kelimeleri alabilen deikene szel deiken denir (Zadeh, 1996). Burada sz edilen kelimeler, klasik kme teorisinde snr koulunu net olarak ifade edemeyen kelimelerdir. Baz kelimelerin anlam, bir karmaklk veya belirsizlik gsterebildii iin szel deikenin bulank kmelere dayanarak tanmlanmas gerekir. Szel deikenler, net olarak ifade edilemeyen kavramlarn yaklak olarak nitelenmesini salar (Karakaolu, 2008). Dilsel deikenler insan dnce tarzn bilgisayar ortamna aktarmada zellikle bulank veya kesinlii belli olmayan rnek tanmlamalarda, ksaltmalarn

64

1. GR

Utkay DNMEZ

kullanld konularda ve karar verme mekanizmalarnda nemli bir rol oynar. (Zadeh, 1975) rnein, hz bir dilsel deiken gibi gsterilirse, bu durumda T(hz) terim kmesi yle olabilir; T(hz)={yava, orta (makul), hzl, ok yava, ok veya az hzl,...} Burada T(hz)daki her terim U=[0, 100] rnek uzayndaki bulank kme ile karakterize edilir. Burada yava 40 km/h in altnda bir hz ,orta terimini 55 km/he yakn bir hz,hzl ise 70 km/hden fazla bir hz olarak tanmlanabilir. Bu terimlerin yelik fonksiyonu ekil 1.33de gsterilen bulank kme olarak karakterize edilebilir.

ekil 1.33. Hz deerlerine ait dilsel deikenlerin bulank kmedeki gsterimi

Bu rnekte de grld gibi, tanmlar tamamyla insanlarn sylemlerine gre gelitirilmitir. Bu tanmlara ise dilsel terimler denir ve bir dilsel deikenin muhtemel deerlerini sergilerler. Dilsel deikenler, gerek deerleri dilsel deerlere dntrrler. Bunlarn ilevsel olarak elde edilmesi ve uygulama aamasna getirilmeleri byk lde sistemde daha nce elde edilmi deneyimlere baldr ve bu deneyimlere dayal olarak kurulan sistemlere ise karm sistemleri ad verilmektedir (nal, 2009). Dilsel deikenlerin ilgin uygulamalarndan bir rnek verilirse; TokyoSugeno Teknoloji Enstits tarafndan bir bulank araba tasarlanm ve dizayn edilmitir. Bulank mantkla dizayn edilen arabalarn kontrol sistemi, otomatik vitesli byk trlara uyarlanm ve trlarn rahatlkla dikdrtgen dnleri (hareketler) ve

65

1. GR

Utkay DNMEZ

park etme iini yapabildii ispat edilmitir. nemli bir zellii arabalarn yeteneklerini rneklerden renebilmesidir. Yani tra monte edilen sistem arabada renmi olduu yeteneini tra yklendiinde de kullanabilmesidir (Zadeh 1988).

1.3.7.

Bulank Kontrol (Denetim)

Gnmzde kontrol teknolojisi, geleneksel kontrol tekniklerinden matematik modellere dayanan kontrol tekniklerine ve bilgi tabanl zeki kontrol tekniklerine doru hzla yol almaktadr. Son yllardaki almalar gstermitir ki bulank kontrol, bulank kme teorisinin uygulamasndaki aratrma iin en aktif ve verimli alanlardan biridir. Klasik kontrol teorisinde sistemin yapsn aklayan bilgiler, kesin deerler halinde verilmektedir. Kontrol stratejisinin temelini; sisteme ait bilgilerle, sistem deikenleri arasndaki ilikiler oluturmaktadr. Klasik kontrol, srecin

matematiksel bir modeli ile balamakta ve kontrolr de, bu modele gre tasarlanmaktadr (Ayta, 2006). Bulank mantk kontrol sistemleri bilinen PID kontrol tasarmlarnda olduu gibi sistemin tam bir model bilgisini gerektirmez. Bu bilgi yerine uzman olarak adlandrlan insan deneyimini ve ustaln koymaktadr. Uzman bilgisinden ve tecrbesinden ve insann keskin olmayan duygusal verilerden yararlanarak bulank sistem gerekletirilmeye allr (Sarta ve Herdem, 2009). Bylece uzman operatr, dilsel niteleyiciler olarak bilinen; ok artr, biraz artr, ok az gibi gnlk hayatta ska kullanlan kelimeler dorultusunda esnek bir kontrol metodu gelitirebilmektedir. Bulank mantk denetleyicinin temeli, bu tr szl ifadeler ve bunlar arasndaki mantksal ilikiler zerine kurulmutur (Ayta, 2006). Bulank mantk ilemleri, bir problemin analizi ve tanmlanmas, deiken kmelerin ve mantk ilikilerinin geliilmeden bulunan bilgilerin bulank kmelere dntrlmesi ve modelin yorumlanmas ilemlerinden olumaktadr (Tortum, Yayla ve Gkda, 2005). Getiimiz birka yl boyunca, bulank kontrol, bulank mantk teori uygulama aratrmalar iin en aktif ve en faydal alan olarak zellikle endstriyel

66

1. GR

Utkay DNMEZ

proses blgelerinde nem kazand. Girdi-kt arasndaki ilikilerin llebilir verilerinin eksiklii nedeniyle geleneksel metotlar tarafndan kendi kendilerine kontrol edilmelerine izin vermeyen proseslerin de incelenmesinde nem kazand. Bulank kontrol, mantk sistemi insan dncesi ve doal dil kullanlarak, geleneksel mantk sisteminden daha yakn-doru sonular verir. Bulank mantk kontrol, uzman bilgisini otomatik kontrol stratejisine evirmeyi temel alan dilsel kontrol stratejisini anlaml hale getiren bulank mantk temeline dayanr (Lee, 1990). Bulank kontrol sistemleri ekil 1.34daki gibi basit bir yapya sahiptir. Bulank denetleyiciyi kontrol edilecek bir sistem, veri ve kural taban, bulanklatrma ve durulatrma arabirimlerinden oluur (Bai ve Wang, 2006). ekilde belirtilen baz noktalardaki iaretler incelenecek olursa ; a noktasnda, kontrol edilen sistemden geri besleme yolu ile alnan duru iaret bulunmaktadr. Bu iaret bulanklatrma ara birimine girerek bulank iarete dntrlr.

Bulanklatrma ara biriminden kan bu bulank iaret, b noktasndaki iarettir ve bulank denetleyiciye gider. Bulank denetleyicide, gelen bulank iaretin ve referans iaretinin deerlerine gre bir kontrol ilemi uygulanarak bulank kontrol iareti retilir, bu iaret denetleyici kndaki, yani c noktasndaki iarettir. Bu iaret durulatrma ara birimine gnderilerek d noktasnda kontrol edilecek sisteme uygulanacak olan duru iaret elde edilmi olur (zkan, 1997).

67

1. GR

Utkay DNMEZ

ekil 1.34. Bulank Kontrol Sistemi (zkan, 1997). 1.3.7.1. Bulanklatrma

Bulanklatrma klasik bir kmeyi bulank kmeye ve ya bulank bir kmeyi daha bulank bir kmeye dntrme ilemidir. lem klasik girii ve ya llen bir deeri dilsel kavramlara dntrr (brahim, 2005). Gzlemlenen veri llrken, verilerin rastgele grlt ile karmas sz konusu olabilir. Bu gibi bir durumda, bulandrma ilemi ile pheli veri bulank saylara dntrlmelidir. Bulank saylar, rasgele deikenleri daha kolay ileyeceinden hesaplama etkinlii daha da artacaktr (Baykal ve Beyan, 2004). yelik ilemlerinden faydalanlarak giri bilgilerinin ait olduu bulank kmeyi/kmeleri ve yelik derecesini tespit edip, girilen saysal deere kk, en kk gibi dilsel deiken deerler atar (Elmas, 2007).

68

1. GR

Utkay DNMEZ

1.3.7.2. Bilgi Taban

Bilgi taban, karar verme biriminin kural tabannn da kulland bilgilerin alnd veri taban ve denetim aralarna uygun dilsel denetim kurallarnn bulunduu kural taban olmak zere iki ksma ayrlabilir (Lee, 1990). Genel olarak da uygulama dnemindeki bilgilerden ve denetim aralarndan oluur. Dilsel denetim aralarnn tanmlanmasnda ve bulank mantk denetimindeki bulank bilgi ileme sresince yararlanlr. Kurallar kmesi denetim amalarn ve denetim stratejisini belirler. Denetimi yaplan sistemle ilgili, bulandrma, bulank karm, durulama ilemleri srasnda gerek duyulan yelik ilevi ve kural tablosu bilgileri veri tabanndan kullanma sunulmaktadr (Elmas, 2007). 1.3.7.3. Kural Taban

Bulank kural taban Eer-O Halde (If-Then) kurallarndan oluur. Bulank mantk sistemindeki dier btn bileenler dnldnde kural taban bu sistemin kalbini oluturur (Wang, 1997). Bilgiyi temsil etmek zere, bulank sistemler ounlukla dilsel kurallar kullanrlar. Eer-O halde tarznda ifade edilen bir kural standart olarak u ekildedir;

Eer a1 ve a2 ve an o halde bdir. (Esendal, 2007)

(1.46)

Bulank sisteme gelen veriler, ncelikle ilenmeye hazr hale getirildikten sonra bulank kural tabannda yklenmi eer-o halde eklinde yklenmi kurallara gre karm mekanizmas tarafndan ilenir. Blank kural tabannda aslnda, ilgilenilen sistemin bir modeli szel ifadelerle (bulank kmeler) eer-o halde kurallarnda ilenmi durumdadr. Eer a1 A1 dir ve a1n A1n dir ise, o halde b1 B1 dir. (1.47)

69

1. GR

Utkay DNMEZ

Eer a2 A2 dir ve a2n A2n dir ise, o halde b2 B2 dir. Eer am Am dir ve amn Amn dir ise, o halde bm Bm dir.

(1.48) (1.49)

Bu genel bulank eer-o halde kurallar ailesi genellikle bulank mantk kural taban olarak isimlendirilir. Her kuralda bulunan para says eit olarak gsterilmitir (Baykal ve Beyan, 2004).

1.3.7.4. Karar Verme Birimi

Karar

verme

birimi,

karm

motoru

(fuzzy

engine)

olarak

da

adlandrlmaktadr. Bu ksm, insann karar verme ve karm yapma yeteneinin benzeri bir yolla bulank kavramlar ilemekte ve karm yaparak gerekli denetimi belirlemektedir. Bulank karmda denetimi yaplan sistemi kullanan uzman operatrn kulland dilsel niteleyiciler ve kurallar kullanlarak sembolik sonu elde edilmektedir. Bulank mantk denetiminin beyni, bulank karmdr (Elmas, 2003). En nemli iki tip bulank karm sistem metodu; Mamdani ve TakagiSugeno. kisi arasndaki fark yledir; iki metot da bulank kurallar zerine kurulmu olup, Mamdani bulank kuram kural olarak uygularken Takagi-Sugeno ise girdi eitliliinin lineer fonksiyonunu kural olarak kullanmaktadr. Lineer tekniklerle (PID) ok iyi almas, olduka etkili oluu, ok iyi optimize ve adapte oluu, kt ara yzn srekliliini garanti etmesi ve ok iyi matematiksel analiz yapmas Takagi-Sugeno modelinin avantajdr. Mamdani metodunun avantajlar ise yaygn kullanm alan, insancl dnce sistemine gre daha yakn oluu ve sezgilerinin kuvvetli olmasdr (Sivanandam, Sumathi ve Deepa, 2007). Bilinen bulank karm sistemleri ksaca yledir. Mamdani: Buna bulank tmel evetleme de denilebilir. Girdi verisi tekil ise bulandrlma yaplmaz kt verileri sras ile elenir. Eer girdi oulsa, btn verilerin birbiri ile arpmn en kk olan k deeridir (Baykal ve Beyan, 2004). Mamdani karm modeli ilk defa bir buhar motorunun insan tecrbelerinden elde edilen szel kontrol kurallar yardmyla kontrol amacyla kullanlmtr. Bu

70

1. GR

Utkay DNMEZ

modelde hem girdi deikenleri hem de kt deikeni kapal formdaki yelik fonksiyonlar ile ifade edilir (Ylmaz ve Arslan, 2005).

ekil 1.35. Mamdani modeli Takagi-Sugeno: Her bir kuraln k, giri deerlerinin dorusal birleimiyle bulunur. Keskin k deeri ise, arlkl ortalamas alnarak bulunur (Elmas, 2003). lk kez 1985 ylnda kullanlmaya balam olan Takagi-Sugeno modeli Mamdani bulank mantk ynteminin bir uyarlamasdr. Girdi deikenlerinin

bulanklatrlmas ve bulank mantk ilemleri Mamdani ile ayn olup kt yelik fonksiyonlarndaki sadece lineer sabit yapda olmasdr (Ylmaz ve Arslan, 2005).

71

1. GR

Utkay DNMEZ

ekil 1.36. Takagi-Sugeno modeli Max-Dot: Her bir giri deeri, ait olduu yelik ilevindeki yelik derecesine bal olarak ilgili bulank kmeyi yeniden leklendirir. Tm giriler iin yeniden leklendirilmi bulank kmeler ierisindeki maksimum deer alnarak k deeri bulunur (Elmas, 2003). Min-Max: Her bir giri deeri iin ait olduu yelik ilevindeki yelik derecesine bal olarak ilgili bulank kmenin yelik deerinin stndeki ksm kesilir. k deeri, elde edilen bu bulank kmelere genellikle arlkl ortalamas ynteminin uygulanmasyla bulunur (Elmas, 2003). Tsukamoto: Bu yapda k yelik ilevi, tek ynl artan bir ilev olarak seilir. k deeri ise, her bir kuraln keskin k deerinin arlkl ortalamas alnarak bulunur (Elmas, 2003).

72

1. GR

Utkay DNMEZ

1.3.7.5. Durulatrma

Pratik uygulamalarda, zellikle cihaz ve mhendislik plan, proje ve tasarmlarnda boyutlandrmalar iin kesin saysal deerlere gerek duyulmaktadr. te bu durumlara bulank olarak elde edilmi veya verilmi bilgilerden yararlanarak gerekli cevaplarn verilmesi iin bulank olan bilgilerin durulatrlmas gerekmektedir. nsanlar iin yapay zeka almalarnda bulank deiken, kme, mantk ve sistemlerin bulank olabilecek karmlarnn kesin saylar haline dntrlmesi gerekir. te bulank olan bilgilerin kesin sonular haline dntrlmesi iin yaplan ilemlerin tmne birden durulatrma (defuzzification) ilemleri ad verilir (zdaolu, 2008). Durulama birimi karar verme biriminden gelen bulank bir bilgiden bulank olmayan ve uygulamada kullanlacak gerek deerlerin elde edilmesini salar (etin, 2003).

Durulama ynteminde genel olarak gzlemlenen drt zellik vardr (Baykal ve Beyan, 2004).

Durulama ilemcisi daima bir saysal deer hesaplar. Bu, durulamann tanm gereidir. Aka, iki bulank kme ayn durulanm deeri verebilir. Ayrca, durulanm deerin daima orijinal bulank kmenin dayanaklar arasnda olduu kabul edilir.

yelik fonksiyonu durulanm deeri belirler. Bulank kmenin monotonik olarak daraltlmas normal bir bulank kmenin normalini verir. Benzer ekilde monotonik geniletme ilemcisi bulank kme normalinden itibaren durulanm bir deeri verir.

ki gen bulank saynn ileme sokulup durulanmasndan elde edilen deer daima bireysel olarak durulanp ileme sokulmasndan elde edilen deerler arasnda yer alr.

Engelleyici bilgi durumunda, durulanm deer snrl blgeye drlmelidir.

73

1. GR

Utkay DNMEZ

Literatrdeki durulatrma ilemlerinden birka yledir (Sivanandam, Sumathi ve Deepa, 2007);

a)

En byk yelik ilkesi:Dier bir ad da ykseklik yntemidir. Kullanlabilmesi iin tepeleri olan karm bulank kmelerine gerek vardr. ekil 1.37de gsterilen bu durulatrma ileminin aritmetik notasyon eklinde gsterimi aadaki gibidir (en, 2001).

ekil 1.37. En byk yelik derecesi durulatrma (Sivanandam, Sumathi ve Deepa, 2007). b) Sentroid yntemi: Sentroid ynteminin dier bir ad da arlk merkezi yntemidir. Durulatrma ilemlerinde, belki de en yaygn olarak kullanlan ilem budur (en, 2001).

(1.50)

ekil 1.38. Sentroid yntemi ile durulatrma

c)

Arlkl ortalama yntemi: Bu yntemin kullanlabilmesi iin simetrik yelik fonksiyonunun bulunmas gereklidir. Durulatrma ilemi ekil 1.39da gsterilmitir. Bylece k oluturan bulank kmelerin yelik

74

1. GR

Utkay DNMEZ

fonksiyonlarnn her biri sahip olduklar en byk yelik derecesi deeri ile arplarak arlkl ortalamalar alnr (en, 2001).

(1.51)

ekil 1.39. Arlkl ortalama yntemi durulatrmas d) Ortalama en byk yelik: Bu yntem ayn zamanda en byklerin ortas diye de bilinir. Ancak, en byk yeliin konumu tekil olmayabilir. Bunun anlam yelik fonksiyonunda en byk yelik derecesine sahip olan A(z)=1, bir nokta yerine plato gibi dzlk ksm da bulunabilir. Durulatrma ilemi gsterilmi olan bu ynteme gre durulatrlm deer Z = (a+b) / 2 olarak bulunur. Buradaki a ve b deerleri ekil 1.40da gsterilmitir (en, 2001).

ekil 1.40. Ortalamalarn en byk yelik durulatrlmas e) Toplamlarn merkezi: Kullanlan durulatrma ilemleri arasnda en hzl olan yntemdir. Bu yntemde iki bulank kmenin birleimi yerine onlarn cebirsel toplamlar kullanlr. Bu yntemin bir mahsuru rten ksmlarn iki defa

75

1. GR

Utkay DNMEZ

toplama girmesidir. ekil 1.41de toplamlarn merkezinin rnek grafii grlmektedir (en, 2001).

(1.52)

ekil 1.41. Toplamlarn merkezi durulatrmas. f) En byk alann merkezi: Eer k bulank kmesi en azndan iki tane d bkey alt bulank kmeyi ieriyor ise, d bkey bulank kmelerin en byk alanlsnn arlk merkezi durulatrma ilemimde kullanlr. Bu art tm karm bulank kmesinin d bkey olmad zaman kullanlr, ama tm karmn d bkey olmas durumunda z sentroid yntemi ile elde edilenin aynsdr. ekil 1.42de grafik grlmektedir. Matematiksel hesab aadaki gibidir (en, 2001).

(1.53)

76

1. GR

Utkay DNMEZ

ekil 1.42. En byk alan merkezi ile durulatrma

g) En byk ilk veya son yelik derecesi: Bu yntemde, tm ktlarn birleimi olarak ortaya kan bulank kmede en byk yelik derecesine sahip olan en kk (ve ya en byk) bulank kme deerini seme esasna dayanr. ekil 1.43de grafik grlmektedir (en, 2001).

ekil 1.43. lk ve son en byk yelik dereceleri ile durulatrma

1.3.8. Bulank Mantn Uygulama Alanlar Gnmzde bulank sistemler birok fen bilimleri ve mhendislik uygulamasnda geleneksel teknolojilerin yerine gemi durumdadr. Bulank sistemler; kontrol (en sk kullanld alan), model tanmlama (grnt, ses, sinyal isleme gibi), nicel zmleme (yneylem aratrmas, ynetim), karsama (tehis, tahmin ve planlama iin uzman sistemler; doal lisan isleme; akll arabirim; akll robotlar; yazlm mhendislii), ve bilgi karma (veritabanlar) gibi alanlarda kullanlmaktadr (Deniz, 2006). Bulank Mantk, makineleri daha zeki yapm ve birok rnn ve retim srecinin makine IQ su (Zeka seviyesi) bu sayede artmtr. Bu makineler arasnda fotoraf makineleri, kameralar, televizyonlar, mikro dalga frnlar, amar

77

1. GR

Utkay DNMEZ

makineleri, elektrikli sprgeler, otomatik anzmanlar, motor kontrol, metro denetim mekanizmalar, asansrler ve mikro devreler sralanabilir (Bulut, 2007). Pilav piirme aletlerinden asansrlere, arabalarn motor ve sspansiyon sistemlerinden nkleer reaktrlerdeki soutma nitelerine, klimalardan elektrikli sprgelere kadar bulank mantn uyguland birok saha mevcuttur. Bu sahalarda temin ettii enerji, i gc ve zaman tasarrufu ise, onun iktisat adna ne kadar ok nem verilmesi gereken bir sistem olduunu gstermektedir (Bulut, 2007). Bulank mantn uygulama alanlarna baz rnekler izelge 1.8de grlmektedir.

izelge 1.8. Bulank mantn uygulama alanlar (zkan, 1997) Uygulama Alan Firma Sonu Asansr Denetimi Video Kayt Cihaz amar Makinasi Elektrikli Sprge Su Istcs Klima Cihaz ABS Fren Sistemi Sendai Metro Sistemi imento Sanayi Televizyon Yolcu trafiini deerlendirir, bylece bekleme zaman azalr. Cihazn elle tutulmas nedeni ile ekim srasnda oluan sarsntlar ortadan kalkar. Matsushita amarn kirliliini, arln, kuma cinsini sezer ona gre ykama program seer Matsushita Yerin durumunu ve kirliliini sezer, motor gcn uygun bir ekilde ayarlar. Matsushita Istmada kullanlan suyun miktar ve scaklna gre ayarlama yapar. Mitsubishi Ortam koullarn sezerek en iyi alma durumunu saptar. Tekerleklerin kilitlenmeden frenlenmesini Nissan salar. Hzlanma ve yavalamay ayarlayarak rahat Hitachi bir yolculuk salar. Durma pozisyonunu iyi Mitsubishi/ ayarlayp gten tasarruf salar. iin Deirmende s ve oksijen oranlar Chem denetim yapar. Ekran kontrastn, parlakln ve rengini Sony ayarlar. Fujitec/ Toshiba Panosonic

Birok mhendislik optimizasyon problemlerinde kullanlan parametrelerin bazlar veya hepsi, doal dilden kaynakl lineer (dorusal) programlama problemi olarak dnlebilir. Bunlar bulanklk kullanlarak llebilir (Elamvazuthi, Ganeson, Vesant, Webla, 2009). Bulank mantk uygulamalar, s, elektrik akm, sv gaz akm denetimi, kimyasal ve fiziksel sre denetimlerinde kullanlmaktadr.

78

1. GR

Utkay DNMEZ

Bulank mantk yaklamlarnn kullanld sistemler, klasik sistemlere gre daha etkin s ve hz denetimi yapabilmektedir. Ayrca, enerji tasarrufu salanmakta ve aygt mr uzamaktadr. Bulank mantk yaklamnn kullanld baz irketler ve kulland rnler izelge 1.9da verilmitir (zdaolu, 2008) Bulank Mantn tpk matematik gibi uygulamasnn olmad bir alandan bahsetmek ok zordur. zellikle Modern Kontrol Sistemleri, Bulank Mantk bilimini stlenmi durumdadr. Bu beraberlikten en ok yarar gren baarl uygulamalaryla Otomatik Kontrol Sistemleri bilimi gibi grnmektedir. Bunun yannda Bulank mantk nne kan daha karmak problemlerle kendini ispatlama frsatn yakalamaktadr (Bulut, 2007).

izelge 1.9. Bulank mantk denetiminin endstriyel uygulamalarna rnekler (zdaolu, 2008). amar makinesi AEG, Sharp, Goldstar Pirin frn Goldstar Frn/Kzartc Tefal Mikrodalga frn Sharp Kredi Kart GE Corporation Elektrikli Tra Makinesi Sharp Is Denetimi NASA inspace shuttle Klima Denetimi Ford Camcorder Canon, Sanyo, JVC Batarya arj cihaz Bosch Buzdolab Whirlpool Elektrikli Sprge Philips, Siemens Uygun proses parametrelerini ustaya gerek duymadan karlamak, mterinin ihtiyalarn karlayacak olan salamak, makine deiimlerini kolaylatrmak, lot deiimini azaltmak gibi. Modeller ve optimizasyon yaps birlikte kullanldnda, istenilen kalite seviyeleri iin veya eitli zelliklerde retimi salamak iin gerekli makine parametreleri sorunlarna bulank mantk alternatif zm nerileri salar (Silva, Paiva, Balestrassi, Silva, 2009). Bulank mantk kontrol ve karar verme sistemlerinin alar makine renme teknikleri sayesinde oluturulmutur ve bu balant yaplar, gelien bulank mantk

79

1. GR

Utkay DNMEZ

kurallar ve uygun girdi-kt yelik fonksiyonlarnn bulunmas sayesinde eitilebilir. Kendi kendine kontrol edebilme ve kontrol edilemeyenleri renme karm renme hz, orijinal geri beslemeli renme algoritmasndan daha hzldr. Bu balant modelleri de normal ok tabakal ileri beslemeli sinirsel alar, insann anlayabilecei ekle dntrr ki bu dhili birimler, kullanclar iin, gemite anlalmas olduka g ksmlar olmutur (Lin ve Lee, 1991). Mantk sistemlerindeki almalarn devamllnn faydal olaca, bu sistemlerin yaylaca, belki bulank mantk sistemler ile dier sistemler arasnda bir kpr kurulabilecei bugn gl bir grtr. rnein, quantum mantk da, cebirsel yap ile cebirsel anlam arasndaki iliki gibi. Gerek mantk hesaplamalar hakkndaki bilgilerin, Bilgi Mhendislii ve Yapay Zek alanlarndaki bulank mantk uygulamalarna dntrlmesi ok ilgintir (Gottwald, 2005).

80

2.NCEK ALIMALAR

Utkay DNMEZ

2.NCEK ALIMALAR 2.1. statistiksel Proses Kontrol le lgili Yaplan almalar Bhattacherjee A. ve Samanta B. (2002), Umur E. (2000), Kaya ., Aa A., (2003), Yldrm F. ve ntrk H. (1997), Ttmez B. ve Bayat O. (1999), Zeyveli M. ve Selalmaz E. (2008), Elevli S. ve Behdiolu S. (2006), kendilerinin belirlemi olduklar sektrlerde proses incelemesi yapmlar, istatistiksel kontrol ve teknikleri hakknda bilgi vermiler ve de prosesin kontrol altnda olmas zerine almalar yapmlardr. Tekstil sektrnde ise Buluklu H.M. (2006) dokuma fabrikasnda, Bek G.A (2008) ile Bircan H. ve Gedik H. (2003) konfeksiyon iletmesinde, Erdoan . (2006) ise iplik iletmesinde bilgisayar destekli proses kontrol almalar yapmlardr. statistiksel proses kontrol ve teknikleri hakknda bilgi vermiler ve de prosesin kontrol altnda olmas zerine almalar yapmlardr. Rodriguez R.N ve Prabhu S.S (1997), SAS enstit irketi tarafndan SAS yazlm programnn kontrol tablolar uygulamalarnn etkinlii zerine hazrlanan bir alma hazrlamlardr. Shewhart kontrol tablolarnn geliimi, kullanm alanlar, proses eitliliini oluturan sebepler, kontrol limitleri, Western Electrik in kulland zel durumlarn Nelson tarafndan nasl yorumland gibi konular rneklerle anlatlmtr. Aksu S. (2002) farkl tekstil proseslerinden seilen rnekleri PK teknikleri ile incelenmi, Minitab 13 program ile sonular analiz edilmitir. PK uygulamalar iin bir sistem tasarm adl almada Durman B.M. ve Pakdil F. (2005), bulak makinesi retimi yaplan bir firmada retimin spesifikasyon ve kontrol limitleri iinde olup olmadn izlemek amacyla bir sistem tasarlamlardr. statistiki proses kontrol metodojisi kapsamnda ncelikle lm sisteminin yeterlilii analiz edilmi olup ikinci aamada retim yeterlilii indeksleri hesaplanm son aamada ise X-S kartlarnn Excel ortamnda online olarak izlenmesi salanmtr. Besim A. Ve ztrk E. (2005) PK yntemlerinin

bilgisayarl ortama aktarlarak SPSS program ile ksa srede sorunlara cevap bulmaya almlardr.

81

2.NCEK ALIMALAR

Utkay DNMEZ

nsanolu oklu parametrelerin takibinde istatistiksel kontrol tablosunda farkl yntemlere bavurmutur. Chang S.I. ve Zhang K. (2007) ok deikenli dinamik modelleme matrixinin uygulamas ile S kontrol tablosunu, ok deerli kontrol tablolusuna uyarlayan bir rnee uygulam, Jarrett J. E. ve Pan X. (2009) ise ok deerli proses kontrol tablolar ile Shewhart kontrol tablolar kyaslam, ok deerli proses kontrol tablolarnn avantajlar incelenmitir. rnek uygulamalar ile sonular tartlm ve ok deerli proses kontrol tablolarnn kullanlabilirlii ortaya konmutur. Yine Spanos C.J, Guo H.F, Miller A. ve Levine-Parrill J. (1992), almalarnda gerek zamanl ve ok deerli istatistiklerin analizinde kullanlan parametrelerle PK metotlarnn uygulamalar incelenmitir. statistiksel proses kontrol gelimesi iin kullanlan modeller anlatlmtr. rnek uygulamalar ile kyaslanm ve sonular tartlmtr. Kane V.E. (1986), proses yeterlilik indeksleri (Cp, Cpu, Cpl, k ve Cpk), prosesin durumu ve aralarndaki ilikiyi ortaya koymutur. KL ve AKL hesaplamalar ve prosesten istenen hedeflerin hesaplanmas ve bilgiler verilmitir Woodall W.H., Spitzner D.J. Montgomery D.C. ve Gupta S. (2004), PK ve tekniklerinden ve uygulamalarndan bilgiler verilmi, kontrol tablolar zerinde retim prosesinin gelitirilmesi adna rneklemlerin dalga boylarn incelemi ve grafik yorumlamalar ile lineer ve non-lineer modeller zerinde durulmutur. almada, daha nceki yaymlanan kontrol tablosu almalar incelenmitir ve avantajlar ortaya konmutur. Harris T.J. ve Ross W.H. (1991), geleneksel kontrol tablolar hakknda ksa bir bilgi verildikten sonra, kmlatif toplam (CUSUM) ve arlkl ortalama kontrol tablolar (EWMA) tekniklerinin performanslar arasndaki iliki incelenmitir. Sral veriler iin zaman serili metotlarn kullanm aklanmtr. Bu metotlar arlkl ortalama kontrol tablolar rneklemler ile anlatlmtr. Shiau J.J.H ve Hsu Y.C (2005) de standart kalite kontrol tablolar ile modifiye edilmi arlkl ortalama kontrol tablolar incelenmi ve kyaslanmtr. nceleme sonucunda 2 farkl modifiye edilmi kontrol tablolar retilmi ve simle edilerek incelenmi, modifiye edilmi 3 farkl kontrol tablosu birbiri ile kyas yaplmtr.

82

2.NCEK ALIMALAR

Utkay DNMEZ

2.2. Bulank Mantk ve Uygulamalar le lgili Yaplan almalar

Bulank mantn geliip yaygnlamasyla, zerinde yaplan almalar hzla artmtr. zkan A. O. (1997), Murat . Y. (2006), Karadoan A., Baetin A, Kahriman A. ve Grgn S. (2001), Ylmaz M. ve Arslan E (2005), Kayacan M.C., elik .A. ve Salman . (2003), Tatl H., en Z. (2001), Tanyldz H. ve Yazcolu S. (2006), Deniz E. (2006), Tr R., Kazaz A. ve Yardmc A. (2005), zden S. (2007), S.A. Oke, A.O. Johnson, O.E. Charles-Owaba, F.A. Oyawale ve I.O.

Popoola (2006), bulank mantk zerine almalar yapmlardr. Girdi ve kt yelik fonksiyonlar atayarak bulank karm sistemi kurmular ve sonularnda mevcut sistemlerle bulank mantk ile oluturulan sistemleri kyaslamlar ve daha ksa srede, daha ekonomik ve daha salkl zmlere ulamlardr. Paramashwaran R, Karunakaran R, Iniyan S., Samuel A.A. (2008), almalarnda eitli ayarlanabilir deerleri olan klima sistemlerinin optimizasyonun 2 farkl genetik algoritma (enerji tasarrufu ve sl rahatlk) test sonularn sunmulardr. Bulank mantk kontrolrleri girdi iin scaklk, basn ve kt iin fan hz seilmitir. Silva E.A., Paiva A.P., Balestrassi P.P., Silva C.E.S. (2009), makalede Data Mining Modelleme, Partial Least Squares Modelleme ve Genetic Algorithm Optimizasyon Modelleme yntemlerinin iletmelere; uygun proses parametrelerini ustaya gerek duymadan karlamas, mterinin ihtiyalarn karlayacak olanak salamas, makine deiimlerini kolaylatrmas, lot deiimini azaltmas gibi konularda faydalar olduuna deinilmitir. Zadeh L.A, (1975-1996-1998) kesin doru olmayan, bilirsizlik ieren toleranslarn srdrlebilirlii, dilsel hesaplamadaki merkezi nemi anlatmaya almtr. Mendel J. M. (1995), Atla . H. (1999), Ahmed N. (2003), Gottwald S. (2005) ve Ikl . (2008), yaynlarnda bulank mantk ve uygulamalar hakknda teorik bilgilere deinmilerdir. almalarda, bulank mantn avantajlarndan bahsedilmi, bulank mantn anlalmas iin rnekler vermilerdir. itli N. (2006), Esendal H. (2007), Kuu D. (2007), zdodu A. (2008) ve Karakuolu N. (2008) almalarndaki uygulamalarda bulank kme teorisi

83

2.NCEK ALIMALAR

Utkay DNMEZ

kullanlarak karar vermeye almlar ve karar verme yntemleri ile bulank mant temel prensipleri hakknda bilgi verilmitir. Bulank mantn en etkili kullanm alanlarndan biride kontrol sistemleridir. Lee C.C. (1990) ve Bai Y., Wang D. (2007), bulank mantk kontroln (FLC) genel metodolojisi ve performans deerlendirmesi tanmlanm ve problemlerin aratrlmas gerektiine k tutmutur. zellikle aklamada, bulanklatrma ve durulatrma stratejileri, veri tretme ve kontrol kurallar, bulankl karlatrma ve bulank dnce mekanizmasnn analizi bulunmaktadr. Tortum A., Yayla N. ve Gkda M (2005), Civelekolu G. (2006), almalarnda yapay sinir alar (YSA) hakknda bilgi verilmi ve birletirilmi sinirsel bulank sistemler (BSBS) kullanlmtr. YSA performansn etkileyen faktrlerin uygun deerleri belirlemi ve bu faktrlerin uygun deerleri belirlenmesinde hangi istatistiki bilgi kriterinin kullanlmas gerektiini aratrmtr. Lin C.T. ve George L.C.S. (1991), bir sinirsel a balantsnn, bulank mantk ve kontrolleri iin nerilen bir model olduunu ne srmtr. Bulank mantk kontrol ve karar verme sistemlerinin sinirsel alar, makine renme teknikleri sayesinde eitim rneklerinden oluturulmu ve bu balant yaplar, gelien bulank mantk kurallar ve uygun girdi-kt yelik fonksiyonlarnn bulunmas sayesinde eitilebilmitir. almada kendi kendine kontrol edebilme ve kontrol edilemeyen renmenin karm renmesi gibi sinirsel alar ile kurulan bulank mantk kontrollerinin izahna allmtr. Koska B. (1993), en Z. (2001) ve Altunli . (2009) bulank mantn temel prensiplerini incelemi, Elmas . (2003) bulank mantk, uygulamalar ve bulank denetleyiciler zerinde durmu, almasnda kulland rnekleri detayl ekilde anlatmtr. (2007) de ise almasna yapay zeka ile ilgili uygulamalarn ve genetik algoritma ile ilgili uygulamalar eklemitir. brahim M.A. (2004), Baykal N. ve Beyan T. (2004) almalarnda bulank mantk, bulank uzman sistemler ve bulank denetleyiciler konularnda bilgilendirme yapp, uygulamal rnekler sunmulardr. Genetik algoritmalar da anlattklar almalarnda genetik algoritma uygulamalarn rneklerle anlatarak almalarn desteklemilerdir.

84

2.NCEK ALIMALAR

Utkay DNMEZ

Sivanandam S. N., Sumathi S. and Deepa S. N. (2007) almalarnda bulank mantk ile ilgili tanmlamalar, bulank mantn geliimi, kullanm alanlar hakknda bilgi vermi, yelik fonksiyonu, yaps, ilevi ve nemi, bulanklatrmadurulatrma, kural taban gibi konular detaylca ve rneklerle destekleyerek ve de bu rnekleri MATLAB da uygulayarak kitap halinde okuyucuya sunmulardr. LiXin Wang (1997) ise kitabnda yukardakilere ek olarak bilinen, faal durumda olan ve bulank sistemler ile alan makine ve sistemleri incelemi, bulank sistemleri farkl bilgisayar sistemleri ile denemi ve de bu denemeleri eitli rnekler ile aklamaya almtr. Bu sayede bulank mantkla alan sistemlerinin

kullanmnn gnmzde ne kadar yaygnlatn ifade etmitir. Yaplan literatr aratrmasnda; bulank mantk zerine mhendislik alannda yaplan alma rneklerinin detayl incelenmesi verilmitir. Tarihsel sralama ile incelenen ve tekstil sektrnde yaplan bulank mantk almalar; elyaf olgunluu, iplik kondisyonlanmas, dokumada atk hz, retim planlama, konfeksiyonda alma performanslar gibi konular zerinde yaplm ve tekstil sektrnde bulank mantk uygulamalarnn artmasna sebep olmulardr. a. b. Bulank mantk denetimli bir araba (Elmas, 2007).:almada, bulank mantk ile

arabann bulunduu konumdan geriye dnn denetleyen bir sistem allmtr. Burada adet girdi deikeni vardr; as arabann yatay eksenle yapt ay, x ve y koordinat ifti de arabann arka ve orta noktasnn pozisyonunu gsterir. Her adm iin araba belli oranda geri tanacaktr. Hareket alan [0,100]*[100,0] boyutuna sahiptir ve hedef nokta ise (50*100) noktasdr. Sistemin giri deikenleri arabann as (tekerlek) ve X eksenindeki pozisyonunu gsteren x deikenidir. k deikenleri ise n tekerlein yapt asdr. Deikenlerin arlklar ise 0 x 100 -90 270 -30 30 (Saat ynnde deiim pozitif, tersi ise negatif olarak alnmtr )

85

2.NCEK ALIMALAR

Utkay DNMEZ

Bulank mantk da sistem ile ayn dili konuabilmek iin girdi ve kt veri ifadeleri sisteme tanmlanr.

A () SAA : Sa aa SAY : Sa yukar SAD : Sa dikey D : Dikey

SOD : Sol dikey SOY : Sol yukar SOA : Sol aa x-pozisyonu SO : Sol

SOO : Sol orta O : Orta

SAO : Sa orta SA : Sa (tekerlek as) NB NO NK S PK PO PB : Negatif byk : Negatif orta : Negatif kk : Sfr : Pozitif kk : Pozitif orta : Pozitif byk

Veri tabanna ilenmi olan girdi ve kt deerlerinin bilgileri ve uzman gre ve deneyimler ile harmanlanm bulank kural hazrlanr. Hazrlanan toplam 35 kuraldan bazlar yledir;

86

2.NCEK ALIMALAR

Utkay DNMEZ

Eer x = SO ve = SAA ise = PK dr Eer x = SOO ve = SAD ise = NK dr Eer x = SA ve = D ise = PO dur Eer x = O ve = D ise = S dir Eer x = SAO ve = SAY ise = PB dir

Bulank mantkla yaplan ve arabann bulunduu konumdan geriye dnn denetleyen bir sistem salkl alarak otomobil reticilerine daha ucuz daha verimli bir denetim sistemi sunmutur. Gnmzde Subaru ve Nissan firmalar bulank mantkla alan otomobil sistemlerini aralarnda kullanmaktadr.

c.

Tornalama

ilemlerinde

kesici

takm

anmasnn

bulank

mantk

ile

modellenmesi (Kayacan, elik, Salman, 2003).:Tornalama ilemlerinde takm anmas esas alnarak ekonomik takm kullanm iin bulank mantk programlama yntemi kullanlarak genel bir fuzzy model kurulmutur. Bulank mantk ile kesici takm anma parametrelerinin zm modeli oluturulurken parametrelerin alt ve st limitleri daha nce yaplm olan deneysel almalara, uzman gre ve problemin amacna uygun olarak belirlenmitir. Kesilecek malzeme sertlii, kesici takm sertlii yelik fonksiyonlar yumuak, normal ve sert olarak belirlenmitir. Kesim hz yelik fonksiyonlar yava, normal ve hzl olarak ve ilerleme oran ile alma scakl yelik fonksiyonlar dk, normal ve yksek olarak belirlenmitir. Kesme derinlii yelik fonksiyonlar az, normal ve fazla olarak giri parametreleri ve her bir parametrenin alt ve st limit deerleri belirlenmitir. Hedef fonksiyon olan kesici takm anma miktar alt limit deeri 0 (sfr), st limit deeri 0.8 ve yelik fonksiyonlar ok az, az, orta, ok, ok fazla olarak belirlenmitir. Modeli kurmak iin gerekli olan parametrelerin yelik fonksiyonlar ve ayak genilikleri belirlendikten sonra, probleme etki eden parametreler arasnda gerekli ilikileri kurmak iin uzman gre ve deneysel verilere gre oluturulan kurallarn bir ksm aada bir kesit eklinde belirlenmitir. Baz kurallar;

87

2.NCEK ALIMALAR

Utkay DNMEZ

Eer i paras YUMUAK ve kesici takm SERT ve kesme hz YAVA ve ilerleme oran DK ve tala derinlii AZ ve alma scakl DK ise anma OK AZ.

Eer i paras YUMUAK ve kesici takm SERT ve kesme hz YAVA ve ilerleme oran DK ve tala derinlii AZ ve alma scakl DK ise anma AZ.

Eer i paras SERT ve kesici takm YUMUAK ve kesme hz HIZLI ve ilerleme oran FAZLA ve tala derinlii FAZLA ve alma scakl YKSEK ise anma OK.

Eer i paras SERT ve kesici takm YUMUAK ve kesme hz HIZLI ve ilerleme oran FAZLA ve tala derinlii FAZLA ve alma scakl YKSEK ise anma OK FAZLA.

Tornalama ilemlerinde kesme parametrelerinin bulank mantk ile modellenmesini amalayan bu almada, takm anmasn, en ekonomik ileme artlarn salayacak ekilde kesme parametrelerine uygulayabilmek iin 1605 kural yazlmtr. Elde edilen veriler neticesinde u sonuca varmak hite zor olmamtr; ekonomik tornalama ilemi iin en uygun takm anmasnn ilem parametreleri en ksa zamanda ok kolaylkla belirlenmitir, ayrca deien kesici takm performanslarna, takm tezghlarna ve akademik almalar sonucu elde edilen olumlu kazanmlara gre kural taban, yelik fonksiyonlar ve ayak genilikleri tekrar ksa srede dzenlenerek yeni kesme artlar belirlenebilir. Bunun yan sra oluturulan model, elektronik retim srecinde takm anmasnn e zamanl denetlenebilmesi iin kesme artlarnn kontrol altnda tutulmas amacyla da kullanlabilir.

88

2.NCEK ALIMALAR

Utkay DNMEZ

d.

Bulank mantk denetimli scaklk denetim sistemleri (klimlendirme) (Elmas,

2007).:klimlendirme, kapal bir ortamn scakl, nem, temizlik ve hava hareketlerini insan salk ve konforuna veya yaplan endstriyel ileme en uygun seviyelerde tutmak zere bu kapal ortamdaki havann dzenlenmesidir. Bulank sistem iin giri parametreleri; a. stenilen ortam ayar deeri scaklndan, oda tipi scaklk lme elemanndan alnan o andaki ortam scaklk bilgisinin fark olan ISI HATA (scaklk
0

C) denilen veri, b. imdiki s hata deerinden bir nceki s hata deerinin fark olan ISI

HATA DEM (scaklk 0C) denilen veridir. Is hata, s hata deiim giri deikenlerinin deiim aralklar yledir; -0,75 Is hata 0,75 -0,75 Is hata deiim 0,75 Is hata, s hata deiim giri deikenlerinin deiim aralklarn tanmlar da yledir;

NB : Negatif Byk [-999, -0.5] NO : Negatif Orta [ -0.75, -0.25]

NK : Negatif Kk [-0.5, 0] S : Sfr [-0.25, 0.25] [0, 0.5] [0.25, 0.75] [0.5, 999]

PK : Pozitif Kk PO : Pozitif Orta PB : Pozitif Byk

k deikeni ise, serpantinlerden geen suyun miktarn ayarlayan vanalar denetim eden servo motorlara uygulanan gerilim (Volt) bilgisidir. k deikeninin deiim aral yledir; -220 V 220

89

2.NCEK ALIMALAR

Utkay DNMEZ

k deikeninin (Vnin) deiim aralklarn tanmlar da yledir; NB : Negatif ok Byk [-220] NB : Negatif Byk [-200]

NOB : Negatif Orta Byk [-180] NO : Negatif Orta [-160]

NOK : Negatif Orta Kk [-140] NK S PK : Negatif Kk : Sfr : Pozitif Kk [-120] [0] [120]

POK : Pozitif Orta Kk [140] PO POB PB PB : Pozitif Orta [160]

: Pozitif Orta Byk [180] : Pozitif Byk [200]

: Pozitif ok Byk [220]

Girdi deikenleri verileri ile bilgi taban ve karar verme mant kullanlarak tasarm yaplan bulank mantk denetleyici biriminde 49 adet bulank denetim kurallar kullanlmtr. Bazlar; Eer s hata NB ve s hata deiimi NB ise Volt (V) S dr. Eer s hata NO ve s hata deiimi NB ise Volt (V) PK dr. Eer s hata NK ve s hata deiimi NB ise Volt (V) POK dr. Eer s hata PO ve s hata deiimi PB ise Volt (V) NK dr. Eer s hata PB ve s hata deiimi PB ise Volt (V) S (sfr)dr.

Klimann servo motoru bulank k volt deerine gre alarak ortamn scakl, nemi, havann temizlii ve hava hareketliliini kontrol eder ve bulank mantk denetimi ile sorunsuz ve ucuz bir sistem salanm olur. Sektrde Mitsubishi klimalar bulank mantk denetleyiciler kullanmaktadr. Yine Mitsubishi ve Omron firmas s denetimi zerine makineler retmilerdir.

90

2.NCEK ALIMALAR

Utkay DNMEZ

e.

Bulank mantk kavram kullanlarak pamuun microyap dzeyindeki olgunluk

derecesinin analizi (Sarna, Rabiej, Sarna, Wlochowicz, 2008).:Pamuun olgunluk derecesi, SEM (scaning elektron microskop, elektron mikroskobu ile tarama) metodu kullanlarak pamuk zerindeki hatalar (ham blgeleri) tesbit edilerek

belirlenmektedir. Bulanklk kavram (fuzzy set concept) elde edilen her resmi tek tek analiz etmek iin hata kategorileri gz nne alnarak adapte edilmitir. Bu makalede pamuk olgunluunun bulank yntemle tespiti zerinde durulmutur. Peki nasl? Kullanlan Rus-standartlar bulanklk iin kurallar oluturmutur ve bulank yntem ile yorumlama yaplmtr. ncelikle SEM den elde edilen veriler bulank kodlama ile snflandrlr. SEM in 14 ayr elyaf olgunluk derecesi ayr yelik derecesine datlr; 1-4 aras plastik krlma, 5-8 aras elastik-plastik krlma ve 9-14 aras da elastik krlma. Olgunluk dereceleri de 0.5 ten 5.0 a kadar belirlenmitir fakat 0.5-3.5 aras deerler hatal kabul edildiinden yelik derecelerinin tayinin de bu hatal aralk kullanlmaktadr. Yukardaki yelik derecelerinin yorumlanmas ile ekil 1.44deki kural taban oluturulmutur.

91

2.NCEK ALIMALAR

Utkay DNMEZ

ekil 2.1. Elyaf olgunluu iin kural taban almada Rus standardnn bulank mantk ile eletirilebildii grlmtr. Yine SEM verilerinin tanmlanan kurallar ile Rus standartlarnn tanmlanmas ile bulank kural oluturduu tespit edilmitir. Bu gelimeler dier olgunluk dereceleri belirleme yntemlerinin de bulank mantk ile kullanlabileceinin yolunu amtr. f. Dokuma Kumalarn Kuruma Hz Deerlerinin Bulank Mantk Metodu le

Belirlenmesi (Akarslan, 2007).:Kuruma hznn bulank mantkla zm iin nemli rol oynayan iplik numaras, scaklk, sre giri deikenleri ve kuruma hz k parametreleri olarak seilmitir. Kuruma hznn belirlenmesinde etkili olan iplik numaras be aralkta, scaklk aralkta, sre yirmi be ayak aralnda deneysel almalardan elde edilen veriler ve uzman kiilerin grlerinden yararlanlarak belirlenmitir. k deikeni olarak seilen kuruma hznn tm zelliklerinin detayl incelenebilmesi iin deneysel sonulardan elde edilen deerler ve literatrdeki bilgilerden faydalanlarak otuz iki ayak geniliinde seilmitir. Belirlenen yelik

92

2.NCEK ALIMALAR

Utkay DNMEZ

fonksiyonlarnn birbirleri arasndaki ilikinin sonuca olan etkisi anlalabilmesi iin yz seksen iki adet kural taban oluturulmutur. Bu almada kuruma periyotlarnn tespitine ynelik deneysel verilerden yararlanlarak bulank mantk modellemesi yaplmtr. Modelleme ile alma blgesi aralnda kalmak art ile deney yaplmam deer aralklarnda da kuruma hz tespiti mmkn olmaktadr. Bulank mantk analizinde, Mamdani karm sistemi kullanlm, durulatrma ilemi sentroid yntemine gre yaplmtr. Bu tr bir analizde deneysel veriler, istenilen yaknsaklkta ilenebilmekte ve kural tabanna kolaylkla ilave edilebilmektedir. Bu alma, kurutmann istenilen koullarda yaplmasn salayacak, zaman ve enerji tasarrufu da gz nnde bulundurularak, verilen bir mamul iin makine parametrelerini belirlemeye yardmc olacaktr. Bu sayede verilen artlar altnda mamuln davrann izlemek suretiyle kurutmann optimizasyonu asndan deneysel almalara veri olabilecek sonular elde edilmitir. g. Kondisyonlama artlarnn plik Rutubetine Etkisinin Yapay Zek Yardmyla

Tespiti (Dayk, Kodalolu, 2007).:plik rutubetinin belirlenmesinde etken olan kondisyonlama basnc ve scakl deikenlerinin yelik fonksiyon saylar ve ayak geniliklerinin tespiti deneysel almalardan elde edilen verilerden ve uzman grlerden yararlanarak tespit edilmitir plik rutubeti zerine etki eden faktrlerden kondisyonlama basnc ve scaklnn iplik rutubeti zerine etkisi bulank mantk yardmyla tespit edilmitir. Elde edilen sonuca gre, kondisyonlama basnc ve scaklnn etkisi ak bir ekilde grlmektedir. Kondisyonlama basncnn iplik rutubeti zerine etkisinin %80 ile %90 arasnda artan bir ekilde olduu, %90 ile %100 arasnda iplik rutubetine etkisinin olmad ak bir ekilde grlmektedir. Kondisyonlama scaklnda ise 55C ile 60C arasnda sabit olduu, 60C ile 70C arasnda artan bir ekilde iplik rutubeti zerine etkisinin olduu ak bir ekilde anlalmaktadr. Yine 70C ile 75C arasnda rutubet zerine etkinin olmad ve 75C ile 80C arasnda artan bir ekilde rutubet zerine etkisinin olduu anlalmaktadr. Elde edilen bu sonular fabrika ortamnda yaplan deneysel sonularla benzedii grlmtr.

93

2.NCEK ALIMALAR

Utkay DNMEZ

h.

letme

Fiziksel

Koullarnn Konfeksiyon

Bulank letmesi

Mantk rnei

Yntemi (Gner,

Kullanlarak lleez, nal,

Deerlendirilmesi:Bir

2009).:Grlt, aydnlatma, iklim (nem ve scaklk) gibi fiziksel koullar iin standart deerler gz nne alnarak, her ergonomik deiken iin ayr ayr yelik fonksiyonlar tanmlanmtr. Bu noktada aydnlatma kriteri gibi baz deikenler departmanlara gre farkllk gstermektedir. O nedenle, bu farkllklarn yelik fonksiyonlarna getirdii deikenlikler almaya yanstlmtr. Hesaplamalarda kullanlacak yelik fonksiyon tipleri ve tanmlamalar belirlendikten sonra departmanlar hakknda sonu deerlendirmesinin yaplaca kt fonksiyonlarnn tipleri ve tanmlamalar belirlenmitir. Deerlendirmenin daha salkl bir sonu vermesi iin szel anlatmlar "ok kt", "kt", "orta", "iyi" ve "ok iyi" olmak zere 5 farkl snflandrma eklinde oluturulmutur. Girdi ve kt fonksiyonlarnn tm oluturulduktan sonra gerekleecek tm koullar salayacak ekilde bulank kurallar ortaya konulmaldr. Bu kurallar yine szel deikenlerle ifade edilmi ve konu hakkndaki uzman kiilerin grleri gz nne alnmtr. yelik fonksiyonu iin 3 farkl szel deerlendirme, fiziksel koullar iin 4 farkl deiken ile 81 adet koul oluturulmutur. almada durulama ilemi iin "centroid (sentroid)" olarak bilinen arlk merkezi yntemi kullanlmtr. Yukarda anlatlan yntemle departmanlara gre ergonomik deikenlerin aritmetik ortalama deerleri MATLAB Fuzzy Toolbox'a girilmi, bylece "centorid" yntem; yardmyla her departman iin 0-100 aralnda net bir deer elde edilmitir. Bu deerler tablo haline dntrldnde, izelge 1.10 elde edilmitir. Bu sonularn en dkten en yksee doru sralanmas ile fiziksel koullarda iyiletirme almalarnn hangi departmanda balamas ve hangi srada devam edilmesi gerei ortaya kmaktadr.

94

2.NCEK ALIMALAR

Utkay DNMEZ

izelge 2.1. Dzenleme ncelii karar tablosu

Departmanlar Deerlendirme Puan (0-100) Koullan Dzenleme ncelii

Serim-Kesim Metolama Dikim 1 Dikim 2 K. Kontrol t Paket

47,6 48,8 22,40 23 49,6 24,5 24,40

5 6 1 2 7 4 3

i.

Drum ve Loop Sistemlerinde Atk Hareketinin Dinamik Modellenmesi ve Hzn

Bulank Mantkla Kontrol (Bayhan, Kodalolu, Cengiz, Kaplan, 2002).:Bulank mantkla kontrol edilen denetleyiciler, tpk bir insann makine banda alma koullann gzlemleyerek o makineyi kullanmasna benzer ekilde alrlar. Dolaysyla, tpk usta bir operatr gibi sistem kna bakarak, sistem giriini ayarlarlar. Burada iplik numaras ve tp boyu verilen giri iaretleri olarak bulank denetleyiciye gnderilir. plik numaras ve tp boyu hangi bulank kmede sfrdan farkl yelik derecesine sahipse o kmenin ya da kmelerin temsil ettii szel terimler ile durulatrcda ifade edilir. IF Tp Boyu = Mf1 AND plik Numaras Mf1 THEN plik Hz =Mf 12 Literatrde eitli almalarda loop ve drum iplik besleme sistemleri iin 17 tex numaradaki ipliin hz 4 ft yol boyunca teorik olarak hesaplanm ve grafikleri elde edilmitir. Elde edilen bu deerler Fuzzy mantna aktarlarak

bulanklatrlmtr. Bu bulanklatrma ileminde iplik numara aral (15-45) tex, iplik hz (15-45) m/s ve tp boyu 96 cm olarak hesaplanmtr. Uygulamalar MATLAB programnda hazrlanmtr. Veriler nda oluturulan giri yelik fonksiyon aralklar oluturulmutur. Giri yelik fonksiyonlarna karlk bir de k yelik fonksiyon aral belirlemek gerekir. MATLAB programnda bu almaya ait bulank mantk giri ve k yelik fonksiyonlar arasndaki iliki giri fonksiyonlarnn deerleri iin drum ve loop iplik besleme sistemi iin k fonksiyon deerleri ekil 1.45'de gsterilmitir.

95

2.NCEK ALIMALAR

Utkay DNMEZ

Atk hz

Numara Tp boyu

Atk hz

Numara Tp boyu

ekil 2.2. Drum ve Loop iplik besleme sistemi iin k fonksiyon deerleri

Bu kompleks zelliklerinden atk ipliinin numaras ve iplik besleme tipine gre atk iplii hznn karakteristiindeki deiim bulank mantk ile zlerek teorik hesaplamalarda elde edilen deerlere uyumluluu gsterilmitir. plik ve makine zellikleri ile dokuma makinesinde atk iplii hzndaki deiimi gstererek gerek denemelere gei yapmadan nce, malzeme ve zaman tasarrufu ynnden verilen bir atk iplii iin atknn optimum bir ekilde tanmasn gerekletirecek makine parametrelerinin tespitine yardmc olacaktr. Bu sayede istenilen artlar altnda atk hznn davrann izlemek suretiyle optimizasyon asndan iyi sonu verecek yaklamlar elde edilebilecektir.

96

2.NCEK ALIMALAR

Utkay DNMEZ

j.

Hava Jetli Dokumada plik Tipinin Atk Hzna Etkisinin Bulank Mantkla

Tespiti (Kodalolu, Dayk, olak, Kaplan, 2002):Atk iplii hzna etki eden giri parametreleri bulank mantkta en yaygn olarak kullanlan (genellikle en doru sonucu veren) gen yelik fonksiyonu seilerek bulank hale getirilmitir. Daha sonra bulank mantk kural taban belirlenerek ve bu kurallara dayanarak Suggeno veya Mamdami yntemlerinin herhangi birisiyle "Bulank karar verme ilemi" gerekletirilmitir. Elde edilen bulank deerlerin bir bulank kme ilemi sonucunda kmenin tek say haline dntrlmesi gereklidir. Bu ilem bulanklatrma ileminin tersi olan durulatrma ilemi ile yaplr. Durulatrma iin fuzzy sistemlerde yedi deiik zm metodu nerilmektedir. Fuzzy'de nerilen zm yntemlerin, en byk yelik ilkesi, sentroit yntemi, arlkl ortalama yntemi, ortalama en byk yelik yntemi, en byk alann merkezi yntemi, toplamlarn merkezi yntemi, en byk ilk veya son yelik derecesi yntemleridir. Arlkl ortalama metodu seilmitir. plik hznn bulank mantkla tespiti iin nemli rol oynayan iplik numaras, tp boyu giri deikenleri ve iplik hz k parametreleri olarak seilmitir. plik hznn belirlenmesinde etkili olan iplik numaras ve tp boyu deikenlerin yelik fonksiyon saylar ve ayak genilikleri deneysel almalardan elde edilen veriler ve uzman kiilerin grlerinden yararlanlarak seilmitir. k deikeni olarak seilen atk hznn tp boyunca tm zelliklerinin detayl incelenebilmesi iin deneysel sonulardan elde edilen deerler ve literatr bilgilerinden faydalanlarak 50 yelik fonksiyonu ve bunlarn ayak genilikleri seilmitir. Belirlenen yelik fonksiyonlarnn birbirleri arasndaki ilikinin sonuca olan etkisi anlalabilmesi iin kural tabannn oluturulmas gerekmektedir. Bu almada iplik hzna etki eden zelliklerden en nemlilerinden olan iplik tipi (open end, ring) ve atk iplii numarasnn tp boyunca atk iplii hzna etkisi ve atk iplii hzndaki deiim bulank mantk yardm ile zlmtr ve ortalama atk iplii hz asndan OE ipliklerinin ring ipliklerine gre daha iyi performans gsterdikleri grlmtr.

97

2.NCEK ALIMALAR

Utkay DNMEZ

k.

Kuma Mukavemeti Deiiminin Uzman Sistemle ncelenmesi, (Telli,

Kodalolu, 2003):Mukavemet deiiminin bulank mantkla zm iin nemli rol oynayan iplik numaras, kuma eni giri deikenleri; mukavemet kayb k parametreleri olarak seilmitir. Problemin zmnde kullanlan bulank mantk yntemi ekil 1.46da verilmitir.

plik numaras

Mukavemet Kayb Kuma Eni

ekil 2.3. Kuma mukavemeti deiimi iin oluturulan bulank mantk yntemi

Mukavemet kaybnn belirlenmesinde etkili olan iplik numaras ve kuma eni deikenlerin yelik fonksiyon saylar ve ayak genilikleri her iplik tipi iin deneysel almalardan elde edilen veriler ve uzman kiilerin grlerinden yararlanlarak seilmitir. Burada giri yelik fonksiyonlarmz olan iplik numaras alt, kuma enimiz yirmi ayak aralnda seilmitir. k fonksiyonumuz olan mukavemet deeri ise krk iki ayak aralnda belirlenmitir. Belirlenen yelik fonksiyonlarnn birbirleri arasndaki ilikinin sonuca olan etkisinin anlalabilmesi iin 1800 kural taban oluturulmutur. Sonu olarak; iplik tipi (open-end, ring) ile dokuma makinesinde atk iplii bkm kayb ile dokuma eni boyunca kuma mukavemetinin nasl deitiini gstererek gerek denemelere gei yapmadan nce, malzeme ve zaman tasarrufu ynnden verilen bir atk iplii iin atknn gvenilir bir ekilde tanmasn gerekletirecek makine parametrelerini tespit etmeye yardmc olacaktr. Bu sayede verilen artlar altnda atknn davrann izlemek suretiyle retilen kuma kalitesi optimizasyonu asndan iyi sonu verecek yaklamlar elde edilebilecektir.

98

2.NCEK ALIMALAR

Utkay DNMEZ

l.

Bulank mantk kullanlarak nil ipliklerin bzlme davranlarnn tahmin

edilmesi ve deerlendirilmesi (even, zdemir 2007).:Bu almada bulank mantk kullanlarak iplik parametrelerinin nil ipliklerinin kaynama-bzlme davran belirlenecektir. nil iplikleri farkl iplik numaras (Nm), pile uzunluu ve bkm parametreleri ile nil makinesinde retilir. Bu ipliklerin retiminde merkezde kullanlan iplik akrilik, pile iplii ise viskozdur. nil ipliklerinin kaynayan suda bzlmesi laboratuar test metotlar ile llr. Deney verileri bulank mantk modelini ve temel prensipleri oluturmak iin kullanlr. Girdi verileri olan iplik numaras (Nm), pile uzunluu ve bkm parametreleri yelik fonksiyonlar Mamdani metoduna gre ilenerek kt verisi iplik bzlme yelik fonksiyonu elde edilir. yelik fonksiyonu oluturulurken uzman bilgisi ve deneysel veriler kullanlmtr. plik numaras (Nm) iin 2 adet (4,6), pile uzunluu iin 2 adet(0.7, 1), bkm miktar iin 2 adet(700, 850) derece bulunmaktadr. nil iplik bzlme yelik derecesi ise 8 adettir. Bulank kural taban yine uzman bilgisi ile oluturulur. rnein; Eer (Nm 4) ve (pile uzunluu 0.7) ve (bkm miktar 700) ise bzlme(shrinkage) %1.2. Bulank mantk ve deneylerin sonularnn karlatrlmas sonucunda, llen deerler ve tahmin edilen deerler arasnda dorusal bir iliki vardr. nil iplik retiminin optimizasyon almalar iin daha ekonomik bir yol olmutur. m. Bulank Mantk ile Hava Jetli Atk Atma Sisteminin Hz Kontrol (Kayacan, Dayk, olak, Kodaolu, 2004).:Bu almada hava jetli dokuma tezghlarndaki atk atma sistemi bulank mantk kullanlarak kontrol edilmitir. Tp boyunca, iplik zelliklerinin atk iplii hzndaki etkisi aratrlmtr. Hava jetli dokuma tezghlarndaki atk iplii hznda, iplie dorudan etkide bulunan iplik numaras (Nm), bkm katsay ve tpn uzunluu deerindeki deiimi bulank mantk sistemi kullanarak belirlenmitir. Deneysel veriler ve uzman kii bilgisi bulank mantk modellemenin kurulmasnda ve temel kurallarn yaplmasnda kullanlmtr. almada Open-end 0-200 tex aralnda iplik kullanlmtr ve bkm miktar da 2000-3600 aralndadr. yelik dereceleri 5 er adet seilmitir. kt verisi olarak atk hzna etkisi ise 16 yelik derecesi atanmtr.

99

2.NCEK ALIMALAR

Utkay DNMEZ

Sonu; iplik hz, bkm katsays, iplik numarasna (Nm) ve tpn uzunluuna duruma gre bulank mantk ile kolaylkla tespit edilmitir. plik hznn optimizasyonu iin deneysel metot yerine bulank mantk kullanlmasnn daha ekonomik bir yol olabileceinin mmkn olabileceine dair pozitif sonular elde edilmitir. n. Tefeleme lemi Sresince zg Tansiyon eitliliinin Modellenmesinde

Bulank Mantk Kullanm (Dayk, Kayacan, Acar, al, 2008).:Bu almada tefeleme annda erevedeki zg tansiyonlar bulank mantk sayesinde belirlenmitir. Bulank modelleme, tefelemedeki zg iplii tansiyon eitliliinin (kt deikeni) en nemli parametresi olan ereve ykseklii, atk skl ve zg iplik elastikiyeti (girdi deikenleri) durumlarna gre kurulmutur. Uzman kii bilgisi ve deneylerin sonular, yelik fonksiyonlarnn belirlenmesinde ve onlarn etkili parametreler arasndaki kural ilikisinin belirlenmesinde kullanlmtr. Girdi yelik fonksiyonlar izelge 1.11 gsterildii gibi 5 eit aralkta alnmtr.

izelge 2.2. yelik fonksiyonlar ve dereceleri Deikenler yelik Fonksiyon Dereceleri

Girdi ereve Ykseklii Atk Skl ok Dk ok Dk zg Elastikiyeti kt zg Tansiyonu ok Dk ok Dk Dk Normal Yksek Dk Normal Yksek Dk Normal Yksek Dk Normal Yksek ok Yksek ok Yksek ok Yksek ok Yksek

Aralk
25-75 mm

0-60 adet/cm % 0-20

25-65 cN

Kural taban ise uzman kii bilgisi ve deneylerin sonularndan faydalanlarak yaplmtr. Birka kural taban verisi;

Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet ok Dk ise zg Tansiyonu ok Dktr.

100

2.NCEK ALIMALAR

Utkay DNMEZ

Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet ok Dk ise zg Tansiyonu Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet Dk ise zg Tansiyonu ok Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet Dk ise zg Tansiyonu Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet Normal ise zg Tansiyonu ok Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet Normal ise zg Tansiyonu Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet Yksek ise zg Tansiyonu ok Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl ok Dk ve Elastikiyet ok Yksek ise zg Tansiyonu ok Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl Dk ve Elastikiyet ok Dk ise zg Tansiyonu Dktr. Eer ereve Ykseklii ok Dk ve Atk Skl Dk ve Elastikiyet Dk ise zg Tansiyonu Dktr.

Sonu olarak, tefeleme esnasndaki ereve yksekliinin, atk sklnn ve zg elastikiyetinin etkileri bulank mantk ile tespit edilmitir. alma sonucunda ereve ykseklii zg tansiyonunu etkileyen en nemli girdi deeri olurken, atk skl en az etkileyen girdi deeri olmutur. Deneysel metotta 31.478 olan girdilerin etki deeri bulank mantk da 32.017 olarak tespit edilmitir. Yine deneysel yntemde 7.55 olan SD deeri, bulank mantk da 6.63 ve T deeri ise deneysel yntem de 3.522 iken bulank mantk da 3.337 olarak tespit edilmitir. Bu almada bulank mantk ynteminin klasik yntemin yerine

kullanlabilecei grlmtr. Sonuca ok daha ksa srede ulalmtr. Ayn zamanda eer yelik fonksiyonlar, aralklar, kural tabanlar ve gerekli ayarlamalar

101

2.NCEK ALIMALAR

Utkay DNMEZ

yaplrsa bulank mantk yntemi btn tezghta kullanlabilir. Bylelikle ilem optimizasyonu salanabilir. 2.3.Bulank Proses Kontrol Tablolar Uygulamalar le lgili Yaplan almalar

El-Shal S.M. and Morris S.A. (2000), makalelerinde bulank mantk kullanm potansiyelinin istatistiksel proses kontrol zerindeki performansn artrmaya almlardr. Parametrelerin takibinde standart sapmann, kmlatif toplamn, yanl alarm ile gerek hatalarn ayrt edilmesi ve kalite zmlerinin gelitirilmesiyle zm yolu aramlardr. %0,3 lk bir yanl alarm pay olan sistemin tasarlanan bulank uzman sistem ile kontrol edildii anlatlmaktadr. Bulut E. G. (2007) almasnda ISO/TS 16949 Otomotiv Kalite Ynetim Sistemi yolculuu anlatlm, PK uygulamas rnei verilmitir. Ayta E. (2006) kontrol emalarnn kullanm ve geliimi ardndaki temel dnce ve prensipler aa kararak; bulank kalite kontrol emalar ile birletirilmitir. imen . (2008) orman iletmesinde bulank kontrol tablolarn kullanarak sistemin kontrol altnda tutmaya almtr. Harris J. (2006), statistiksel proses kontrol ile bulank otomatik kontroln ibirliine deinerek rnekler ile almasn desteklemitir. Rowlands and Wang (1999 ve 2000), sreteki zel durumlar, kontrol grafiklerinde kullanlan zel durumlardan be tanesini inceleyerek tespit etmeye alm ve bulank mantk modeli gelitirmitir. Kontrol grafikleri ile bulank kontrol grafikleri arasndaki yakn ilikiye dikkat ekmitir. yelik fonksiyonlar, kontrol grafiklerindeki 3 ve darda kalan alanlar temsil edecek ekilde oluturulmutur. Kaya ., Gzen . ve Engin O. (2004), veri analizi, tahmin, yorumlama, hata tehisi gibi pek ok kalite kontrol problemi iin uzman sistemlerin kullanmndan bahsetmi ve uzman sistemlerle birlikte kalite kontrol faaliyetlerinin daha etkin ekilde uygulanmakta olduunu ve kontrol sreleri minimize edilebileceini ifade etmilerdir. Glbay M. (2006), bulank kmeler teorisi kullanlarak belirsizlik ieren dilsel verilerle kontrol diyagramlarna yeni yaklamlar gelitirmitir. almada

102

2.NCEK ALIMALAR

Utkay DNMEZ

belirsizlik ieren dilsel veriler, bulank saylarla ifade edilmitir. Dilsel veriler iin bulank kontrol diyagramlar -kesim yaklam kullanlarak gelitirilmi ve bu suretle muayene skl tanmlanmtr. Bu almalar iin PK ve kontrol tablosu hakknda bilgi verilmi, bulank kontrol tablosu oluturulmu ve uygulama ile sonular deerlendirilmitir. Nasi J. ve Sorsa A. (2004), gerek zamanl gereksiz alarmlar, sensor verileri ve analitik lmlerin kombinasyonlar iin uygun metot tahmini ve doruluunu gelitirmek zerine yaplan bir almadr. almada proses kontrol tekniklerinden kontrol tablosundan ve KL-AKL hesaplamalarndan, bu limitlerin standart sapma zerinde bulank olarak kullanlmasndan bahsedilmitir.

103

2.NCEK ALIMALAR

Utkay DNMEZ

104

3.MATERYAL VE METOD

Utkay DNMEZ

3. MATERYAL VE METOD

3.1. Materyal

almann materyalini, Marteks (Mara Tekstil Sanayi) A.. iplik fabrikasnda retimi yaplan Ne 30 ring sisteminde retilen karde pamuk iplii oluturmutur. alma iin Ne 30 ipliin numara lm yaplm olup, almada kullanlacak veriler iin iletmedeki 1 nolu ring iplik makinesi seilmitir. Numara lm iin seilen numuneler ayn harmandan retilen ve btn retim prosesleri ayn olan iplik makinesi zerinde yaplmtr. Numune almada 22 adet gzlem an seilmi ve 5er adet numune alnm ve numara lmleri yaplmtr. Toplam 110 adet numune 5 gnlk periyotta rasgele zamanlarda elde edilmitir. Prosesin yeterlilii sistemin gvenilirlii asndan nemli olduundan, toplanan veriler ile ncelikle prosesin yeterlilik analizi incelenmitir. Arkasndan bulank karm sistemi ve MATLAB kullanlarak prosesin kontrol takip edilmitir.

3.2. Metod

3.2.1. Proses Yeterlilik Analizi

Proses yeterlilii, prosesin deikenliinin, rnn toleransna ne oranda uyduunun lsdr veya bir baka tanmlama ile proses performansnn tolerans limitleri ile balantsn irdeleyen bir karlatrmadr ve yetenek indeksleri ile aklanr (Umur, 2000). Sre yeterlilii, istatistiksel bir lt olup mteri beklentilerine (artname limitleri spesifikasyonlar) gre bir srecin ne kadar deikenlik gsterdiini zetler. Bu aamada dikkate alnan parametreler Cp ve Cpk indisleridir (Durman ve Pakdil, 2005). Cp ve Cpk proses yeterlilik katsaysn hesaplayarak dalmn konumu hakknda bilgi salar. Prosesin yeterli olmas iin Cp ve Cpk 1,33 olmaldr (Bulut, 2007).

105

3.MATERYAL VE METOD

Utkay DNMEZ

3.2.2. Bulank Kontrol Tablolar

Kontrol tablolarnda btn verilerin tanmlanan limitlerin altnda olmas da prosesin tam olarak kontrol altnda olduunu sylemek iin yeterli deildir. Verilerin kontrol diyagram zerindeki blgelerde normal bir desen sergilemesi gerekmektedir. Kontrol tablolar zerinde izlenmesi gereken en nemli hususlardan biride normal d davranlar testlerdir. nceden tanmlanm durumlarda prosesin kontrol dnda olduu rahatlkla sylenebilir (Glbay ve Kahraman, 2008). Klasik kontrol yntemlerinin pratikte birok olumsuzluklar vardr. Sistem modelinin yanl olmas durumunda model taban kontrol, yetersiz sonu verecektir. Hatta modelin kesin doru olmas durumunda bile parametre deerleri ksmen biliniyor veya deikense parametreler iin uygun tahminler yaplmaldr. Bunun gibi tamamlanmam bilgiye dayanan kontrolr genellikle yeterli sonu veremeyecektir (Kuu, 2007). Proses eitlilii durumunda bulank kontrol limitlerinin kullanm kolaylar. rnein verilerin aralk miktarlar ok byk ise gerek limitler bazen zor hesaplanr. Uygulamann gelimesi kesin ve bulank limitlerin tanmlanmasn gerektirir. Geerli veya geerli olmayan lmlerin belli olmad yerlerde kontrol limiti ve bulank limitler arasnda 1 (bir) bulank blge bulunmaktadr. Bu blgede deerlerin arl gvenilir (1) deerden gvenilir olmayana (0) doru azalmaktadr (Nasi ve Sorsa, 2004). Proses kontrol altda olduunda, her bir test iin hatal sinyal verme olasl % 0.5 den daha azdr. Nelsonun 8 testinde zellikle ilk drt test rutin olarak kontrol edilmelidir. Bu testlerden bir veya daha fazla hatal sinyal verme olasl % 1den daha azdr. 5 ve 6 numaral testlerdeki hatal sinyal says %2 ye ykselmektedir (Rodriguez ve Prabhu, 1997). Eer bir dizi ardk veri ortalamann bir tarafna derse, o zaman belirleyici olduuna dair bir olaslk mevcuttur. rnein, eer 7 ardk verinin ortalamann bir tarafna derse bu olaslk % 0.78dir. Gauss dalmna dayanan dier verilerin olaslklar da bulunabilir (Harris, 2006). Nelsonun 8 testi uygulandnda proses kontrol dnda olsa da sistem uyar vermeyebilmektedir (Rodriguez ve Prabhu, 1997).

106

3.MATERYAL VE METOD

Utkay DNMEZ

Literatrde kesin olmayan insan dnce tarzn kavramaya ilikin ok az sayda bulank kontrol tablolar zerine alma vardr. nsan kalite karakteristiklerini belirlemede nemli rol oynadndan beri klasik kontrol tablolar, kesin bilgilere ihtiya duyduundan dolay tablolar uygulanamayabilirler. Klasik kontrol

tablolarnda kan prosesin kontrol altnda ve kontrol dnda olmas durumunda 2 sonu verirken, bulank kontrol tablolar birka aralkta karar verebilir. statistiksel veri dnldnde, kesin olmayan veya belirsiz veya tamamlanmayan (devam eden) proses ile ilgili bilgilerde veya insan dncesi mdahil olduunda bulank kontrol tablolarnn kullanm kanlmaz olmaktadr. Geleneksel Shewhart kontrol tablolar ve bulank kontrol tablolarnn karlatrld izelge 3.1. aadaki gibidir (Glbay ve Kahraman, 2007). Nelsonun 8 testi bugn hala olduka fazla kabul grmektedir. Bu almada proses kontrolde ortaya kan hatal sinyalleri bulank mantk yaklam kullanarak en az seviyeye indirilmeye ve ortadan kaldrmaya allmtr.

107

3.MATERYAL VE METOD

Utkay DNMEZ

izelge 3.1. Geleneksel Shewhart kontrol tablolar ve bulank kontrol tablolarnn karlatrlmas (Glbay ve Kahraman, 2007) Parametre Shewhart Kontrol Tablosu Bulank Kontrol Tablosu Kalite Tek bir kalite parametresi ok sayda kalite karakteristiklerinin parametresi says statistiksel verinin Tamamen gerekli ve kesin Kesin olmayan, belirsiz ve tipi ve uygunluu bilgiler tamamlanmayan proses bilgileri Bilgilerin temeli Gemie dnk veriler Uzman deneyimlerinin kurallar Sonu Kontrol altnda/dnda Kontrol altnda/dnda ve bu deerler arasndaki dilsel aralklar Avantajlar 1. Tek bir kalite 1. yelik fonksiyonlarnn parametresindeki kullanmn derecelerinde uzmann kolayl deneyimlerinden oluan 2. ok objektif (tarafsz) kurallar ile ok daha kesin karar vermesi kontrol standartlar salamas 2. Bulank kurallarn belirlenmesi ok daha esnek Dezavantajlar 1. Esnek olmayan kontrol 1. Ara yz kt biriminin, limitleri uzman deneyimlerinin 2. rneklem boyutunun kurallar tarafndan kontrol limitlerini etkilemesi belirlenmesi 3. Gemie dnk verileri 2. Geleneksel kontrol gzlemlerin resmi kontrol tablolarnn tamamlayc limitleri olmasn gerektirir. kurallarnn (sistematik deiimler iin) uygulanamay 3.2.3. MATLAB Bulank Mantk Ara Kutusu

MATLAB (MATrix LABoratory) ilke defa 1985de C.B. Moler tarafndan matematik ve zellikle de matris esasl matematik ortamnda kullanlmak zere gelitirilmi etkileimli bir paket programlama dilidir. almada MATLABn tercih edilmesinin sebebi, saysal hesaplamalar, grafiksel programlamalar ve simulasyon uygulamalar iin gelitirilmi trdelerine gre zel ve stn bir dil olmasdr. MATLAB ayrca kolay program yazlm ve ileri seviyede grafik zellikler de salamaktadr. Hazr fonksiyon dosyalar yardm ile dier programlama

108

3.MATERYAL VE METOD

Utkay DNMEZ

dilleriyle satrlarca tutan programlar, MATLAB programcl yolu ile sadece birka satrla hazrlanabilir. MATLAB n bir ana paket program yannda, bunun ile birlikte kullanlan uygulama alanna zel, ek bir deme ile ayrca temin edilebilen ara kutularn (toolbox) iermesi tercih edilmesini bir kat daha arttrmaktadr (ztrk, 2000). Bu ara kutularndan birisi de bulank mantk ara kutusudur. Bulank Mantk Ara Kutusu, MATLAB nmerik bilgisayar ortamnda oluturulan fonksiyonlarn bir toplamdr. Kullancya MATLAB erevesinde bulank mantk sistemleri yaratma ve dzeltme aralar salar. eitli fonksiyonlar, birka model uygulamak ve sonularn karlatrmak ve analiz etmek iin kullanlabilir (Wang ve Rownlands, 1999). Bulank mantk ara (Fuzzy logic tool box) mens ile girdi ve kt yelik fonksiyonlarnn oluturulmas ve bunlarn grafiksel olarak sunulmas, bulank kurallarn programa girilerek sistemin altrlmas ilemlerini salayan, kullanm kolay bir programdr. MATLABn sahip olduu zellikler ile yaplan sistemin simlasyonu oluturulabilir veya C program ile hayata geirilebilir (Fuzzy Logic Toolbox Users Guide, 2010). almada avantajlar ve kullanm kolaylndan tr bulank mantk ara kutusu kullanlmtr.

3.2.4. Bulank Kontrol Tablolar Ve MATLAB Program

almada bulank mantk sisteminden yola klarak hazrlanan bulank mantk editr ile kural tablosunda kurallar tanmlanacak, bulanklatrma ilemleri ile durulatrma ilemleri tanmlanacaktr. Etd yaplan verilerin klasik kontrol tablolar ile elde edilen veriler ile girdi ve kt birimleri hazrlanacaktr. Girdi ve kt yelik fonksiyonlar hesaplamalar ve yelik adm aralklar, yelik fonksiyonlar snrlarnda ayn deerler kullanlacaktr. Bulank kural taban hazrlanrken Nelsonn 8li kuralnn ilk 5i tanmlanacaktr. Matlab kural tabannda kurallar girilirken baz hesaplamalar yaplabilmektedir. Nelsonn ilk 5 kurallar ierisinde yer alan byk (>), kk (<), byk eit () ve kk eit () matematiksel ilemleri kural tabannda tanmlanamamakta olduundan Matlab programnda kod atayarak bu ilemleri

109

3.MATERYAL VE METOD

Utkay DNMEZ

tanmlanacaktr. Bu sebeple Matlab programnda sistemin altrlabilmesi iin bulank mantk sistemine dardan mdahale edilecektir. ekil 3.1de sistemin tasarm gsterilmitir.

Bulank Kural Taban ve Veri Taban

Bulanklatrma

Durulatrma

Matlab Bulank Denetleyici/Programlama

Veri Girii

kt/Sonu

ekil 3.1. Tasarlanan bulank sistemin alma prensibi ekil 3.1 tanmlayacak olursak; veri sisteme girdiinde ilk nce 28-32 iplik numara snrlamasn kontrol edilecektir. Snrlar dhilinde ise bulanklatrma ilemine gnderir, sonraki ilem ise kural tabannda ilem yapmaktr. Hem Matlab bulank karm sistemine hem de bulank karm sisteminde tanmlanamayan kurallar iin Matlab bulank denetleyici/programlamaya bavuracaktr. Sistem bulank hesaplamalardan sonra durulatrma ilemine bavuracak ve sonucu Matlab bulank denetleyici/programlamaya bildirecektir. Matlab bulank

denetleyici/programlama ise hangi veri ne derece kontrol altnda veya kontrol dnda sonucu bildirecektir. ekil 3.1de Matlab bulank denetleyici/programlama ile sistem tamamen kontrol edilmektedir. Matlab sadece kural taban oluturmada sisteme destek vermemekte ayrca sadece 28-32 arasndaki saysal deerlerin kontrolnn yaplmasn salamakta ve bu sebeple sistemden snrlama yapmas istenmektedir. Standart sapmann hesaplamalar zerindeki etkisinin olduka fazladr. Ne 30 iplik

110

3.MATERYAL VE METOD

Utkay DNMEZ

kontrolnde 28-32 saysal limitlerin dnda girilen her veri yelik admlar ile 3 limitlerin hesaplanmasnda hatalara sebep vermektedir. Matlab bulank denetleyici/programlama 4 dosyadan olumaktadr. Birincisi snrlamann yapld, hesaplamalarn dier dosyalardan istendii kurallar ve programn altrlmas ilemlerinin yapld ana dosyadr. kincisi sistemdeki bireysel verilerin hesaplamalarnn ve kontrolnn yapld dosyadr. Tasarlanan sistem modler olduundan nc dosya, yelik adm aralklarnn hesaplanmas gibi ilemlerin yapld dosyadr. Tasarlanan programn altrlabilmesi iin verilerin girilip kaydedilmesi gerekmektedir. Son dosya ise verilerin kaydedildii dosyadr. Tasarlanan matlab bulank denetleyici, aklayc ifadeler ile ekil 3.2 de verilmitir. Burada grlen tm dosyalarn ierii Ek-1, Ek-2, Ek-3, Ek-4 ve Ek-5de verilmitir.

ekil 3.2. MATLAB programnda hazrlanan bulank denetleyici 3.2.4.1. Bulank karm Sistemi

Sistemdeki ikinci ve nc dosya Matlab bulank mantk ara kutusunda hazrlanan bulank sistemi kullanarak ihtiyac olan hesaplamalar yaparak, bulank

111

3.MATERYAL VE METOD

Utkay DNMEZ

denetleyici sisteminin almasn salamaktadr. Matlab bulank mantk ara kutusunda, bulank karm sistemi oluturulmaktadr. Bulank karm sistemi oluturulurken girdi ve kt yelik fonksiyonlar tespit edilecektir.

3.2.4.2. yelik Fonksiyonlar

Sistemde kontrol edilen parametre tek bir zelliin takibi olduundan girdi yelik fonksiyonlar ve kt yelik fonksiyonu ayn zelliklere sahiptir. Kural tabanna girilen kurallar ile en ok 8 ardk noktann takibi yaplacandan 8 girdi yelik fonksiyonu tasarlanacaktr. yelik fonksiyonlar adm aralklar oluturulurken kontrol tablolarnda ska kullanlan A(1), B(2), C(3) ve OUT(DI) limitler seilecektir.

3.2.4.3. Kural Taban

Kontrol tablolar ile proses kontrol yaplan sistemlerde Nelsonun kurallar yaygn kullanm alan bulmutur. Nelsonun 8 alan kuralnn ilk 5i kural tabanna uygulanarak, iplik numara prosesinde proses takibi yaplacaktr. Kural taban

oluturulurken bulanklatrma ve durulatrma ilemlerinde faydas olan ve bulank mantn en avantajl yn olan dilsel deikenler kullanlacaktr. Dilsel deikenler ile kontrol tablolarnda ifade edilen kontrol d/kontrol altnda sonu ifadeleri, pozitif kontrol altnda (PKA)/pozitif kontrol dnda (PKD) gibi ifadelerin yan sra yaklak pozitif kontrol altnda (YPKA)/yaklak pozitif kontrol dnda (YPKD) gibi bulank sonular verecektedir. Bulanklatrma ilemi iin kullanm basit ve hzl cevap verebilen Mamdani (Max-Min) yntemi kullanlacaktr. Durulatrma ilemi iin ise Sentroid (arlk merkezi) yntemi kullanlacaktr. Matlab bulank denetleyici/programlama ara yznde, birinci programn altrlmas veriler hesaplanacak, sistem deerlendirmelerini yaparak sonu sayfasnda prosesin ne derece kontrol altnda/dnda, dnda ise hangi verinin kontrol dnda olduuna dair sonu verecektir.

112

4.BULGULAR VE TARTIMA

Utkay DNMEZ

4. BULGULAR VE TARTIMA

4.1. Proses Yeterlilik Analizi

Marteks iplik fabrikasnda sonularn daha salkl olabilmesi iin lmler, ayn harmandan ve ayn makineden retilen Ne 30 numaradaki ipliklerin, Marteks laboratuarnda Uster Autosorter 4 numara test cihaz ile numaralar kontrol edilmitir. Veri toplama ilemi otomatik toplanmayp elle gerekletirilmitir. Toplamda 110 lm izelge 4.1de aada ekildeki gibi verilmitir.

izelge 4.1. Numara lm rneklemleri

S. NO LMLER X-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

X1 30,175 29,679 29,705 30,192 30,545 30,477 29,938 30,351 29,982 29,613 30,010 30,301 30,022 29,926 30,100 29,749 30,494 30,016 30,213 30,098 30,370 30,103

X2 X3 30,127 30,035 30,255 30,526 30,128 29,701 29,796 30,132 30,106 30,117 30,022 30,374 30,027 30,138 29,572 29,862 29,718 29,830 29,558 29,681 29,699 30,157 29,900 30,237 30,075 30,187 30,283 29,860 30,186 29,894 30,262 29,509 30,358 29,749 29,917 30,167 30,456 30,172 29,947 30,252 30,330 29,963 30,685 30,116 Ortalama

X4 30,191 30,476 30,187 30,680 30,030 29,666 29,680 29,900 29,868 29,706 30,158 30,282 30,218 29,834 29,762 29,611 29,743 30,164 30,188 30,258 29,983 30,099

X5 ORTALAMA 30,107 30,127 30,019 30,191 30,293 30,003 30,079 30,176 29,968 30,153 30,337 30,175 29,919 29,940 30,674 30,072 29,688 29,817 30,057 29,723 30,021 30,009 30,018 30,148 29,490 29,998 29,749 29,930 29,517 29,892 29,676 29,761 29,865 30,042 30,102 30,073 30,274 30,261 29,931 30,097 30,259 30,181 30,341 30,269 30,047

R-DEM ARALII

0,156 0,847 0,592 0,884 0,577 0,811 0,458 1,102 0,294 0,499 0,459 0,401 0,728 0,534 0,669 0,753 0,751 0,250 0,284 0,327 0,407 0,586 0,562

113

4.BULGULAR VE TARTIMA

Utkay DNMEZ

almann amalarndan birisi de gelien teknolojik gelimeler sayesinde iletmelerin optimizasyonunu salamaktr. Bu dorultuda proses yeterlilik analizi iin Minitab adl istatistik program kullanlmtr. aada verilmitir. Programdan alnan bilgiler

Xort grafii iin; ML = Xort = 30,0472

[ (X -X
i

2 ort)

] / (n-1) = 0,1532

(3.1)

AKL = Xort 3 = 29,5875 KL = Xort + 3 = 30,5069 R grafii iin; ML = Rort = 0,562

(3.2)

(3.3)

[ (X -X
i

2 ort)

] / (n-1) = 0,2385

(3.4)

AKL = Rort 3 = -0,153 KL = Rort + 3 = 1,278

(3.5)

(3.6)

114

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.1. lmleri yaplan rneklemlerin Xort-R Diyagramlar ekil 4.1deki diyagramlar incelendiinde prosesin kontrol altda olduu, her bir deerin limitler dahilinde yer ald grlmektedir. letme artlar mkemmeli yakalayabilmek iin ayarlanm, proses bu ekilde kurulmu ve rnler mteri memnuniyetini salamak iin proses srekli kontrol altnda tutulmaya allmaktadr. ekil 4.2 de proses yeterlilik analizi grlmektedir. Cpk iin arzu edilen min. deer 1 'dir. Proses ortalamas, tolerans aral orta deerinden ne kadar uzaklarsa, bunu ortaya karan yetenek indeksi de o kadar der. Cp, verilen bir kalite zellii iin spesifikasyon limitlerini (tolerans limitlerini) prosesin karlayabilmesinde yeterli potansiyelin olup olmadn belirler. Cpk ise, verilen bir kalite zellii iin, spesifikasyon limitlerine gre prosesin dalma aralnn konumlanma mkemmelliini ler.

115

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.2. letmenin Proses Yeterlilik Analizi letmenin prosesinin yeterlilii alma iin ok nemlidir. Proses yeterli olmayan iletmede yaplan almalarn gvenilir sonular vermesi pek gereki deildir. ekil 4.2.de verilen proses yeterlilik analizinde Cp(2,79) > (1,33) prosesin yeterli olduunu gstermekte ve Cpk(2,79) > (1,33) ile de prosesin artname deerlerini karlad grlmektedir. Netice itibariyle Marteks plik iletmesi istatistiksel proses almalarnn yaplabilmesi iin uygun bir iletmedir. 4.2. Bulank karm Sistemi MATLAB bulank karm sistemi (FIS) editr bir bulank karm sistemi hakkndaki genel bilgiyi sergiler. Sistem, aada bulunan Nelsonun 8 testinin ilk 5 alan kurallarn temsil etmek iin tasarlanm 8 girdi deikeni ve 1 kt deikeni iermektedir. Bulank karm sisteminde, girdi ve kt yelik fonksiyonlarnn veri girileri, karar verme birimi olarak Mamdani ynteminin seim ilemi, Sentroid durulatrma ynteminin seim ilemi, Nelsonun 8 kuralnn ilk 5inin kural tabanna girilmesi ilemleri rahatlkla yaplabilmektedir. Nelsonun 8 kural ise yledir;

116

4.BULGULAR VE TARTIMA

Utkay DNMEZ

Alan Kural 1: Kontrol limitlerinin tesinde yer alan bir tek nokta. Alan Kural 2: A alanndaki ya da tesindeki herhangi (3) ardk noktann ikisinin varl. Alan Kural 3: B alanndaki ya da tesindeki herhangi be (5) ardk noktann drdnn varl. Alan Kural 4: Alt (6) ardk nokta, srekli olarak artarsa ya da azalrsa ilemde sistematik bir eilimin iareti demektir. Alan Kural 5: Eksen merkezinden doruca aada ya da yukarda olan sekiz (8) ya da daha fazla ardk nokta ilem ortalamasnn (X izelgesindeki) ya da deikenliin (R izelgesindeki) eksen merkezinden kayd anlamna gelir. Alan Kural 6: On drt (14) ardk nokta izelgede salnm yaparsa, bu ilemde sistematik bir devirsel eilimin olduuna iarettir. Alan Kural 7: Alan C haricinde eksenin iki tarafndan birinde sekiz (8) ardk nokta belirdiinde, bu kontrol d bir duruma iarettir. Alan Kural 8: Yalnzca alan Cde on be (15) ardk nokta belirdiinde, bu kontrol d bir duruma iarettir.

ekil 4.3. 8 girdi ve 1 kt yelik parametrelerinden oluan Mamdani modeli

117

4.BULGULAR VE TARTIMA

Utkay DNMEZ

4.2.1. yelik Fonksiyonlar yelik deerleri 0 ve 1 arasnda bir deer alr ve X de dilbilimsel terimler olarak A(1), B(2), C(3) ve OUT(DI) terimlerine dayanan [0,1] araln alr. gensi ve yamuk yelik fonksiyonu tipi, girdi ve kty temsil etmek iin kullanlan ortalama deikenleri temsil etmek iin seilmitir. MATLAB programnda hazrlanan programda hesaplamalar iin hibir rakamsal veri kullanlmamtr. Hesaplamalarn tmnde formller kullanlm, yelik adm aralklar da bu formller ile bulunmutur. izelge 4.2 de saysal deerler ile programda kullanlan hesaplamalar bulunmaktadr.

ekil 4.4. Sistemde kullanlan blgeler (snrlar) ekil 4.4de, -OUT, -A, -B, -C, C, B, A, OUT terimleriyle ilgili olan olas sekiz (8) yelik admlar gsterilmitir. Bu deerler kontrol diyagram alan kurallarna denk dmektedir. nk kontrol tablolarnn yorumlanmasnda ard ardna maksimum 8 adet noktann durumu hakknda karm yaplacak olup ve her bir nokta kendi bana deerlendirildii gibi sorunsuz grnp aslnda sistemde sorun tekil edebilecek ardk 8 noktay da deerlendirecektir. ekil 4.5 ve ekil 4.6da girdi yelik fonksiyonlarndan herhangi birisine ait yelik admlarn, sistemin hassasiyetini arttrmak adna sisteme dahil edilen kayma miktarlar grlmektedir.

118

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.5. yelik fonksiyonu admlar ve snr deerleri

ekil 4.6. Girdi 1. noktann yelik fonksiyonu ve snrlar Bulank mantkta bulanklatrmak zm bulmada sisteme fayda

saladndan, kayma adn verdiimiz standart sapmann %5 lik deerine eit saysal deeri yelik fonksiyon adm aralklarna pozitif ve negatif olarak eklenmektedir.

119

4.BULGULAR VE TARTIMA

Utkay DNMEZ

izelge 4.2. yelik fonksiyonlar adm hesaplamalar yelik - OUT Sra - 1 3 2 5 4 7 6 10 9 8 12 11 14 13 16 15 17 + Adm Hesaplamas ort-100*sapma ort-3.5*sapma ort-3*sapma+kayma ort-3*sapma-kayma ort-2*sapma+kayma ort-2*sapma-kayma ort-1*sapma+kayma ort-1*sapma-kayma ort+kayma ort ort-kayma ort+1*sapma+kayma ort+1*sapma-kayma ort+2*sapma+kayma ort+2*sapma-kayma ort+3*sapma+kayma ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma Saysal Deer 14,7241 29,5109 29,5952 29,5798 29,7484 29,7331 29,9016 29,8863 30,0548 30,0472 30,0395 30,2081 30,1928 30,3613 30,3460 30,5145 30,4992 30,5835 45,3703

-A -B -C

+C +B +A

+ OUT

8 girdi yelik fonksiyonlar, ardk en fazla 8 girdiyi ilgilendiren alan kural incelendii iin ayn parametrelerden olumaktadr. Girdi ve kt yelik fonksiyonlarnn tamam iin yelik adm aralklar ve snrlar ayn deerlerden olumaktadr. Her bulank kmenin yelik fonksiyonu llen verilerden oluturulmutur. Bu sebeple tm yelik fonksiyonlarndan gelebilecek mmkn deerler tespit edilebilmitir. kt yelik fonksiyonlar MATLAB programnda kodlama yaplarak modler bir sistem tanmlanm ve hesaplamalarn kendisi yapmas salanmtr. Bu sebeple lm yaplan deerler sisteme yklendii vakit MATLAB da kurulu sistem 1, 2 ve 3 limitlerini hesaplayarak yelik adm aralklar olarak A, B, C ve OUT parametrelerini belirlemi olacaktr. Bu sistem sayesinde 30 Ne

120

4.BULGULAR VE TARTIMA

Utkay DNMEZ

iplik proses kontrol iin dnlen sistem herhangi bir parametre iin tekrar bulank karm sistemi kurmadan farkl iplik numara takibi hatta farkl herhangi bir parametre takibinde kullanlabilir haline getirilmitir.

ekil 4.7. kt yelik fonksiyonu ekil 4.7de grlen ve kt yelik fonksiyonunda kullanlan NKD, NYKD, NYKA, NKA, PKA, YPKA, YPKD ve PKD yelik admlar szel manada anlalr maksatl kullanlmtr. Karlklar A(1), B(2), C(3) ve OUT(DI) olarak bilinmekte ve izelge 4.3. de gsterilmitir. izelge 4.3. kt yelik fonksiyonunda kullanlan ksaltmalar ve anlamlar Ksaltma
NKD YNKD YNKA NKA PKA YPKA YPKD PKD

Anlam
Negatif Kontrol D (-OUT) Yaklak Negatif Kontrol D(-A) Yaklak Negatif Kontrol Altnda (-B) Negatif Kontrol Altnda (-C) Pozitif Kontrol Altnda (+C) Yaklak Pozitif Kontrol Altnda (+B) Yaklak Pozitif Kontrol Dnda (+A) Pozitif Kontrol Dnda (+OUT)

121

4.BULGULAR VE TARTIMA

Utkay DNMEZ

4.2.2. Bulank Kural Taban

Bulank kural taban sistemin davrann tanmlayan kural listesini oluturmak iin kullanlr. Veri tabanndaki girdi deerleri ile kt deerlerini birbirine mantksal Eer-se trnde kurallarla balayarak oluturulan kural taban, sistemin kalbidir. 8 alan kural tanmlanan Nelsonun kurallarnn ilk 5 bu almada uygulanarak, iplik numara prosesinde bulank kontrol almas yaplmtr. lk 5 kural dan kontrol d unsurlardan 11 temel kural ve trevleri oluturulmutur. ekil 4.8de MATLAB ortamndaki kural taban grlmektedir.

1. Eer nokta 1 OUT ise, durum PKD/NKDdir (alan kural 1); 2. Eer nokta 1 A ve nokta 2 A ise, durum PYKD/NYKD dir (alan kural 2); 3. Eer nokta 1 A ve nokta 3 A ise, durum PYKD/NYKDdir (alan kural 2); 4. Eer nokta 1 B (ya da A) ve nokta 2 B ve nokta 3 B ve nokta 4 B ise durum PYKA/NYKAdir (alan kural 3); 5. Eer nokta 1 B (ya da A) ve nokta 3 B ve nokta 4 B ve nokta 5 B ise durum PYKA/NYKAdir (alan kural 3); 6. Eer nokta 1 B (ya da A) ve nokta 2 B ve nokta 4 B ve nokta 5 B ise durum PYKA/NYKAdir (alan kural 3); 7. Eer nokta 1 B (ya da A) ve nokta 2 B ve nokta 3 B ve nokta 5 B ise durum PYKA/NYKAdir (alan kural 3); 8. Eer nokta 1 A (ya da B) ve nokta 1>nokta 2>...>nokta 6 ise, durum PYKD (ya da PYKA) olur (alan kural 4); 9. Eer nokta1 A (ya da B) ve nokta 1<nokta2<<nokta 6 ise, durum NYKD /ya da PYKA) olur (alan kural 4); 10. Eer nokta 1 A (ya da B ya da C) ve nokta 2>=CL ve nokta 3>=CL ve ... ve nokta 8>=CL ise, durum PYKD (ya da PYKA) olur (alan kural 5); 11. Eer nokta 1 A (ya da B ya da C) ve nokta 2<CL ve nokta 3<CL ve ve nokta 8<CL ise, durum NYKD (ya da NYKA ya da NKA) olur (alan kural 5).

122

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.8. Bulank mantk kural taban ve MATLAB da hazrlan Oluturulan kurallardan ilk 7 tanesi MATLAB programnda hazrlanan bulank denetleyici modellenmitir. Fakat dier 4 ise MATLABda kural yazlarak sisteme monte edilmitir. MATLAB da oluturulan kodlar sayesinde sisteme monte edilen dier 4 kuraln tanmlamas bulank karm sisteminde byk, kk (> ve <), byk eit kk eit ( ve ) ilemlerin yaplamamas sebebiyledir. Bulank mantn avantajlarndan biri olan dilsel yaklam ile YPKA, YNKD gibi ifadeler ile alan kurallarn temel zelliklerine dayanlarak hazrlanan bulank kural tabannda tm olas kombinasyonlar dikkate alnarak hazrlanmtr. ekil 4.9da verilen kural grntleyici, bulank karm programnn MATLAB-tabanl grntleyicisidir. Tehis etme arac olarak kullanlr ve hangi kurallarn aktif olduunu ya da bireysel yelik fonksiyonu ekillerinin sonular nasl etkilediini gsterir.

123

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.9. MATLAB programnn bulank mantk kural grntleyicisi almamzda 8 veriye kadar girildiinde ilem yapabilecek bir sistem dnlmtr. MATLAB da atanan kodlar sayesinde sistem gelen ilk veriyi kontrol edecektir. Birinci veriden sonra gelen ilk veriyi birinci, dierini ise ikinci kabul edip kural tabanndaki kurallar uygulayacaktr. Sistem 8 veriye kadar kodlar ile hem tek tek hem de ikili, l, drtl, beli, altl, yedili ve sekizli olarak kontrol ederek bir dng yakalayacak, sisteme ne kadar veri girilirse bu ilemi sonsuza kadar tekrarlayacaktr. Fakat veriler sisteme gruplar halinde girilmelidir. Tek tek verilerin girilmesi halinde sistem bu verinin standart sapmasn hesaplayp, ortalamasn alacak ve yukarda bahsedilen kural tabanndaki tek girdili kurallar uygulayacaktr. 4.2.3. Kural tabanna ilenmi kurallarn uygulanmas

Gnn herhangi bir saati alnan rneklemler sisteme girilmelidir. Sisteme 1 veri bile girilse size hesaplamalar yapacak ve kt iin en yaklak doruyu verecektir. Sistem 8 verinin dngs zerine tanmlanmtr. Bu sayede sistem tam bir evrim yapacak ve btn kurallar uygulam olacaktr. Aada 8 veri ile kurallarn uygulamasnn izah yaplmaya allmtr.

124

4.BULGULAR VE TARTIMA

Utkay DNMEZ

8. Veri 7. 6. 5. 4. 3. 2. 1. Veri Veri Veri Veri Veri Veri Veri Kural 1. X bireysel sorguland Kural 1. X bireysel sorguland Kural 1. X bireysel sorguland Kural 2-3. X1 X2 X3 den ikisinin A da yer almas Kural 1. X bireysel sorguland Kural 2-3. X1 X2 X3 den ikisinin A da yer almas Kural 1. X bireysel sorguland Kural 2-3. X1 X2 X3 den ikisinin A da yer almas Kural 4. X1 X2 X3 X4 sralamas ile B de yer almas Kural 5. X1 X3 X4 X5 sralamas ile B de yer almas Kural 6. X1 X2 X4 X5 sralamas ile B de yer almas Kural 7. X2 X3 X4 X5 sralamas ile B de yer almas Kural 1. X bireysel sorguland Kural 2-3. X1 X2 X3 den ikisinin A da yer almas Kural 4. X1 X2 X3 X4 sralamas ile B de yer almas Kural 5. X1 X3 X4 X5 sralamas ile B de yer almas Kural 6. X1 X2 X4 X5 sralamas ile B de yer almas Kural 7. X2 X3 X4 X5 sralamas ile B de yer almas Kod 1. X1>X2>X3>X4>X5>X6, X1 A yada B Kod 2. X1<X2<X3<X4<X5<X6 X1 A yada B Kural 1. X bireysel sorguland Kural 2-3. X1 X2 X3 den ikisinin A da yer almas Kural 4. X1 X2 X3 X4 sralamas ile B de yer almas Kural 5. X1 X3 X4 X5 sralamas ile B de yer almas Kural 6. X1 X2 X4 X5 sralamas ile B de yer almas Kural 7. X2 X3 X4 X5 s ralamas ile B de yer almas Kod 1. X1>X2>X3>X4>X5>X6, X1 A yada B Kod 2. X1<X2<X3<X4<X5<X6 X1 A yada B Kod 3. X2CL, X3CL, X4CL, X5CL, X6CL, X7CL, X8CL, X1 A (or B or C) Kod 4. X2<CL, X3<CL, X4<CL, X5<CL, X6<CL, X7<CL, X8<CL, X1 A (or B or C) Kural 1. X bireysel sorguland Kural 2-3. X1 X2 X3 den ikisinin A da yer almas Kural 4. X1 X2 X3 X4 sralamas ile B de yer almas Kural 5. X1 X3 X4 X5 sralamas ile B de yer almas Kural 6. X1 X2 X4 X5 sralamas ile B de yer almas Kural 7. X2 X3 X4 X5 s ralamas ile B de yer almas Kod 1. X1>X2>X3>X4>X5>X6, X1 A yada B Kod 2. X1<X2<X3<X4<X5<X6 X1 A yada B Kod 3. X2CL, X3CL, X4CL, X5CL, X6CL, X7CL, X8CL, X1 A (or B or C) Kod 4. X2<CL, X3<CL, X4<CL, X5<CL, X6<CL, X7<CL, X8<CL, X1 A (or B or C)

125

4.BULGULAR VE TARTIMA

Utkay DNMEZ

Sistemin alma prensibi, Mamdani yntemini sistem zerinden ikinci veya nc kuraln aklamas ekil 4.10 ve ekil 4.11daki gibidir. Bulank karm sistemi verileri nce bireysel kontrol edecektir. Arkasndan sisteme yklenmi olan kurallar altracaktr. Kurallar az veriden ok veriye doru, tpk kurallarn ykleni formatndaki gibi kontrol edilecektir. Bu sebepten ayn sekizli (8) veri ierisinde tek bir kuraln almasna sebep olan veri grubu olabilecei gibi en fazla iki kuraln alabilecei veri grubu olabilir.

ekil 4.10. Birinci verinin A blgesinde olmas

ekil 4.11. kinci veya nc verinin A blgesinde olmas

ekil 4.12. Mamdani (Max-min) yntemine belirlenip hesaplanacak (a) ve (b) genleri

126

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.12de gre minimum (min) ilemi sonucu (a) geni seilecek olup, durulatrma ilemi (a) geninde hesaplanacaktr. Sistem durulatrmas iin seilmi olan Sentroid (arlk merkezi) yntemi ile de durulatrma yaplacaktr. ekil 4.13de A blgesinde bulunan ve Mamdani yntemi ile cevap olarak seilen verinin sentroid durulatrma yntemi ile durulatrma ilemi grlmektedir.

ekil 4.13. Sentroid ynteminin uygulanmas ekil 4.14de drdnc kuraln (ardk 4 verinin B glgesinde yer almas) altrlmas halinde Mamdani (Max-Min) ynteminin uygulann grlmektedir.

127

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.14. Drdnc kuraln uygulannn gsterimi ekil 4.15de ardk 4 verinin B blgesinde bulunmas kuralnn sonucunda, sentroid durulatrma yntemi ile durulatrma ilemi grlmektedir. Mamdani yntemine gre kuraln almasna sebep olan en kk girdi verisi sentroid ynteminin uygulanmas iin seilir. Seilen birimin arlklarn ortalamas ilemi ile de sonu ortaya kar.

ekil 4.15. Drdnc kural rneine Sentroid ynteminin uygulanmas

Durulatrma ilemi ise eitlik 1.50 ye gre yaplr. Z = [0,45 * (29,75+29,60)/2 ] / 0,45 Z = 29,675

128

4.BULGULAR VE TARTIMA

Utkay DNMEZ

Bu sonu ile 4 verinin incelenmesi neticesinde Negatif Yaklak Kontrol Altnda olduu grlecektir. Ayn 8li grup ierisinde 2 kural ayn anda iletecek noktalarn alma durumu sz konusu olursa yine Mamdani ekil 4.16deki gibi alacaktr.

ekil 4.16. Drdnc kural ile ikinci kuraln ayn 8li grup ierisindeki veride bulunmas durumu

129

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.17.Drdnc (***) ve ikinci (**) kurala sentroid ynteminin uygulanmas Sentroid (Arlk Merkezi) yntemine gre durulatrma ilemi eitlik 1.50 de verilen ekilde yaplmaktadr. Birinci genin arlk merkezinin bulunmas; Z1 = 0,45 * (29,75+29,60)/2 = 13,75 kinci genin arlk merkezinin bulunmas Z2 = 0,41 * (29,90+29,73)/2 = 12,22 Ortaya kan yamuun arlk merkezinin bulunmas Z = (13,75 + 12,22) / (0,45+0,41) Z = 30,19

Yukardaki rnein sonucunun zmlemesi neticesinde Pozitif Kontrol Altnda cevabn verecektir. almada Ne 30 iplik retimi yapan iplik iletmesinin bulank kontrol tablolar ile izlenmi, sistemde kontrol d unsurlarn varl takip edilmitir. MATLAB da kodlar ile tamamladmz bulank karm sistemine, alma iin elde edilen 22 veri girilmi ve alnan sonulardan rnekler izelge 4.4. verilmitir. Buradan elde edilen tm sonular Ek-1de verilmitir.

130

4.BULGULAR VE TARTIMA

Utkay DNMEZ

izelge 4.4. Programa girilen 22 verinin sonularnn verildii tablo rnei. Gelen Yeni Veri : 29.7610 Yeni Verinin Bireysel Sonucu: Yaklak Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.8170 29.7230 30.0090 30.1480 29.9980 29.9300 29.8920 29.7610 a O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir ---------------------------------------------------------------------------------------Gelen Yeni Veri : 30.0420 Yeni Verinin Bireysel Sonucu: Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.7230 30.0090 30.1480 29.9980 29.9300 29.8920 29.7610 30.0420 b O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir ---------------------------------------------------------------------------------------Gelen Yeni Veri : 30.1810 Yeni Verinin Bireysel Sonucu: Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.9300 29.8920 29.7610 30.0420 30.0730 30.2610 30.0970 30.1810 c O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir ---------------------------------------------------------------------------------------Gelen yeni veri : 30.2690 Yeni Verinin Bireysel Sonucu: Yaklak Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.8920 29.7610 30.0420 30.0730 30.2610 30.0970 30.1810 30.2690 d O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir.

131

4.BULGULAR VE TARTIMA

Utkay DNMEZ

Eer proseste kontrol d bir veri bulunursa hazrlanan program bu kez izelge 4.5deki gibi sonu tablosu verecektir. izelgede uyar olarak, hazrlanan programn hangi forml satrnda olduuna dair verileri de verilmektedir. izelge 4.5. Veriler ierisinde kontrol d bir veri yakalanrsa sistemin verdii sonu tablosu Warning: Some nput Values Are Outside Of The Specified nput Range. > In Evalfis At 76 In Bireysel At 93 In Tlproje At 107 Gelen Yeni Veri: 29.0100 Yeni Verinin Bireysel Sonucu: Negatif Kontrol D ncelenen Veriler: Columns 1 Through 8 29.7610 30.0420 30.0730 30.2610 30.0970 30.1810 30.2690 29.0100 Warning: Some nput Values Are Outside Of The Specified nput Range. > In Evalfis At 76 In Tlproje At 170 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir

izelge 4.4a incelenirse, bulank denetleyici/programlamaya girilen yeni veri, Gelen Yeni Veri ksmnda grlr. Bu verinin, kontrol sonucu Yeni Verinin Bireysel Sonucu satrnda grlr. Yeni verinin yer ald 8li veri seti, bir alt satrda grlr. Yeni veri bu deerlerin sonuncusu olarak grlr. nceki 7 veri benzer ekilde zaten incelenmitir. Bu 8li veri setinin kontrol durumu ise en son satrda O Anki Son 8 Verinin Sonucu olarak grlr. Prosesin kontrol altnda olup olmadn bu satr ifade eder. Bylece Bulank karm Sistemi hem tekil girilen veriyi hem de 8li veriyi kontrol eder. izelge 4.4-a ile 4.4-b ardk girilen iki verinin incelenmesini vererek, bulank denetleyici/programlamaya nasl altn

gstermektedir. izelge 4.4-c ve 4.4-d farkl kontrol rneklerini gstermektedir.

132

4.BULGULAR VE TARTIMA

Utkay DNMEZ

izelge 4.5 ise son verinin kontrol dnda olduunu gsteren MATLAB bulank denetleyici/programlama ktsdr. Bu ktda bireysel, inceleme sonunda son verinin Negatif Kontrol D olduu grlmesine ramen 8li incelenen veri setinde kural tablosunda ilenen kurallar nda Sistemde Kontrol D Durum Gzlenmemitir. sonucunu vermektedir. Kontrol d uyars Warning: Some nput Values Are Outside Of The Specified nput Range. ifadesi ile girdi verisi iin verilen ve hesaplanan deerlerin dnda olduu ve hangi dosyadaki, hangi satrdaki formle uymadn syleyecektir. Bylece proses kontrolc sorunun kaynan rahatlkla tespit edebilmektedir. Bulank karm sistemi; veri girildii an ilk 8i oluturan verilerden son veriyi bireysel olarak kontrol eder, sonra sisteme ykl olan btn kurallar uygulayarak verileri 8erli kontrol eder ve sonu verir. Sistemin MATLAB zerinde kurulmasnn bir ok avantaj vardr. Bunlardan biri de sistem kendisine verilen emirleri yerine getirirken ne yaptn ara yznde gstermesidir. ekil 4.16da, Blm 3deki 22 veri girilerek elde edilen almann sonucu grlmektedir.

ekil 4.18. MATLAB ilem zetlerini gsterir arayz

133

4.BULGULAR VE TARTIMA

Utkay DNMEZ

ekil 4.18da MATLAB programndan kodlar vesilesi ile hangi bilgileri hesaplamas istendii, ka veri girildii ve sonular gibi bilgilere ulalabilmektedir.

4.2.4. Bulank Mantk Ara Kutusu Ara Yz

Bulank mantk ara kutusu kurallarn hangi durumlarda aktif ya da hangi durumlarda pasif olduklarn inceleme frsat vermektedir. Bulank mantk ara kutusu kurallar arasndaki ikili ilikiyi de ortaya koymaktadr. ekil 4.19a da 1. yelik fonksiyonu ile 2. yelik fonksiyonu arasnda ilikiyi gsterirken ekil 4.19bde ise 1. yelik fonksiyonu gstermektedir. ile 8. yelik fonksiyonu arasndaki ilikiyi

134

4.BULGULAR VE TARTIMA

Utkay DNMEZ

a)

b) ekil 4.19. MATLAB da kural ara yznn gsterimi

135

4.BULGULAR VE TARTIMA

Utkay DNMEZ

Bulank mantk kural ara yz ile kurallar arasndaki ikili iliki incelemenin yan sra, hangi kuraln daha aktif olduu, incelenen kurallarn hangi deerler arasnda daha aktif olduu gibi konular da incelenebilmektedir.

136

5. SONULAR VE NERLER

Utkay DNMEZ

5. SONULAR VE NERLER letmeler iin ok nemli olan zaman, hatal rn en aza indirme, maliyeti drme gibi rekabet elerinde rakiplerine fark yapabilmeleri iin istatistiksel proses kontrol ve tekniklerinden zellikle kontrol tablolarnn kullanm ok nemlidir. Kontrol tablolar, sreteki bilgiyi kullanr, bu nedenle olmas gerekeni deil olan kstas alarak bir sonuca gitmeye alr. Bulank mantk yaklamnda belirli bilgilerin bile ierisinde belirsizlik olabilecei inanlmaktadr. Bilinenlerin altnda bu almada Ne 30 iplik numara varyasyonundaki kontrol d durumlarn tespit almasnda bulank kontrol tablolar kullanlm, hazrlanan sistemin sonucu ve faydalar aada sralanmtr.

1. Dnyada istatistiksel kontrol tablolar kurallar ierisinde kabul grm Nelsonun 8 kuralndan ilk 5i (en fazla 8 ardk noktal) bulank karm sistemine uygulanmtr. MATLAB sayesinde kod atayarak bulank karm sistemi ile tanmlanamayan kurallar sisteme tantlm ve hazrlanan sistem sorunsuz almtr. 2. Sistem istendii gibi ncelikle ilk girilen veriyi kontrol eder sonra verinin iinde bulunduu 8li sistemi kontrol eder. Ayrca her iki kontroln sonucunu da vermektedir. 3. plik fabrikasndan alnan her biri 5erli veri ieren 22 rneklem (toplam 110 veri) sisteme veri olarak girilmi sistem hazrlanan btn kurallar altrm ve verilen hesaplamalar ile sistemin sonucu Sistemde kontrol d durum gzlenmemitir kmtr. 4. Program hatal ya da kontrol d olan veriyi, verilen komutlar ile hesaplama yaptktan sonra btn detaylar ile vermektedir. Bu sayede program kullanan personel, eski yntemlerde hangi verinin hatal ya da kontrol d olduunu belirlemede harcad vakitten daha azn bu sistemde harcayarak sonuca ulam olacak ve istatistiksel proses kontrollerde

137

5. SONULAR VE NERLER

Utkay DNMEZ

yaad zaman darln ve kontrollerin srekliliindeki skntlar bulank kontrol tablolar yardmyla azaltabilecektir. 5. statistiksel proses kontrol tablolarnn nadiren de olsa %5 lik bir hata pay vardr. Sistemde verilen %5lik standart sapmadaki kayma miktar ile daha hassas yelik fonksiyon admlar ile sistemin istatistiksel proses kontrol tablolarndan kaynakl yanl alarm ya da hata miktarn daha da aza indirilmeye allm ve sisteme girilen verilerde byle bir hataya rastlanmamtr. 6. Bulank Xort diyagramnda limitler aras, gerek deerlere oranla, daha dardr. zel faktrler mevcut olsa bile klasik kontrol tablolarna nazaran bulank kontrol tablolarnn prosesin kontrol altnda olma durumunda daha hassas ve daha doru sonu verdii anlalmtr. 7. Hazrlanan sistem modler olup, hibir hesaplama ileminde rakamsal veri girilmemitir. Bu sayede istenilen iplik numarasnda veriler girildiinde sistem kendisine verilen ilemler ile ortalamay, standart sapmay, kayma miktarn, alt kontrol ve st kontrol limitlerini hesaplayarak her trl numarann kontroln yapabilmektedir. 8. Hatta bu sistemin, sadece iplik numara takibi deil dokuma, terbiye, konfeksiyon kalite parametrelerinin yan sra her trl kontrol takibi iin de kullanlabilir olduu sylenebilir.

138

KAYNAKLAR

AHMED, N., 2003, Fuzzy Logic Control Using Matlab Part I, Khwarzimic Science Society at the University of Lahore, Fast-Nuces, Lahore

www.khwarzimic.org AHMED, N., 2003, Fuzzy Logic Control Using Matlab Part II, Khwarzimic Science Society at the University of Lahore, April 2003, Fast-Nuces, Lahore www.khwarzimic.org AKARSLAN, F., 2007, Dokuma Kumalarn Kuruma Hz Deerlerinin Bulank Mantk Metodu le Belirlenmesi, Tekstil Teknolojileri Elektronik Dergisi (2) Sayfa 1523. AL-TURKI And ANDIJANI, A., 1997, Quality Control Practices In Saudi Arabia Survey Result, Production Planing & Control, Vol.8, No8, Sayfa 726-730. ALTA, .H., 1999, Bulank Mantk: Bulankllk Kavram, Bileim Yaynclk, Enerji, Elektrik, Elektromekanik- 3e, stanbul, Say 62, Syf; 8085. ALTUNL, ., 2009, ok Deerli (Multivalent) Lojik, Yznc Yl niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi- 70 sayfa. ANAGN, A.S., 1997, Dk Hacimli retimlerde statistiksel Proses Kontrol: Kontrol Grafikleri, III. Ulusal Ekonometri ve statistik Sempozyumu, Sayfa 271-281. AYTA, E., 2006, Kalite Kontrolde Bulank Mantk Yaklam Ve Bir Uygulama, Pamukkale niversitesi, Sosyal Bilimler Enstits, Yksek Lisans Tezi, 249 Sayfa. BAYHAN, M., KODALOLU, M., CENGZ, Y., KAPLAN, S., 2002, Drum Ve Loop Sistemlerinde Atk Hareketlerinin Dinamik Modellenmesi Ve Hzn Bulank Mantkla Kontrol, Tekstil Maraton, Mart-Nisan (2) BAYKAL, N. ve BEYAN, T., 2004, Bulank Mantk Uzman Sistemler Ve Denetleyiciler, Baklar Kitap Evi Matematik Dizisi No:2. BA, Y. and WANG, D., 2006, Fundamentals of Fuzzy Logic Kontrol-Fuzzy Sets, Fuzzy Rules and Defuzzifications, Advanced Fuzzy Logic Technologies In Industrial Applications, Springer.

139

BEK, G.A., 2008, Bir Konfeksiyon letmesinde Proses ve Kalite Kontrol, ukurova niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi, 114 Sayfa. BHATTACHERJEE, A. And SAMANTA, B., 2002, Practical Issue In The Construction Of Control Charts In Mining Applications, Journal Of The South African Institute Of Mining And Metallurgy, Sayfa 173-180. BULUKLU, H.M., 2006, Dokuma letmelerinde Proses ve Kalite Kontrol, ukurova niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi, 117 Sayfa. BULUT, E.G., 2007, Bir Otomotiv Tedarikisinde ISO/TS 16949 Otomotiv Kalite Ynetim Sistemi Spesifikasyonu Kapsamnda Yaplan statistiksel Proses Kontrol Ve Bulank Mantk almalar, Kocaeli niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi-129 sayfa. CVELEKOLU, G., 2006, Artma Proseslerinin Yapay Zeka Ve oklu statistiksel Yntemler le Modellenmesi, Sleyman Demirel niversitesi, Fen Bilimleri Enstits, Doktora Tezi-175 sayfa CHANG, S.I. and ZHANG K., 2007, Statistical Proces Kontrol For Varience Shift Detection Of Multivariate Autocorrelated Processes, Quality Technology & Quantitative Management, Vol. 4, No 4, Sayfa 413435. EVEN, E.K., ZDEMIR ., 2007, Using Fuzzy Logic To Evaluate And Predict Chenille Yarns Shrinkage Behaviour, Fibres&Textiles in Eastern Europe, July/September vol. 15 no.3. TL, N., 2006, Bulank Kriterli Karar Verme, Yldz Teknik niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi, 102 sayfa. MEN, ., 2008, Kontrol Grafiklerinin Bulank Mantk ile Yorumlanmas, Eskiehir Osmangazi niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi, 120 sayfa. DAYIK, M., KODALOLU M., 2007, Kondisyonlama artlarnn plik Rutubetine Etkisinin Yapay Zeka Yardmyla Tespiti, Tekstil Teknolojileri Elektronik Dergisi (2), Sayfa 25-32.

140

DAYIK, M., KAYACAN, M.C., ACER, M., ALI, H., 2008, Modeling Of Warp Tension Variation During Shedding Operation Using Fuzzy Logic, The Textile Institute, TJTI 2008 vol. 99 no: 6 pp 505-514. DENZ, E., 2006, Bulank Mantk Tabanl Tahmin Modeli Ve Uygulamas, Mula niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi- 97 sayfa. DOES, R.J.M.M., SCHIPPERS, W.A.J., TRIP, A., 1997, A Fremework For Implementation Of Statistical Process Control, International Journal Of Quality Service, Vol. 2, No 3, Sayfa 181-198. DURMAN, B. M., PAKDL, F., 2005, statistiki Proses Kontrol Uygulamalar in Bir Sistem Tasarm, VII. Ulusal Ekonometri ve statistik Sempozyumu, Oturum II/ Toplam Kalite Ynetiminde statistiksel Yaklam. ELAMVAZUTHI, I., GANESAN, T., VASANT, P., WEBB, J.F., 2009, Application Of A Fuzzy Programming Technique To Production Planning n The Textile Industry IJCSIS- International Journal of Computer Science and Information Security vol. 6 no. 3. ELMAS, ., 2003, Yapay Zek Uygulamalar, Sekin Yaynlar, Ankara. ELMAS, ., 2007, Yapay Zek Uygulamalar, Sekin Yaynlar, Ankara. EL-SHAL, S.M. and MORRS, A.S., 2000, A Fuzzy Expert System For Fault Detection In Statistical Proses Control of Industrial Processes, IEEE Transaction On System. Vol. 30, No.2. ERDOAN, ., 2006, plik Eirmede Bilgisayarl Destekli Proses Kontrol, ukurova niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi, 96 Sayfa. ERTURUL, ., 2007, Bulank Analitik Hiyerari Sreci Ve Bir Tekstil letmesinde Makine Seim Problemine Uygulanmas,. H.. ktisadi Ve dari Bilimler Fakltesi Dergisi, Cilt 25, Say 1, Sayfa 171192. ESENDAL, H., 2007, Eirdir Gl Su Seviyesi Mevsimsel Deiiminin Bulank Mantk Metoduyla Modellenmesi, Sleyman Demirel niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi- 121 sayfa.

141

GOTTWALD, S., 2005, Mathematical Aspects Of Fuzzy Sets And Fuzzy Logic Some Reflections After 40 Years, www.elsevier.com/locate/fss, Fuzzy Set and Systems-156 page 357-364. GRIFFITHS, D., BUNDER, M., GULATI, C. ve ONZAWA, T., 2010, The Probability Of An Out Of Control Signal From Nelsons Supplementary ZigZag Test, Centre For Statistical and Survey Methodology, University of Wollongong, Working Paper, www.ro.uow.edu.au/cssmwp/61. GLBAY, M., 2006, Fuzzy Process Control And Development Of Some Models For Fuzzy Control Charts, stanbul Technical University, Institute Of Science And Technology, Ph. D. Thesis-117. GLBAY, M., KAHRAMAN, C., 2007, An Alternative Approach To Fuzzy Control Charts: Direct Fuzzy Approach, ScienceDirect nformation Sciences 177Page 1463-1480. GLBAY, M., KAHRAMAN, C., 2008, Bulank Konrol Diyagram Modellerinin Gelitirilmesi: Direk Bulank Yaklam, TDERGS/D Mhendislik Cilt:7, Say:2, Sayfa 95-105. GNAY, H., 2006, Bulank Karar Vermede Birletirme Operatrleri ve Uygulamalar, Yldz Teknik niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi-120 sayfa. GNER, M., LLEEZ, A.A., NAL, C., 2009, letme Fiziksel Koullarnn Bulank Mantk Yntemi Kullanlarak Deerlendirilmesi: Bir Konfeksiyon letmesi rnei, Tekstil ve Konfeksiyon Dergisi (3) BRAHM, A.M., 2004, Endstriye Dnk Uygulamal: Gml Sistemlerle Bulank Mantk, eviren: Nilgn ervatolu, Bileim Yaynlar-205. IIKLI, ., 2008, Bulank Mantk ve Bulank Teknolojiler, Ankara niversitesi Dil ve Tarih-Corafya Fakltesi, Felsefe Blm Dergisi,

Cilt:19, Say:0, Sayfa105-126. HARRS, J., 2006, On The Correlation Of Statistical And Automatic Process Control, Fuzzy Logic Applications n Engineering Science, Volume 29 Sayfa 177-195, Springer.

142

HARRS, T.J. And ROSS, W.H., 1991, Statistical Process Control Procedures For Correlated Observation, The Canadian Journal Of Chemical Engineering Vol. 69. http//www.mathworks.com, Fuzzy Logic Toolbox Users Guide, The MathWorks, Inc. 2010 (Eriim Tarihi, Eyll 2011). JERRET, J.E. And PAN, X., 2009, Multivariate Process Control Charts And Their Use In Monitoring Output Quality: A Perspective, International Journal Industrial And System Engineering Vol. 4, No 5. KANE, V.E., 1986, Process Capability Indices, Journal Of Quality Technology, Vol-18, No 1. KARADOAN, A., BAETN, A., KAHRMAN, A. ve GRGN, S., 2001, Bulank Kme Teorisinin Yer Alt retim Yntemi Seiminde

Kullanlabilirlii, Trkiye 17. Uluslar Aras Madencilik Kongresi Ve SergisiTumaks. KARAKAOLU, N., 2008, Bulank ok Kriterli Karar Verme Yntemleri Ve Uygulamas, , Pamukkale niversitesi Sosyal Bilimler Enstits, Yksek Lisans Tezi- 262 sayfa. KAYA, ., GZEN, . ve ENGN, O., 2004, Kalite Kontrol Problemlerinin zmnde Uzman Sistemlerinin Kullanm, Havaclk Ve Uzay

Teknolojileri Dergisi, Cilt 1, Say 4, Sayfa 87101. KAYACAN, M.C., ELK, .A. ve SALMAN, ., 2003, Tornalama lemlerinde Kesici Takm Anmasnn Bulank Mantk le Modellenmesi 2627 Eyll 2003, 2. Makine Tasarm Ve malat Teknolojileri Kongresi-Konya. KAYACAN, M.C., DAYIK, M., OLAK, O., KODALOLU, M., 2004, Velocity Control of Weft nsertion On Air Jet Looms by Fuzzy Logic, Fibres&Textiles in Eastern Europe, July/October, vol. 12 no.3. KODALOLU, M., DAYIK, M., OLAK, O., KAPLAN, S., 2002, Hava Jetli Dokumada plik Tipinin Atk Hzna Etkisinin Bulank Mantkla Tespiti, Tekstil Maraton Mays-Haziran. KOKSA, B., 1993, Fuzzy Thinking: The New Science of Fuzzy Logic, New York, Hyperion.

143

KUU, D., 2007, Karar Verme Srelerinde Bulank Mantk Yaklam, Marmara niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi- 117 sayfa. KKSLLE, E.U., 2002, Servo Motorlarn Bulank Mantk le Kontrol,

Sleyman Demirel niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi106 sayfa. LEE, C.C., 1990, Fuzzy Logic in Control Systems: Fuzzy Logic Controller-Part I IEEE Transactions On Systems, Man, and Cybernetics vol. 20, no.2 MarchApril. LN, C.T. ve LEE, C.S.G. 1991, Neural-Network-Based Fuzzy Logic Control And Decision System, IEEE Transactions On Compiters, Vol. 40 No.12 December. MENDEL, J.M., 1995, Fuzzy Logic Systems for Engineering: A Tutorial, 00180219/95 Fellow, IEEE. MURAT, Y.., 2006, Sinyalize Kavaklardaki Tat Gecikmelerinin Bulank Mantk le Modellenmesi, , MO Teknik Dergi, Sayfa 39033916, Yaz 258. MURAT, Y.. ve ULUDA, N., 2008, Bulank Mantk Ve Lojistik Regrasyon Yntemleri le Ulam Alarnda Geki Seim Davranlarnn Modellenmesi, MO Teknik Dergi, Sayfa 43634379, Yaz 288. MONTGOMERY, D.C., KEATS, J.B., RUNGER, G.C. And MESSNA, W.S., 1994, Integrating Statistical Process Control And Engineering Process Control, Journal Of Quality Technology, Vol. 26, No 2. MONTGOMERY, D.C., 1999, Experimental Desing For Product And Process Desing And Development, The Statisticion 48, Part 2, Sayfa 159-177. MONTGOMERY, D.C., 2005, Introduction To Statistical Quality Control, 5ht. Edition, John Wiley & Sons Inc. USA. NASI, J. And SORSA, A., 2004, On-line Measurement Validation Through Confidence Level Based Optimal Estimation Of A Process Variable, Oulo University, Control Engineering Laboratory, Raport A No. 25. NEMBHARD, D.A. And NEMBHARD, H.B., 2000, A Demerits Control Chart For Autocorrelated Data, Quality Engineering 13(2) Sayfa 179-190.

144

OKE, S.A., JOHNSON, A.O., CHARLES-OWABA, O.E., OYAWALE, F.A. AND POPOOLA, I.O., 2006, A Neuro-Fuzzy Linguistic Approach in Optimizing the Flow Rate of A Plastic Extruder Process, International Journal of Science & Technology Vol. 1 No. 2 115-123. OSULLVAN, P., 1995, Psychological Aspscts Of Computer-Based Training For Statistical Process Control, Chepter 5-Istatistical Process Control, MSc In Cognitive Science And Naturel Language, Pages 40-46. ZDAOLU, A., 2008, Bulank Analitik Serim Sreci Yaklam le ok ltl Karar Verme Ve Bir letme Uygulamas, Dokuz Eyll niversitesi, Sosyal Bilimler Enstits, Doktora Tezi-212 sayfa. ZDAMAR, . H., 2006, Bulank statistiksel Kalite Kontrol Ve Bir Orman Endstrisi letmesinde Uygulama, Sleyman Demirel niversitesi, Sosyal Bilimler Enstits, Doktora Tezi, 215 Sayfa. ZDEN, S., 2007, Bir Elektrikli Asansr Sisteminin Bulank Mantk Teknii le Denetimi, Gazi niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi116 sayfa. ZKAN, A. O., 1997, Scaklk Ve Nemin Bulank Mantk Yntemiyle Kontrol, Seluk niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi-117 sayfa. ZTRK, O., 2000, Matlab Matematik Programlama Dili, Gazi niversitesi,

Teknik Eitim Fakltesi, Elektronik-Bilgisayar Eitimi Blm, Mezuniyet Tezi, 64 Sayfa. PARAMASHWARAN, R., KARUNAKARAN, R., NYAN, S., SAMUEL, A.A., 2008, Optimization of Energy Conversation Potential for VAV Air Conditioning System Using Fuzzy Based Genetic Algorithm, International Journal of Mathematical, Physical and Engineering Sciences. RODRGEZ, R.N. Ve PRABHU, S.S., 1997, Effective Applications of Control Charts Using SAS Software, Short Course Presentation, 22nd SAS Users Group International Conferance, San Diego. ROWLANDS, H. and WANG, L.R., 2000, An Approach Of Fuzzy Logic Evaluation And Control In SPC, Qualty And Reliability Engineering International Qual. Reliab. Engng. Int. 16, Sayfa 9198.

145

SARITA, . Ve HERDEM, S., 2009, Bulank Mantk Yntemiyle Manyetik Filtrelerin Kontrol, Journal Of Technical-Online Vol.8 Number 3. SARNA, E., RABIEJ, M., SARNA, M., WLOCHOWICZ, A., 2008, Analysis Of Cotton Maturity Degree On Microstructure Level By Fuzzy Set Conception, Fibres&Textiles in Eastern Europe, January/March vol. 16 no.1. SILVA, E.A., PAIVA, A.P., BALESTRASSI, P.P., SILVA, C.E.S., 2009, New Modelling And Process Optimisation Approach Fort He False-Twist Texturing Of Polyester, Fibres&Textiles in Eastern Europe, vol. 17 no.6 (77) pp. 57-62. SIMITH, A.E., 1993, X-Bar and R Kontrol Chart Interpretation Using Naturel Computing, International Journal of Ruduction Research. SIVANANDAM, S.N., SUMATH, S. And DEEPA, S.N., 2007, Introduction to Fuzzy Logic Using MATLAB, Springer. SHAO, Y.E., 1998, Integreted Application Of The Cumulative Score Control Chart And Engineering Process Control, Statistica Sinica 8, Sayfa 239-252. SHIAU, J.J.H. And HSU, Y.C., 2005, Rubustness Of The EWMA Control Chart To Non-normality For Autocorrelated Processes, Quality Technology & Quantitative Management, Vol. 2, No 2, Sayfa 125146. SPANOS, C.J., GUO, H.F., MILLER, A. And LEVNE-PARRLL, J., 1992, ReelTime Statistical Process Control Using Tool Data, IEEE Transactions On Semiconducter Manifactoring, Vol. 5, No 4. EN, Z., 2001, Bulank (Fuzzy)Mantk Ve Modelleme lkeleri, Bilge Kltr Sanat Yaynclk, stanbul. TANYILDIZI, H., Ve YAZICIOLU, S., 2006, Bulank Mantk Metodu le Tekil Ykler Altnda ki Aklkl Kirilerin Plastik Gme Yk Faktr Deerinin Bulunmas, MO Teknik Dergi, Sayfa 3961-3971, Yaz 262. TATLI, H. ve EN, Z., 2001, Gnlk En Byk Scaklklarn Bulank Kmeler le Kestirimi, Turk J Engin Environ Sci 25, TUBTAK, Sayfa 1-9. TELL, S.T. ve KODALOLU, M., 2003, Kuma Mukavemeti Deiiminin Uzman Sistemle ncelenmesi, Tekstil Maraton, Mays-Haziran (3).

146

TORTUM, A., YAYLA, N., GKDA, M., 2005, Yapay Sinir Alar Ve Birletirilmi Sinirsel Bulank Sistemler le ehirleraras Yk Tamas Tr Seiminin Modellenmesi, 6. Ulatrma Kongresi Tartmalar, Maya Basn Yayn. TRIP, A. ve DOES, R.J.M.M., 2010, Quality Quandaries: Interpretation Of Signals From Runs Rules In Shewhart Control Charts, Quality Engineering, 22:351357, Taylor&Francis Group LLC. ISSN:0898-2112. TR, R., KAZAZ, A., YARDIMCI, A., 2005, Antalyada Faaliyet Gsteren naat Firmalarna Ynelik Ekonomik Durum Analizi: Bulank Mantk Yaklam, Antalya Yresinin naat Mhendislii Sorunlar Kongresi-Bildiriler Kitab22 Eyll. NAL, C., 2009, Bulank Mantk Uygulamasyla Konfeksiyonda in Ve Personelin Deerlendirilmesi, Ege niversitesi, Fen Bilimleri Enstits, Doktora Tezi184 Sayfa. UMUR, E., 2000, statistiksel Proses Kontrol, stanbul Teknik niversitesi, Fen Bilimleri Enstits, Yksek Lisans Tezi- 86 Sayfa. VURAL, ., 1998, Kalite Kontrolnde Uzman Sistemler, stanbul niversitesi, Sosyal Bilimler Enstits, Yksek Lisans Tezi- 164 Sayfa. YILMAZ, M. ve ARSLAN, E., 2005, Bulank Mantn Jeodezik Problemlerin zmnde Kullanlmas, Harita ve Kadastro Mhendisleri Odas,

Mhendislik lmeleri STB Komisyonu, 2. Mhendislik lmeleri Sempozyumu, stanbul Teknik niversitesi-stanbul. WANG, L.R. and ROWLANDS, H., 1999, A Fuzzy Logic Application In SPC Evaluation And Control, IEEE, 0-7803-5670-5. WANG, L.X., 1997, A Course In Fuzzy System and Control, Prentice-Hall nternational Inc. WOOD, M., 1994, Statistical Methods For Monitoring Service Processes, International Journal Of Service, Industry Management, Vol. 5, No 4, Sayfa 53-68.

147

WOODAL, W.H., SPITZNER, D.J., MONTGOMERY, D.C. And GUPTA, S., 2004, Using Control Charts To Monitor Process And Product Quality Profiles, Journal Of Technology, Vol. 36 No 3. YEH, A.B. And LIN, D.K.J., 2002, A New Variables Control Chart For Simultaneously Monitoring Multivariate Process Mean And Variabilty, International Journal Of Reliability, Quality And Safety Engineering Vol.9, No 1, Sayfa 41-59. ZADEH, L.A., 1975, Calculus of Fuzzy Restrictions, Fuzzy Sets and Their Applications to Cognitive and Decision Processes, Academic Pres. ZADEH, L.A., 1988, Fuzzy Logic, 0018-9162/88/0400-0083 April-1988, University of California, Barkley. ZADEH, L.A., 1996, Fuzzy Logic = Computing with Words, IEEE Transactions On Fuzzy Systems, Vol. 4, No:2, May.

148

ZGEM 19/10/1981 ylnda Adanada dodu. lk, orta ve lise renimini Adanada tamamlad. 2000 ylnda balad Kahramanmara St mam niversitesi, Mhendislik-Mimarlk Fakltesi, Tekstil Mhendislii Blmnden 2004 ylnda mezun oldu ve ayn yl ukurova niversitesi, Tekstil Mhendislii Blm, Tekstil Makineleri Anabilim dalnda yksek lisansa balad ve 2009 ylnda ayn blme kayt yeniledi ve eitimine devam etmektedir. 2010 ylndan itibaren Emniyet Genel Mdrl kadrosunda niforma Tasarm ve Planlama ube Mdrlnde, Polis Memuru olarak almaktadr.

149

EKLER

150

151

EK 1. almann sonucunda MATLABn verdii sonu sayfas -------------- Yeni 8 li ncelemesi Balyor --------Gelen Yeni Veri 30.0720 Yeni Verinin Bireysel Sonucu: Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.1270 30.1910 30.0030 30.1760 30.1530 30.1750 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 29.8170 Yeni Verinin Bireysel Sonucu: Yaklak Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.1910 30.0030 30.1760 30.1530 30.1750 29.9400 30.0720 29.8170 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 29.7230 Yeni Verinin Bireysel Sonucu: Yaklak Negatif Kontrol D ncelenen Veriler: Columns 1 Through 8 30.0030 30.1760 30.1530 30.1750 29.9400 30.0720 29.8170 29.7230 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir

29.9400 30.0720

152

-------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.0090 Yeni Verinin Bireysel Sonucu: Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.1760 30.1530 30.1750 29.9400 30.0720 29.8170 29.7230 30.0090 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.1480 Yeni Verinin Bireysel Sonucu: Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.1530 30.1750 29.9400 30.0720 29.8170 29.7230 30.0090 30.1480 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 29.9980 Yeni Verinin Bireysel Sonucu: Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.1750 29.9400 30.0720 29.8170 29.7230 30.0090 30.1480 29.9980 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 29.9300

153

Yeni Verinin Bireysel Sonucu: Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.9400 30.0720 29.8170 29.7230 30.0090 30.1480 29.9980 29.9300 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 29.8920 Yeni Verinin Bireysel Sonucu: Yaklak Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.0720 29.8170 29.7230 30.0090 30.1480 29.9980 29.9300 29.8920 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 29.7610 Yeni Verinin Bireysel Sonucu: Yaklak Negatif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.8170 29.7230 30.0090 30.1480 29.9980 29.9300 29.8920 29.7610 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.0420 Yeni Verinin Bireysel Sonucu: Negatif Kontrol Altnda ncelenen Veriler: 154

Columns 1 Through 8 29.7230 30.0090 30.1480 29.9980 29.9300 29.8920 29.7610 30.0420 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.0730 Yeni Verinin Bireysel Sonucu: Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.0090 30.1480 29.9980 29.9300 29.8920 29.7610 30.0420 30.0730 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.2610 Yeni Verinin Bireysel Sonucu: Yaklak Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 30.1480 29.9980 29.9300 29.8920 29.7610 30.0420 30.0730 30.2610 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.0970 Yeni Verinin Bireysel Sonucu: Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.9980 29.9300 29.8920 29.7610 30.0420 30.0730 30.2610 30.0970 O Anki Son 8 Verinin Sonucu: 155

Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.1810 Yeni Verinin Bireysel Sonucu: Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.9300 29.8920 29.7610 30.0420 30.0730 30.2610 30.0970 30.1810 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir -------------- Yeni 8 Li ncelemesi Balyor --------Gelen Yeni Veri 30.2690 Yeni Verinin Bireysel Sonucu: Yaklak Pozitif Kontrol Altnda ncelenen Veriler: Columns 1 Through 8 29.8920 29.7610 30.0420 30.0730 30.2610 30.0970 30.1810 30.2690 O Anki Son 8 Verinin Sonucu: Sistemde Kontrol D Durum Gzlenmemitir

156

EK 2. almann da kullanlan verilerin kaydedildii TLVeriler.txt dosyas 1. 30.127 2. 30.191 3. 30.003 4. 30.176 5. 30.153 6. 30.175 7. 29.940 8. 30.072 9. 29.817 10. 29.723 11. 30.009 12. 30.148 13. 29.998 14. 29.930 15. 29.892 16. 29.761 17. 30.042 18. 30.073 19. 30.261 20. 30.097 21. 30.181 22. 30.269

157

EK 3. Btn hesaplamalarn yapld, kurallarn ynlendirildii ve istenilen ilemlerin yapld TLProjem.m dosyas.

clear all; [y]=textread('TLVeriler.txt','%f','delimiter',' '); b1=size(y); veri_sayisi1=b1(1); a=1; for i=1:(veri_sayisi1) if(y(i)<(32)&& y(i)>(28)) x(a)=y(i); a=a+1; end end b=size(x); veri_sayisi=b(2); sapma=std(x); ort=mean(x); UCL=ort+3*sapma; LCL=ort-3*sapma; CL=ort; kayma=sapma*0.05; ort ort+1*sapma-kayma ort+2*sapma-kayma ort+3*sapma-kayma %%%% !!!! gelen verileri kaydrmay unutma !!!! %ilk 8 iin if(veri_sayisi==1) % kural 1 n=bireysel(ort,sapma,x,1); disp(' ilk verinin sonucu:'); disp(n); end if(veri_sayisi==2) %kural 2 ilksonuc=bireysel(ort,sapma,x(2),1); disp('ikinci verinin bireysel sonucu:'); disp(ilksonuc); n=bireysel(ort,sapma,x,2); disp('ilk iki verinin sonucu:'); disp(n); end if(veri_sayisi==3) %kural 3 ilksonuc=bireysel(ort,sapma,x(3),1); disp('nc verinin bireysel sonucu:');

158

disp(ilksonuc); n=bireysel(ort,sapma,x,3); disp('ilk verinin sonucu:'); disp(n); end if(veri_sayisi==4) %kural 4 ilksonuc=bireysel(ort,sapma,x(4),1); disp('drdnc verinin bireysel sonucu:'); disp(ilksonuc); n=bireysel(ort,sapma,x,4); disp('ilk drt verinin sonucu:'); disp(n); end if(veri_sayisi==5) %kural 5-6-7 ilksonuc=bireysel(ort,sapma,x(5),1); disp('beinci verinin bireysel sonucu:'); disp(ilksonuc); n=bireysel(ort,sapma,x,5); disp('ilk be verinin sonucu:'); disp(n); end if(veri_sayisi==6) %kural 8-9 ilksonuc=bireysel(ort,sapma,x(6),1); disp('altnc verinin bireysel sonucu:'); disp(ilksonuc); if( x(1)>x(2) && x(2)>x(3) && x(3)>x(4) && x(4)>x(5) && x(5)>x(6)) n=bireysel(ort,sapma,x,6); disp('ilk alt verinin sonucu:'); disp(n); elseif(x(1)<x(2) && x(2)<x(3) && x(3)<x(4) && x(4)<x(5) && x(5)<x(6)) n=bireysel(ort,sapma,x,6); disp('ilk alt verinin sonucu:'); disp(n); else disp('ilk alt verinin sonucu:'); disp('Sistemde kontrol d durum gzlenmemitir.'); end

end if(veri_sayisi==7) %gelen 7. veri iin ilksonuc=bireysel(ort,sapma,x(7),1); disp('yedinci verinin bireysel sonucu:'); disp(ilksonuc); 159

n=bireysel(ort,sapma,x,7); disp('ilk yedi verinin sonucu:'); disp(n); end

%tm veriler iin %for i=1:(size(x)-8) for i=1:(veri_sayisi-7) % buraya 1:15 15 yerine toplam girdinin -7 si yazlmal % if(x(i)<4*sapma || ) disp('-------------- yeni 8 li incelemesi balyor --------'); ilksonuc=bireysel(ort,sapma,x(i+7),1); disp(' '); disp('gelen yeni veri'); disp(x(i+7)); disp(' '); disp('yeni verinin bireysel sonucu:'); disp(ilksonuc); disp(' '); disp('incelenen veriler:'); veriler=[x(i) x(i+1) x(i+2) x(i+3) x(i+4) x(i+5) x(i+6) x(i+7)]; disp(veriler); disp(' '); a=oku(ort,sapma); if(x(i)>CL+2*sapma-kayma && x(i)<CL+3*sapma+kayma && x(i)>x(i+1) && x(i+1)>x(i+2) && x(i+2)>x(i+3) && x(i+3)>x(i+4) && x(i+4)>x(i+5))% point1 is A and point1>point2>...>point6 sonuc PM ruleList=[7 0 0 0 0 0 0 0 7 1 1]; a=addrule(a,ruleList); end if(x(i)>CL+sapma-kayma && x(i)<CL+2*sapma+kayma && x(i)>x(i+1) && x(i+1)>x(i+2) && x(i+2)>x(i+3) && x(i+3)>x(i+4) && x(i+4)>x(i+5))% point1 is B and point1>point2>...>point6 sonuc PS ruleList=[6 0 0 0 0 0 0 0 6 1 1]; a=addrule(a,ruleList); end if(x(i)<CL-2*sapma+kayma && x(i)<x(i+1) && x(i+1)<x(i+2) && && x(i+4)<x(i+5))% point1 is -A sonuc NM ruleList=[2 0 0 0 0 0 0 a=addrule(a,ruleList); end x(i)>CL-3*sapma-kayma && x(i+2)<x(i+3) && x(i+3)<x(i+4) and point1<point2<...<point6 0 2 1 1];

160

if(x(i)<CL-sapma+kayma && x(i)>CL-2*sapma-kayma && x(i)<x(i+1) && x(i+1)<x(i+2) && x(i+2)<x(i+3) && x(i+3)<x(i+4) && x(i+4)<x(i+5))% point1 is -B and point1<point2<...<point6 sonuc NS ruleList=[3 0 0 0 0 0 0 0 3 1 1]; a=addrule(a,ruleList); end if(x(i)>CL+2*sapma-kayma && x(i)<CL+3*sapma+kayma && x(i+1)>=CL && x(i+2)>=CL && x(i+3)>=CL && x(i+4)>=CL && x(i+5)>=CL && x(i+6)>=CL && x(i+7)>=CL)% point1 is A and point1>=CL point3>=CL...point8>=CL sonuc PM ruleList=[7 0 0 0 0 0 0 0 7 1 1]; a=addrule(a,ruleList); end if(x(i)>CL+sapma-kayma && x(i)<CL+2*sapma+kayma && x(i+1)>=CL && x(i+2)>=CL && x(i+3)>=CL && x(i+4)>=CL && x(i+5)>=CL && x(i+6)>=CL && x(i+7)>=CL)% point1 is B and point1>=CL point3>=CL...point8>=CL sonuc PS ruleList=[6 0 0 0 0 0 0 0 6 1 1]; a=addrule(a,ruleList); end if(x(i)>CL-kayma && x(i)<CL+sapma+kayma && x(i+1)>=CL && x(i+2)>=CL && x(i+3)>=CL && x(i+4)>=CL && x(i+5)>=CL && x(i+6)>=CL && x(i+7)>=CL)% point1 is C and point1>=CL point3>=CL...point8>=CL sonuc PZ ruleList=[5 0 0 0 0 0 0 0 5 1 1]; a=addrule(a,ruleList); end if(x(i)<CL-2*sapma+kayma && x(i)>CL-3*sapma-kayma && x(i+1)<CL && x(i+2)<CL && x(i+3)<CL && x(i+4)<CL && x(i+5)<CL && x(i+6)<CL && x(i+7)<CL)% point1 is -A and point2<CL point3<CL ...point8<CL sonuc NM ruleList=[2 0 0 0 0 0 0 0 2 1 1]; a=addrule(a,ruleList); end if(x(i)<CL-sapma+kayma && x(i)>CL-2*sapma-kayma && x(i+1)<CL && x(i+2)<CL && x(i+3)<CL && x(i+4)<CL && x(i+5)<CL && x(i+6)<CL && x(i+7)<CL)%point1 is -B and point2<CL point3<CL ...point8<CL sonuc NS ruleList=[3 0 0 0 0 0 0 0 3 1 1]; a=addrule(a,ruleList); end if(x(i)<CL+kayma && x(i)>CL-sapma-kayma && x(i+1)<CL && x(i+2)<CL && x(i+3)<CL && x(i+4)<CL && x(i+5)<CL && x(i+6)<CL

161

&& x(i+7)<CL)% point1 is -C and point2<CL point3<CL ...point8<CL sonuc NS ruleList=[4 0 0 0 0 0 0 0 4 1 1]; a=addrule(a,ruleList); end Output=evalfis([x(i) x(i+1) x(i+2) x(i+3) x(i+4) x(i+5) x(i+6) x(i+7)],a); if(Output<ort-3*sapma+kayma) sonuc='****** negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='***** yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) sonuc=' ***** yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc=' ***** negatif kontrol altnda'; elseif(Output<ort+1*sapma+kayma) sonuc=' **** pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) sonuc=' ***** yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc=' ****** yaklak pozitif kontrol d'; else sonuc=' ******* pozitif kontrol d'; end y=sonuc; if(Output == ort ) disp('o anki son 8 verinin sonucu:'); disp('Sistemde kontrol d durum gzlenmemitir'); disp(' '); else disp('o anki son 8 verinin sonucu:'); disp(sonuc); disp(' '); end disp(' '); %Output clear a; end %showfis(a) %showrule(a) %ruleview(a)

162

EK 4. Sisteme girilen verileri bireysel hesaplamalarnn yald Bireysel.m dosyas.

function y=bireysel(ort,sapma,x,sira) UCL=ort+3*sapma; % LCL=ort-3*sapma; % CL=ort; kayma=sapma*0.05;

if(sira==1) % if(x>(ort+3*sapma) || x<(ort-3*sapma)) b = newfis('TLF1.fis'); b.input(1).name='x1'; b.input(1).range=[LCL UCL]; b.input(1).mf(1).name='NKD'; b.input(1).mf(1).type='trapmf'; b.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(1).mf(2).name='YNKD'; b.input(1).mf(2).type='trimf'; b.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(1).mf(3).name='YNKA'; b.input(1).mf(3).type='trimf'; b.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(1).mf(4).name='NKA'; b.input(1).mf(4).type='trimf'; b.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(1).mf(5).name='PKA'; b.input(1).mf(5).type='trimf'; b.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(1).mf(6).name='YPKA'; b.input(1).mf(6).type='trimf'; b.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(1).mf(7).name='YPKD'; b.input(1).mf(7).type='trimf';

163

b.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(1).mf(8).name='PKD'; b.input(1).mf(8).type='trapmf'; b.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.output(1).range=[LCL UCL]; b.output(1).name='output'; b.output(1).mf(1).name='NKD'; b.output(1).mf(1).type='trapmf'; b.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.output(1).mf(2).name='YNKD'; b.output(1).mf(2).type='trimf'; b.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.output(1).mf(3).name='YNKA'; b.output(1).mf(3).type='trimf'; b.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.output(1).mf(4).name='NKA'; b.output(1).mf(4).type='trimf'; b.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.output(1).mf(5).name='PKA'; b.output(1).mf(5).type='trimf'; b.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.output(1).mf(6).name='YPKA'; b.output(1).mf(6).type='trimf'; b.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.output(1).mf(7).name='YPKD'; b.output(1).mf(7).type='trimf'; b.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.output(1).mf(8).name='PKD'; b.output(1).mf(8).type='trapmf'; b.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma];

164

ruleList=[1 1 1 1 %kuralda var 2 2 1 1 % bireysel sonucu kural d eklendi 3 3 1 1 % bireysel sonucu kural d eklendi 4 4 1 1 % bireysel sonucu kural d eklendi 5 5 1 1 % bireysel sonucu kural d eklendi 6 6 1 1 % bireysel sonucu kural d eklendi 7 7 1 1 % bireysel sonucu kural d eklendi 8 8 1 1]; %kualda var b=addrule(b,ruleList); Output=evalfis(x(1),b);

anlaml vermesi iin anlaml vermesi iin anlaml vermesi iin anlaml vermesi iin anlaml vermesi iin anlaml vermesi iin

if(Output<ort-3*sapma+kayma) sonuc=' negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) sonuc='yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc='negatif kontrol altnda'; elseif(Output<ort+1*sapma+kayma) sonuc='pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) sonuc='yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc='yaklak pozitif kontrol d'; else sonuc='pozitif kontrol d'; end y=sonuc; % else % sonuc2='tekli kontrol altnda'; % end end if(sira==2) b = newfis('TLF1.fis'); b.input(1).name='x1'; b.input(1).range=[LCL UCL]; b.input(1).mf(1).name='NKD'; b.input(1).mf(1).type='trapmf'; b.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(1).mf(2).name='YNKD'; 165

b.input(1).mf(2).type='trimf'; b.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(1).mf(3).name='YNKA'; b.input(1).mf(3).type='trimf'; b.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(1).mf(4).name='NKA'; b.input(1).mf(4).type='trimf'; b.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(1).mf(5).name='PKA'; b.input(1).mf(5).type='trimf'; b.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(1).mf(6).name='YPKA'; b.input(1).mf(6).type='trimf'; b.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(1).mf(7).name='YPKD'; b.input(1).mf(7).type='trimf'; b.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(1).mf(8).name='PKD'; b.input(1).mf(8).type='trapmf'; b.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(2).name='x2'; b.input(2).range=[LCL UCL]; b.input(2).mf(1).name='NKD'; b.input(2).mf(1).type='trapmf'; b.input(2).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(2).mf(2).name='YNKD'; b.input(2).mf(2).type='trimf'; b.input(2).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(2).mf(3).name='YNKA'; b.input(2).mf(3).type='trimf'; b.input(2).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; 166

b.input(2).mf(4).name='NKA'; b.input(2).mf(4).type='trimf'; b.input(2).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(2).mf(5).name='PKA'; b.input(2).mf(5).type='trimf'; b.input(2).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(2).mf(6).name='YPKA'; b.input(2).mf(6).type='trimf'; b.input(2).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(2).mf(7).name='YPKD'; b.input(2).mf(7).type='trimf'; b.input(2).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(2).mf(8).name='PKD'; b.input(2).mf(8).type='trapmf'; b.input(2).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.output(1).range=[LCL UCL]; b.output(1).name='output'; b.output(1).mf(1).name='NKD'; b.output(1).mf(1).type='trapmf'; b.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.output(1).mf(2).name='YNKD'; b.output(1).mf(2).type='trimf'; b.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.output(1).mf(3).name='YNKA'; b.output(1).mf(3).type='trimf'; b.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.output(1).mf(4).name='NKA'; b.output(1).mf(4).type='trimf'; b.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.output(1).mf(5).name='PKA'; b.output(1).mf(5).type='trimf'; 167

b.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.output(1).mf(6).name='YPKA'; b.output(1).mf(6).type='trimf'; b.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.output(1).mf(7).name='YPKD'; b.output(1).mf(7).type='trimf'; b.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.output(1).mf(8).name='PKD'; b.output(1).mf(8).type='trapmf'; b.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; ruleList=[1 0 1 1 1 8 0 8 1 1 7 7 7 1 1 2 2 2 1 1]; b=addrule(b,ruleList); Output=evalfis([x(1) x(2)],b); if(Output==ort) sonuc='Sistemde kontrol d durum gzlenmemitir.'; y=sonuc; else if(Output<ort-3*sapma+kayma) sonuc=' negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) sonuc='yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc='negatif kontrol altnda'; elseif(Output<ort+1*sapma+kayma) sonuc='pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) sonuc='yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc='yaklak pozitif kontrol d'; else sonuc='pozitif kontrol d'; end y=sonuc; end end if(sira==3) 168

b = newfis('TLF1.fis'); b.input(1).name='x1'; b.input(1).range=[LCL UCL]; b.input(1).mf(1).name='NKD'; b.input(1).mf(1).type='trapmf'; b.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(1).mf(2).name='YNKD'; b.input(1).mf(2).type='trimf'; b.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(1).mf(3).name='YNKA'; b.input(1).mf(3).type='trimf'; b.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(1).mf(4).name='NKA'; b.input(1).mf(4).type='trimf'; b.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(1).mf(5).name='PKA'; b.input(1).mf(5).type='trimf'; b.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(1).mf(6).name='YPKA'; b.input(1).mf(6).type='trimf'; b.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(1).mf(7).name='YPKD'; b.input(1).mf(7).type='trimf'; b.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(1).mf(8).name='PKD'; b.input(1).mf(8).type='trapmf'; b.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(2).name='x2'; b.input(2).range=[LCL UCL]; b.input(2).mf(1).name='NKD'; b.input(2).mf(1).type='trapmf'; b.input(2).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; 169

b.input(2).mf(2).name='YNKD'; b.input(2).mf(2).type='trimf'; b.input(2).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(2).mf(3).name='YNKA'; b.input(2).mf(3).type='trimf'; b.input(2).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(2).mf(4).name='NKA'; b.input(2).mf(4).type='trimf'; b.input(2).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(2).mf(5).name='PKA'; b.input(2).mf(5).type='trimf'; b.input(2).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(2).mf(6).name='YPKA'; b.input(2).mf(6).type='trimf'; b.input(2).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(2).mf(7).name='YPKD'; b.input(2).mf(7).type='trimf'; b.input(2).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(2).mf(8).name='PKD'; b.input(2).mf(8).type='trapmf'; b.input(2).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(3).name='x3'; b.input(3).range=[LCL UCL]; b.input(3).mf(1).name='NKD'; b.input(3).mf(1).type='trapmf'; b.input(3).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(3).mf(2).name='YNKD'; b.input(3).mf(2).type='trimf'; b.input(3).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(3).mf(3).name='YNKA'; b.input(3).mf(3).type='trimf'; 170

b.input(3).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(3).mf(4).name='NKA'; b.input(3).mf(4).type='trimf'; b.input(3).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(3).mf(5).name='PKA'; b.input(3).mf(5).type='trimf'; b.input(3).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(3).mf(6).name='YPKA'; b.input(3).mf(6).type='trimf'; b.input(3).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(3).mf(7).name='YPKD'; b.input(3).mf(7).type='trimf'; b.input(3).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(3).mf(8).name='PKD'; b.input(3).mf(8).type='trapmf'; b.input(3).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.output(1).range=[LCL UCL]; b.output(1).name='output'; b.output(1).mf(1).name='NKD'; b.output(1).mf(1).type='trapmf'; b.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.output(1).mf(2).name='YNKD'; b.output(1).mf(2).type='trimf'; b.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.output(1).mf(3).name='YNKA'; b.output(1).mf(3).type='trimf'; b.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.output(1).mf(4).name='NKA'; b.output(1).mf(4).type='trimf'; b.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma];

171

b.output(1).mf(5).name='PKA'; b.output(1).mf(5).type='trimf'; b.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.output(1).mf(6).name='YPKA'; b.output(1).mf(6).type='trimf'; b.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.output(1).mf(7).name='YPKD'; b.output(1).mf(7).type='trimf'; b.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.output(1).mf(8).name='PKD'; b.output(1).mf(8).type='trapmf'; b.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; ruleList=[1 0 0 1 1 1 8 0 0 8 1 1 7 7 0 7 1 1 2 2 0 2 1 1 2 0 2 2 1 1 7 0 7 7 1 1 ]; b=addrule(b,ruleList); Output=evalfis([x(1) x(2) x(3)],b); if(Output==ort) sonuc='Sistemde kontrol d durum gzlenmemitir.'; y=sonuc; else if(Output<ort-3*sapma+kayma) sonuc=' negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) sonuc='yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc='negatif kontrol altnda'; elseif(Output<ort+1*sapma+kayma) sonuc='pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) sonuc='yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc='yaklak pozitif kontrol d'; else sonuc='pozitif kontrol d'; 172

end y=sonuc; end end if(sira==4) b = newfis('TLF1.fis'); b.input(1).name='x1'; b.input(1).range=[LCL UCL]; b.input(1).mf(1).name='NKD'; b.input(1).mf(1).type='trapmf'; b.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(1).mf(2).name='YNKD'; b.input(1).mf(2).type='trimf'; b.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(1).mf(3).name='YNKA'; b.input(1).mf(3).type='trimf'; b.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(1).mf(4).name='NKA'; b.input(1).mf(4).type='trimf'; b.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(1).mf(5).name='PKA'; b.input(1).mf(5).type='trimf'; b.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(1).mf(6).name='YPKA'; b.input(1).mf(6).type='trimf'; b.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(1).mf(7).name='YPKD'; b.input(1).mf(7).type='trimf'; b.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(1).mf(8).name='PKD'; b.input(1).mf(8).type='trapmf'; b.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(2).name='x2'; b.input(2).range=[LCL UCL]; 173

b.input(2).mf(1).name='NKD'; b.input(2).mf(1).type='trapmf'; b.input(2).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(2).mf(2).name='YNKD'; b.input(2).mf(2).type='trimf'; b.input(2).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(2).mf(3).name='YNKA'; b.input(2).mf(3).type='trimf'; b.input(2).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(2).mf(4).name='NKA'; b.input(2).mf(4).type='trimf'; b.input(2).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(2).mf(5).name='PKA'; b.input(2).mf(5).type='trimf'; b.input(2).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(2).mf(6).name='YPKA'; b.input(2).mf(6).type='trimf'; b.input(2).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(2).mf(7).name='YPKD'; b.input(2).mf(7).type='trimf'; b.input(2).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(2).mf(8).name='PKD'; b.input(2).mf(8).type='trapmf'; b.input(2).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(3).name='x3'; b.input(3).range=[LCL UCL]; b.input(3).mf(1).name='NKD'; b.input(3).mf(1).type='trapmf'; b.input(3).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(3).mf(2).name='YNKD'; b.input(3).mf(2).type='trimf'; 174

b.input(3).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(3).mf(3).name='YNKA'; b.input(3).mf(3).type='trimf'; b.input(3).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(3).mf(4).name='NKA'; b.input(3).mf(4).type='trimf'; b.input(3).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(3).mf(5).name='PKA'; b.input(3).mf(5).type='trimf'; b.input(3).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(3).mf(6).name='YPKA'; b.input(3).mf(6).type='trimf'; b.input(3).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(3).mf(7).name='YPKD'; b.input(3).mf(7).type='trimf'; b.input(3).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(3).mf(8).name='PKD'; b.input(3).mf(8).type='trapmf'; b.input(3).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(4).name='x4'; b.input(4).range=[LCL UCL]; b.input(4).mf(1).name='NKD'; b.input(4).mf(1).type='trapmf'; b.input(4).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(4).mf(2).name='YNKD'; b.input(4).mf(2).type='trimf'; b.input(4).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(4).mf(3).name='YNKA'; b.input(4).mf(3).type='trimf'; b.input(4).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma];

175

b.input(4).mf(4).name='NKA'; b.input(4).mf(4).type='trimf'; b.input(4).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(4).mf(5).name='PKA'; b.input(4).mf(5).type='trimf'; b.input(4).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(4).mf(6).name='YPKA'; b.input(4).mf(6).type='trimf'; b.input(4).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(4).mf(7).name='YPKD'; b.input(4).mf(7).type='trimf'; b.input(4).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(4).mf(8).name='PKD'; b.input(4).mf(8).type='trapmf'; b.input(4).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.output(1).range=[LCL UCL]; b.output(1).name='output'; b.output(1).mf(1).name='NKD'; b.output(1).mf(1).type='trapmf'; b.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.output(1).mf(2).name='YNKD'; b.output(1).mf(2).type='trimf'; b.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.output(1).mf(3).name='YNKA'; b.output(1).mf(3).type='trimf'; b.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.output(1).mf(4).name='NKA'; b.output(1).mf(4).type='trimf'; b.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.output(1).mf(5).name='PKA'; b.output(1).mf(5).type='trimf';

176

b.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.output(1).mf(6).name='YPKA'; b.output(1).mf(6).type='trimf'; b.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.output(1).mf(7).name='YPKD'; b.output(1).mf(7).type='trimf'; b.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.output(1).mf(8).name='PKD'; b.output(1).mf(8).type='trapmf'; b.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; ruleList=[1 0 0 0 1 1 1 8 0 0 0 8 1 1 7 7 0 0 7 1 1 2 2 0 0 2 1 1 2 0 2 0 2 1 1 7 0 7 0 7 1 1 6 6 6 6 6 1 1 7 6 6 6 6 1 1 3 3 3 3 3 1 1 2 3 3 3 3 1 1]; b=addrule(b,ruleList); Output=evalfis([x(1) x(2) x(3) x(4)],b); if(Output==ort) sonuc='Sistemde kontrol d durum gzlenmemitir.'; y=sonuc; else if(Output<ort-3*sapma+kayma) sonuc=' negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) sonuc='yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc='negatif kontrol altnda'; elseif(Output<ort+1*sapma+kayma) sonuc='pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) sonuc='yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc='yaklak pozitif kontrol d'; else 177

sonuc='pozitif kontrol d'; end y=sonuc; end end if(sira==5) b = newfis('TLF1.fis'); b.input(1).name='x1'; b.input(1).range=[LCL UCL]; b.input(1).mf(1).name='NKD'; b.input(1).mf(1).type='trapmf'; b.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(1).mf(2).name='YNKD'; b.input(1).mf(2).type='trimf'; b.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(1).mf(3).name='YNKA'; b.input(1).mf(3).type='trimf'; b.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(1).mf(4).name='NKA'; b.input(1).mf(4).type='trimf'; b.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(1).mf(5).name='PKA'; b.input(1).mf(5).type='trimf'; b.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(1).mf(6).name='YPKA'; b.input(1).mf(6).type='trimf'; b.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(1).mf(7).name='YPKD'; b.input(1).mf(7).type='trimf'; b.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(1).mf(8).name='PKD'; b.input(1).mf(8).type='trapmf'; b.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(2).name='x2'; 178

b.input(2).range=[LCL UCL]; b.input(2).mf(1).name='NKD'; b.input(2).mf(1).type='trapmf'; b.input(2).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(2).mf(2).name='YNKD'; b.input(2).mf(2).type='trimf'; b.input(2).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(2).mf(3).name='YNKA'; b.input(2).mf(3).type='trimf'; b.input(2).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(2).mf(4).name='NKA'; b.input(2).mf(4).type='trimf'; b.input(2).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(2).mf(5).name='PKA'; b.input(2).mf(5).type='trimf'; b.input(2).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(2).mf(6).name='YPKA'; b.input(2).mf(6).type='trimf'; b.input(2).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(2).mf(7).name='YPKD'; b.input(2).mf(7).type='trimf'; b.input(2).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(2).mf(8).name='PKD'; b.input(2).mf(8).type='trapmf'; b.input(2).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(3).name='x3'; b.input(3).range=[LCL UCL]; b.input(3).mf(1).name='NKD'; b.input(3).mf(1).type='trapmf'; b.input(3).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(3).mf(2).name='YNKD'; 179

b.input(3).mf(2).type='trimf'; b.input(3).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(3).mf(3).name='YNKA'; b.input(3).mf(3).type='trimf'; b.input(3).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(3).mf(4).name='NKA'; b.input(3).mf(4).type='trimf'; b.input(3).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(3).mf(5).name='PKA'; b.input(3).mf(5).type='trimf'; b.input(3).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(3).mf(6).name='YPKA'; b.input(3).mf(6).type='trimf'; b.input(3).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(3).mf(7).name='YPKD'; b.input(3).mf(7).type='trimf'; b.input(3).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(3).mf(8).name='PKD'; b.input(3).mf(8).type='trapmf'; b.input(3).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(4).name='x4'; b.input(4).range=[LCL UCL]; b.input(4).mf(1).name='NKD'; b.input(4).mf(1).type='trapmf'; b.input(4).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(4).mf(2).name='YNKD'; b.input(4).mf(2).type='trimf'; b.input(4).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(4).mf(3).name='YNKA'; b.input(4).mf(3).type='trimf'; b.input(4).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; 180

b.input(4).mf(4).name='NKA'; b.input(4).mf(4).type='trimf'; b.input(4).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(4).mf(5).name='PKA'; b.input(4).mf(5).type='trimf'; b.input(4).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(4).mf(6).name='YPKA'; b.input(4).mf(6).type='trimf'; b.input(4).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(4).mf(7).name='YPKD'; b.input(4).mf(7).type='trimf'; b.input(4).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(4).mf(8).name='PKD'; b.input(4).mf(8).type='trapmf'; b.input(4).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(5).name='x5'; b.input(5).range=[LCL UCL]; b.input(5).mf(1).name='NKD'; b.input(5).mf(1).type='trapmf'; b.input(5).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(5).mf(2).name='YNKD'; b.input(5).mf(2).type='trimf'; b.input(5).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(5).mf(3).name='YNKA'; b.input(5).mf(3).type='trimf'; b.input(5).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(5).mf(4).name='NKA'; b.input(5).mf(4).type='trimf'; b.input(5).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(5).mf(5).name='PKA'; b.input(5).mf(5).type='trimf'; 181

b.input(5).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(5).mf(6).name='YPKA'; b.input(5).mf(6).type='trimf'; b.input(5).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(5).mf(7).name='YPKD'; b.input(5).mf(7).type='trimf'; b.input(5).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(5).mf(8).name='PKD'; b.input(5).mf(8).type='trapmf'; b.input(5).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.output(1).range=[LCL UCL]; b.output(1).name='output'; b.output(1).mf(1).name='NKD'; b.output(1).mf(1).type='trapmf'; b.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.output(1).mf(2).name='YNKD'; b.output(1).mf(2).type='trimf'; b.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.output(1).mf(3).name='YNKA'; b.output(1).mf(3).type='trimf'; b.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.output(1).mf(4).name='NKA'; b.output(1).mf(4).type='trimf'; b.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.output(1).mf(5).name='PKA'; b.output(1).mf(5).type='trimf'; b.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.output(1).mf(6).name='YPKA'; b.output(1).mf(6).type='trimf'; b.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma];

182

b.output(1).mf(7).name='YPKD'; b.output(1).mf(7).type='trimf'; b.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.output(1).mf(8).name='PKD'; b.output(1).mf(8).type='trapmf'; b.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma];

ruleList=[1 8 7 2 2 7 6 7 3 2 6 7 2 3 6 7 2 3 6 7 2 3

0 0 7 2 0 0 6 6 3 3 0 0 0 0 6 6 3 3 6 6 3 3

0 0 0 0 2 7 6 6 3 3 6 6 3 3 0 0 0 0 6 6 3 3

0 0 0 0 0 0 6 6 3 3 6 6 3 3 6 6 3 3 0 0 0 0

0 0 0 0 0 0 0 0 0 0 6 6 3 3 6 6 3 3 6 6 3 3

1 8 7 2 2 7 6 6 3 3 6 6 3 3 6 6 3 3 6 6 3 3

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 % 1 1 1 1 1 1 1];

b=addrule(b,ruleList); Output=evalfis([x(1) x(2) x(3) x(4) x(5)],b); if(Output==ort) sonuc='Sistemde kontrol d durum gzlenmemitir.'; y=sonuc; else if(Output<ort-3*sapma+kayma) sonuc=' negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) sonuc='yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc='negatif kontrol altnda'; 183

elseif(Output<ort+1*sapma+kayma) sonuc='pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) sonuc='yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc='yaklak pozitif kontrol d'; else sonuc='pozitif kontrol d'; end y=sonuc; end end if(sira==6) b = newfis('TLF1.fis'); b.input(1).name='x1'; b.input(1).range=[LCL UCL]; b.input(1).mf(1).name='NKD'; b.input(1).mf(1).type='trapmf'; b.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(1).mf(2).name='YNKD'; b.input(1).mf(2).type='trimf'; b.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(1).mf(3).name='YNKA'; b.input(1).mf(3).type='trimf'; b.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(1).mf(4).name='NKA'; b.input(1).mf(4).type='trimf'; b.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(1).mf(5).name='PKA'; b.input(1).mf(5).type='trimf'; b.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(1).mf(6).name='YPKA'; b.input(1).mf(6).type='trimf'; b.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(1).mf(7).name='YPKD'; b.input(1).mf(7).type='trimf'; b.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; 184

b.input(1).mf(8).name='PKD'; b.input(1).mf(8).type='trapmf'; b.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(2).name='x2'; b.input(2).range=[LCL UCL]; b.input(2).mf(1).name='NKD'; b.input(2).mf(1).type='trapmf'; b.input(2).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(2).mf(2).name='YNKD'; b.input(2).mf(2).type='trimf'; b.input(2).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(2).mf(3).name='YNKA'; b.input(2).mf(3).type='trimf'; b.input(2).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(2).mf(4).name='NKA'; b.input(2).mf(4).type='trimf'; b.input(2).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(2).mf(5).name='PKA'; b.input(2).mf(5).type='trimf'; b.input(2).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(2).mf(6).name='YPKA'; b.input(2).mf(6).type='trimf'; b.input(2).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(2).mf(7).name='YPKD'; b.input(2).mf(7).type='trimf'; b.input(2).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(2).mf(8).name='PKD'; b.input(2).mf(8).type='trapmf'; b.input(2).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(3).name='x3'; b.input(3).range=[LCL UCL]; 185

b.input(3).mf(1).name='NKD'; b.input(3).mf(1).type='trapmf'; b.input(3).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(3).mf(2).name='YNKD'; b.input(3).mf(2).type='trimf'; b.input(3).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(3).mf(3).name='YNKA'; b.input(3).mf(3).type='trimf'; b.input(3).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(3).mf(4).name='NKA'; b.input(3).mf(4).type='trimf'; b.input(3).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(3).mf(5).name='PKA'; b.input(3).mf(5).type='trimf'; b.input(3).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(3).mf(6).name='YPKA'; b.input(3).mf(6).type='trimf'; b.input(3).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(3).mf(7).name='YPKD'; b.input(3).mf(7).type='trimf'; b.input(3).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(3).mf(8).name='PKD'; b.input(3).mf(8).type='trapmf'; b.input(3).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(4).name='x4'; b.input(4).range=[LCL UCL]; b.input(4).mf(1).name='NKD'; b.input(4).mf(1).type='trapmf'; b.input(4).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(4).mf(2).name='YNKD'; b.input(4).mf(2).type='trimf'; 186

b.input(4).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(4).mf(3).name='YNKA'; b.input(4).mf(3).type='trimf'; b.input(4).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(4).mf(4).name='NKA'; b.input(4).mf(4).type='trimf'; b.input(4).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(4).mf(5).name='PKA'; b.input(4).mf(5).type='trimf'; b.input(4).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(4).mf(6).name='YPKA'; b.input(4).mf(6).type='trimf'; b.input(4).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(4).mf(7).name='YPKD'; b.input(4).mf(7).type='trimf'; b.input(4).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(4).mf(8).name='PKD'; b.input(4).mf(8).type='trapmf'; b.input(4).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(5).name='x5'; b.input(5).range=[LCL UCL]; b.input(5).mf(1).name='NKD'; b.input(5).mf(1).type='trapmf'; b.input(5).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(5).mf(2).name='YNKD'; b.input(5).mf(2).type='trimf'; b.input(5).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(5).mf(3).name='YNKA'; b.input(5).mf(3).type='trimf'; b.input(5).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma];

187

b.input(5).mf(4).name='NKA'; b.input(5).mf(4).type='trimf'; b.input(5).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(5).mf(5).name='PKA'; b.input(5).mf(5).type='trimf'; b.input(5).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(5).mf(6).name='YPKA'; b.input(5).mf(6).type='trimf'; b.input(5).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(5).mf(7).name='YPKD'; b.input(5).mf(7).type='trimf'; b.input(5).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(5).mf(8).name='PKD'; b.input(5).mf(8).type='trapmf'; b.input(5).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(6).name='x6'; b.input(6).range=[LCL UCL]; b.input(6).mf(1).name='NKD'; b.input(6).mf(1).type='trapmf'; b.input(6).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(6).mf(2).name='YNKD'; b.input(6).mf(2).type='trimf'; b.input(6).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(6).mf(3).name='YNKA'; b.input(6).mf(3).type='trimf'; b.input(6).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(6).mf(4).name='NKA'; b.input(6).mf(4).type='trimf'; b.input(6).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(6).mf(5).name='PKA'; b.input(6).mf(5).type='trimf';

188

b.input(6).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(6).mf(6).name='YPKA'; b.input(6).mf(6).type='trimf'; b.input(6).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(6).mf(7).name='YPKD'; b.input(6).mf(7).type='trimf'; b.input(6).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(6).mf(8).name='PKD'; b.input(6).mf(8).type='trapmf'; b.input(6).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.output(1).range=[LCL UCL]; b.output(1).name='output'; b.output(1).mf(1).name='NKD'; b.output(1).mf(1).type='trapmf'; b.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.output(1).mf(2).name='YNKD'; b.output(1).mf(2).type='trimf'; b.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.output(1).mf(3).name='YNKA'; b.output(1).mf(3).type='trimf'; b.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.output(1).mf(4).name='NKA'; b.output(1).mf(4).type='trimf'; b.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.output(1).mf(5).name='PKA'; b.output(1).mf(5).type='trimf'; b.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.output(1).mf(6).name='YPKA'; b.output(1).mf(6).type='trimf'; b.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma];

189

b.output(1).mf(7).name='YPKD'; b.output(1).mf(7).type='trimf'; b.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.output(1).mf(8).name='PKD'; b.output(1).mf(8).type='trapmf'; b.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; ruleList=[1 8 7 2 2 7 6 7 3 2 6 7 2 3 6 7 2 3 6 7 2 3 7 6 2 3 0 0 7 2 0 0 6 6 3 3 0 0 0 0 6 6 3 3 6 6 3 3 0 0 0 0 0 0 0 0 2 7 6 6 3 3 6 6 3 3 0 0 0 0 6 6 3 3 0 0 0 0 0 0 0 0 0 0 6 6 3 3 6 6 3 3 6 6 3 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 6 6 3 3 6 6 3 3 6 6 3 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 8 7 2 2 7 6 6 3 3 6 6 3 3 6 6 3 3 6 6 3 3 7 6 2 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1];

b=addrule(b,ruleList); Output=evalfis([x(1) x(2) x(3) x(4) x(5) x(6)],b); Output if(Output==ort) sonuc='Sistemde kontrol d durum gzlenmemitir.'; y=sonuc; else if(Output<ort-3*sapma+kayma) sonuc=' negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) 190

sonuc='yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc='negatif kontrol altnda'; elseif(Output<ort+1*sapma+kayma) sonuc='pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) sonuc='yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc='yaklak pozitif kontrol d'; else sonuc='pozitif kontrol d'; end y=sonuc; end end if(sira==7) b = newfis('TLF1.fis'); b.input(1).name='x1'; b.input(1).range=[LCL UCL]; b.input(1).mf(1).name='NKD'; b.input(1).mf(1).type='trapmf'; b.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(1).mf(2).name='YNKD'; b.input(1).mf(2).type='trimf'; b.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(1).mf(3).name='YNKA'; b.input(1).mf(3).type='trimf'; b.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(1).mf(4).name='NKA'; b.input(1).mf(4).type='trimf'; b.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(1).mf(5).name='PKA'; b.input(1).mf(5).type='trimf'; b.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(1).mf(6).name='YPKA'; b.input(1).mf(6).type='trimf'; b.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(1).mf(7).name='YPKD'; 191

b.input(1).mf(7).type='trimf'; b.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(1).mf(8).name='PKD'; b.input(1).mf(8).type='trapmf'; b.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(2).name='x2'; b.input(2).range=[LCL UCL]; b.input(2).mf(1).name='NKD'; b.input(2).mf(1).type='trapmf'; b.input(2).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(2).mf(2).name='YNKD'; b.input(2).mf(2).type='trimf'; b.input(2).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(2).mf(3).name='YNKA'; b.input(2).mf(3).type='trimf'; b.input(2).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(2).mf(4).name='NKA'; b.input(2).mf(4).type='trimf'; b.input(2).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(2).mf(5).name='PKA'; b.input(2).mf(5).type='trimf'; b.input(2).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(2).mf(6).name='YPKA'; b.input(2).mf(6).type='trimf'; b.input(2).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(2).mf(7).name='YPKD'; b.input(2).mf(7).type='trimf'; b.input(2).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(2).mf(8).name='PKD'; b.input(2).mf(8).type='trapmf'; b.input(2).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; 192

b.input(3).name='x3'; b.input(3).range=[LCL UCL]; b.input(3).mf(1).name='NKD'; b.input(3).mf(1).type='trapmf'; b.input(3).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(3).mf(2).name='YNKD'; b.input(3).mf(2).type='trimf'; b.input(3).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(3).mf(3).name='YNKA'; b.input(3).mf(3).type='trimf'; b.input(3).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(3).mf(4).name='NKA'; b.input(3).mf(4).type='trimf'; b.input(3).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(3).mf(5).name='PKA'; b.input(3).mf(5).type='trimf'; b.input(3).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(3).mf(6).name='YPKA'; b.input(3).mf(6).type='trimf'; b.input(3).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(3).mf(7).name='YPKD'; b.input(3).mf(7).type='trimf'; b.input(3).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(3).mf(8).name='PKD'; b.input(3).mf(8).type='trapmf'; b.input(3).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(4).name='x4'; b.input(4).range=[LCL UCL]; b.input(4).mf(1).name='NKD'; b.input(4).mf(1).type='trapmf'; b.input(4).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; 193

b.input(4).mf(2).name='YNKD'; b.input(4).mf(2).type='trimf'; b.input(4).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(4).mf(3).name='YNKA'; b.input(4).mf(3).type='trimf'; b.input(4).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(4).mf(4).name='NKA'; b.input(4).mf(4).type='trimf'; b.input(4).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(4).mf(5).name='PKA'; b.input(4).mf(5).type='trimf'; b.input(4).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(4).mf(6).name='YPKA'; b.input(4).mf(6).type='trimf'; b.input(4).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(4).mf(7).name='YPKD'; b.input(4).mf(7).type='trimf'; b.input(4).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(4).mf(8).name='PKD'; b.input(4).mf(8).type='trapmf'; b.input(4).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(5).name='x5'; b.input(5).range=[LCL UCL]; b.input(5).mf(1).name='NKD'; b.input(5).mf(1).type='trapmf'; b.input(5).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(5).mf(2).name='YNKD'; b.input(5).mf(2).type='trimf'; b.input(5).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(5).mf(3).name='YNKA'; b.input(5).mf(3).type='trimf'; 194

b.input(5).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(5).mf(4).name='NKA'; b.input(5).mf(4).type='trimf'; b.input(5).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(5).mf(5).name='PKA'; b.input(5).mf(5).type='trimf'; b.input(5).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(5).mf(6).name='YPKA'; b.input(5).mf(6).type='trimf'; b.input(5).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(5).mf(7).name='YPKD'; b.input(5).mf(7).type='trimf'; b.input(5).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(5).mf(8).name='PKD'; b.input(5).mf(8).type='trapmf'; b.input(5).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(6).name='x6'; b.input(6).range=[LCL UCL]; b.input(6).mf(1).name='NKD'; b.input(6).mf(1).type='trapmf'; b.input(6).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(6).mf(2).name='YNKD'; b.input(6).mf(2).type='trimf'; b.input(6).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(6).mf(3).name='YNKA'; b.input(6).mf(3).type='trimf'; b.input(6).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(6).mf(4).name='NKA'; b.input(6).mf(4).type='trimf'; b.input(6).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma];

195

b.input(6).mf(5).name='PKA'; b.input(6).mf(5).type='trimf'; b.input(6).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(6).mf(6).name='YPKA'; b.input(6).mf(6).type='trimf'; b.input(6).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(6).mf(7).name='YPKD'; b.input(6).mf(7).type='trimf'; b.input(6).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(6).mf(8).name='PKD'; b.input(6).mf(8).type='trapmf'; b.input(6).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.input(7).name='x7'; b.input(7).range=[LCL UCL]; b.input(7).mf(1).name='NKD'; b.input(7).mf(1).type='trapmf'; b.input(7).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.input(7).mf(2).name='YNKD'; b.input(7).mf(2).type='trimf'; b.input(7).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.input(7).mf(3).name='YNKA'; b.input(7).mf(3).type='trimf'; b.input(7).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.input(7).mf(4).name='NKA'; b.input(7).mf(4).type='trimf'; b.input(7).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.input(7).mf(5).name='PKA'; b.input(7).mf(5).type='trimf'; b.input(7).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.input(7).mf(6).name='YPKA'; b.input(7).mf(6).type='trimf';

196

b.input(7).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.input(7).mf(7).name='YPKD'; b.input(7).mf(7).type='trimf'; b.input(7).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; b.input(7).mf(8).name='PKD'; b.input(7).mf(8).type='trapmf'; b.input(7).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; b.output(1).range=[LCL UCL]; b.output(1).name='output'; b.output(1).mf(1).name='NKD'; b.output(1).mf(1).type='trapmf'; b.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; b.output(1).mf(2).name='YNKD'; b.output(1).mf(2).type='trimf'; b.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort-2*sapma+kayma]; b.output(1).mf(3).name='YNKA'; b.output(1).mf(3).type='trimf'; b.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort-1*sapma+kayma]; b.output(1).mf(4).name='NKA'; b.output(1).mf(4).type='trimf'; b.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; b.output(1).mf(5).name='PKA'; b.output(1).mf(5).type='trimf'; b.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; b.output(1).mf(6).name='YPKA'; b.output(1).mf(6).type='trimf'; b.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; b.output(1).mf(7).name='YPKD'; b.output(1).mf(7).type='trimf'; b.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma];

197

b.output(1).mf(8).name='PKD'; b.output(1).mf(8).type='trapmf'; b.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; ruleList=[1 8 7 2 2 7 6 7 2 3 6 7 2 3 6 7 2 3 6 7 2 3 7 6 2 3 0 0 7 2 0 0 6 6 2 2 0 0 0 0 6 6 3 3 6 6 3 3 0 0 0 0 0 0 0 0 2 7 6 6 2 2 6 6 3 3 0 0 0 0 6 6 3 3 0 0 0 0 0 0 0 0 0 0 6 6 2 2 6 6 3 3 6 6 3 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 6 6 3 3 6 6 3 3 6 6 3 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 8 7 2 2 7 6 6 2 2 6 6 3 3 6 6 3 3 6 6 3 3 7 6 2 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1];

b=addrule(b,ruleList); Output=evalfis([x(1) x(2) x(3) x(4) x(5) x(6) x(7)],b); if(Output==ort) sonuc='Sistemde kontrol d durum gzlenmemitir.'; y=sonuc; else if(Output<ort-3*sapma+kayma) sonuc=' negatif kontrol d'; elseif(Output<ort-2*sapma+kayma) sonuc='yaklak negatif kontrol d'; elseif(Output<ort-1*sapma+kayma) sonuc='yaklak negatif kontrol altnda'; elseif(Output<ort+kayma) sonuc='negatif kontrol altnda'; elseif(Output<ort+1*sapma+kayma) sonuc='pozitif kontrol altnda'; elseif(Output<ort+2*sapma+kayma) 198

sonuc='yaklak pozitif kontrol altnda'; elseif(Output<ort+3*sapma+kayma) sonuc='yaklak pozitif kontrol d'; else sonuc='pozitif kontrol d'; end y=sonuc; end end clear b; y=sonuc;

199

EK 5. TLFis deki 8 input deerinin parametre aralklarnn gncellemesinde kullanlan Oku.m dosyas.

% bu dosya sadece TLFis deki 8 input degerinin parametre aralklarn gncellemekte function y=oku(ort,sapma) UCL=ort+3*sapma;% 32 LCL=ort-3*sapma; % 28 CL=ort; kayma=sapma*0.05; a = readfis('TLFis.fis'); a.input(1).range=[LCL UCL]; a.input(1).mf(1).type='trapmf'; a.input(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.input(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.input(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(1).mf(8).type='trapmf'; a.input(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma];

a.input(2).range=[LCL UCL]; a.input(2).mf(1).type='trapmf'; a.input(2).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(2).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.input(2).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(2).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma];

200

a.input(2).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(2).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(2).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(2).mf(8).type='trapmf'; a.input(2).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; a.input(3).range=[LCL UCL]; a.input(3).mf(1).type='trapmf'; a.input(3).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(3).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.input(3).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(3).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.input(3).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(3).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(3).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(3).mf(8).type='trapmf'; a.input(3).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; a.input(4).range=[LCL UCL]; a.input(4).mf(1).type='trapmf'; a.input(4).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(4).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.input(4).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(4).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.input(4).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(4).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(4).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(4).mf(8).type='trapmf'; a.input(4).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; 201

a.input(5).range=[LCL UCL]; a.input(5).mf(1).type='trapmf'; a.input(5).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(5).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.input(5).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(5).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.input(5).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(5).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(5).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(5).mf(8).type='trapmf'; a.input(5).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; a.input(6).range=[LCL UCL]; a.input(6).mf(1).type='trapmf'; a.input(6).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(6).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.input(6).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(6).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.input(6).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(6).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(6).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(6).mf(8).type='trapmf'; a.input(6).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; a.input(7).range=[LCL UCL]; a.input(7).mf(1).type='trapmf'; a.input(7).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(7).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma];

202

a.input(7).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(7).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.input(7).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(7).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(7).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(7).mf(8).type='trapmf'; a.input(7).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; a.input(8).range=[LCL UCL]; a.input(8).mf(1).type='trapmf'; a.input(8).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.input(8).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.input(8).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.input(8).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.input(8).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.input(8).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; a.input(8).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.input(8).mf(8).type='trapmf'; a.input(8).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma]; a.output(1).range=[LCL UCL]; a.output(1).mf(1).type='trapmf'; a.output(1).mf(1).params=[ort-100*sapma ort-100*sapma ort3.5*sapma ort-3*sapma+kayma]; a.output(1).mf(2).params=[ort-3*sapma-kayma ort-2.5*sapma ort2*sapma+kayma]; a.output(1).mf(3).params=[ort-2*sapma-kayma ort-1.5*sapma ort1*sapma+kayma]; a.output(1).mf(4).params=[ort-1*sapma-kayma ort-0.5*sapma ort+kayma]; a.output(1).mf(5).params=[ort-kayma ort+0.5*sapma ort+1*sapma+kayma]; a.output(1).mf(6).params=[ort+1*sapma-kayma ort+1.5*sapma ort+2*sapma+kayma]; 203

a.output(1).mf(7).params=[ort+2*sapma-kayma ort+2.5*sapma ort+3*sapma+kayma]; a.output(1).mf(8).type='trapmf'; a.output(1).mf(8).params=[ort+3*sapma-kayma ort+3.5*sapma ort+100*sapma ort+100*sapma];

y=a;

204