İnşaat sektöründe yapay sinir ağları yardımıyla alt yüklenici seçimi
Selection of subcontractors through the usage of artificial neural networks in construction industry
- Tez No: 223198
- Danışmanlar: PROF.DR. DEMET BAYRAKTAR
- Tez Türü: Yüksek Lisans
- Konular: İşletme, İnşaat Mühendisliği, Business Administration, Civil Engineering
- Anahtar Kelimeler: Yapay sinir ağları, Subcontracting, Subcontractor selection, Construction industry, Artificial neural networks
- Yıl: 2007
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İşletme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzün rekabete dayalı dünya ekonomilerinde, firmalar sürekli olarak maliyetleri kısarak ve üretimlerinin bir kısmını veya tamamını dış kaynak kullanımı ile gerçekleştirerek çekirdek yeteneklerine odaklanmalıdırlar. Önceden tahmin edilemeyen iş yükleri ve uzmanlık ihtiyaçı sebebiyle, bir çok ana yüklenici risklerini azaltabilmek için alt yüklenicilere güvenmektedirler. Ancak, inşaat sektöründeki gittikçe artan alt yüklenici kullanımına rağmen alt yüklenici seçiminin önemi sık sık göz ardı edilmektedir. Dış kaynak kullanılacak iş için uygun donanımlara sahip alt yükleniciyi seçmek, düşük performans maliyeti ve uzman yetenekleri sayesinde kısalan iş süresi ile firmalara daha yüksek bir kar payı sağlayacaktır. Bu yüksek lisans tez çalışmasında, alt yüklenici seçimi konusunda yönetim kararlarının desteklenmesi ve kolaylaştırılması için bir yapay sinir ağı modeli önerilmiştir. Yapay sinir ağları (YSA), insan beynini ve sinir sistemini taklit etmeye çalışan bilgi işleme teknolojisidir. YSA'lar öğrenebilen sistemlerdir. İnsan beynine benzer şekilde, tecrübeler aracılığıyla öğrenirler ve eski örnekleri kullanarak karşılaştığı yeni öreneklere genellemeler yaparlar. Alt yüklenici seçiminin baskın karakteristik özellikleri doğrusal olmayan davranışa sahip olması ve öznelliğin ön planda olmasıdır. Bu yüzden, alt yüklenici seçim sürecini oluştururken YSA gibi öznelliğin rahatlıkla aktarılabileceği ve doğrusal olmayan problemlerle çalışabilecek bir modelin kullanımı doğrusal modellere ve ağırlıklandırılmış puanlama gibi geleneksel metotlara göre üstünlük sağlayacaktır. Alt yüklenici seçimi için yapay sinir ağlarının kullanımı ve başarısı, Türkiye'de bulunan bir inşaat firmasında yapılan uygulamayla araştırılmıştır. Anahtar Keli
Özet (Çeviri)
In today?s competitive world economy, firms have to continually cut costs and focus on core competencies which have led many to outsource some or all of their production. With unpredictable workloads and need for specialized skills, many main construction contractors put their faith in subcontractors to reduce their risks. However; despite the growing use of subcontractors in construction industry, the importance of subcontractor selection is frequently underestimated. Selecting the accurate subcontractors who have the necessary resources for outsourced work can obtain a higher profit margin by reducing their performance costs and a faster completion time by specialized skills. In this master degree thesis, a neural network is proposed to support and ease management decisions in subcontractor selection. Artificial neural networks (ANNs) are information processing technologies that simulate the human brain and the nervous system. ANNs are systems that can learn. Like the human brain, they learn from experiences and generalize from previous examples to new ones. Predominant characteristics of subcontractor selection are non-linearity and subjectivity. So that, a model like ANN, that can easily transfer subjectivity and work with non-linear models, should be more effective than the linear models and traditional methods like weighted score models when modeling the process of subcontractor selection. By an application case related to a construction firm in Turkey, the neural network implementation and its achievement in subcontractor selection are investigated.
Benzer Tezler
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Kömür madenciliğinde meydana gelen iş kazalarını etkileyen faktörlerin veri madenciliği ile incelenmesi
Investigation of factors affecting occupational accidents in coal mining with data mining
ELİF GÖKÇE UÇKAÇ
Doktora
Türkçe
2025
KazalarEskişehir Osmangazi ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. SEYHAN ÖNDER
- Alüminyum 5083-H111 malzemenin delik delme işleminde kesme parametrelerinin yapay sinir ağları ile optimizasyonu
Optimization of cutting parameters in the drilling process of aluminum 5083-H111 material with ann
EMRE TEKE
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. NESLİHAN ÖZSOY
- Ulaştırma sistemlerinde enerji analizi parametrelerinin tahmin edilmesi
Prediction of energy analysis parameters in transportation systems
RUKİYE SAKİN
Yüksek Lisans
Türkçe
2019
Enerjiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK CANSIZ
- Dikdörtgen kolon - kirişsiz betonarme döşeme birleşimlerinin zımbalama göçme davranışının sonlu elemanlar yöntemi ile modellenmesi
Modeling of punching failure behavior of rectangular column - flat plate joints by finite element method
SAMET YILMAZ
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiKocaeli Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN ERDOĞAN