This study explores the application of machine learning (ML) techniques—gradient boosting (GB), ridge regression (RR), and support vector regression (SVR)—for estimating the consumption of energy (CE) and Blaine fineness (BF) in cement clinker grinding. This study utilizes key clinker grinding parameters, such as maximum ball size, ball filling ratio, clinker mass, rotation speed, and number of revolutions, as input features. Through comprehensive preprocessing, feature selection methods (mutual info regression (MIR), lasso regression (LR), and sequential backward selection (SBS)) were employed to identify the most significant variables for predicting CE and BF. The performance of the models was optimized using a grid search for hyperparameter tuning and validated using k-fold cross-validation (k = 10). The results show that all ML methods effectively estimated the target parameters, with SVR demonstrating superior accuracy in both CE and BF predictions, as evidenced by its higher R² and lower error metrics (MAE, MAPE, and RMSE). This research highlights the potential of ML models in optimizing cement grinding processes, offering a novel approach to parameter estimation that can reduce experimental effort and enhance production efficiency. The findings underscore the advantages of SVR, making it the most reliable method for predicting energy consumption and Blaine fineness in clinker grinding.

Amaç: Bu çalışmada, depo rota planlama problemleri için tam ve bütünleşik bir çözüm yaklaşımı önerilmektedir. Yöntem: Önerilen çözüm yaklaşımına göre, öncelikle depoda ziyaret edilmesi gereken noktaların bazılarını temsil eden bir ağ gösterimi oluşturulmaktadır. Daha sonra, her turda bir gezgin satıcı problemi oluşturmak ve söz konusu ağ yapısının ilgili düğümler arasındaki en kısa yolların belirlenmesi için Floyd-Warshall algoritması kullanılmaktadır. Son olarak, aracın toplam seyahat mesafesini minimize ederek ilgili gezgin satıcı probleminin çözümünü sağlamak için karınca kolonisi optimizasyonu algoritması kullanılmaktadır. Bulgular: Önerilen çözüm yaklaşımının performansını göstermek için çeşitli veri kümeleri ile hesaplamalı deneyler gerçekleştirilmiştir. Sonuçların oldukça tatmin edici olduğu ve önerilen çözüm metodolojisinin depo rota planlamasında önemli faydalar sağlayabileceği gözlemlenmiştir. Özgünlük: Çalışmanın en önemli katkısını, depo rota planlama problemi için Floyd-Warshall algoritması ile karınca kolonisi optimizasyonu algoritmasını bir arada kullanan esnek bir çözüm yaklaşımı çerçevesi sunulması oluşturmaktadır.

Güvenlik hizmetlerinin doğası gereği, 7 gün-24 saat aralıksız bir şekilde devam eden çalışma düzeni nedeniyle bu hizmetlerin çizelgelenmesinde vardiya sistemine ihtiyaç duyulmaktadır. Buna ek olarak, güvenlik hizmetlerinin insani koşulları ve iş kanunu ile zorunlu kılınan kısıtlar gibi diğer bazı problem kısıtlarını da dikkate alacak şekilde yerine getirilebilmesi çeşitli kriterlerin dikkate alınmasını gerektirmektedir. Bu çalışmada, benzer bir güvenlik personeli çizelgeleme problemi için ilgili iş kanunu da dikkate alınarak personellerin birbirleri ile eşit koşullarda çalışmalarını sağlayacak adil bir çizelge oluşturulması amaçlanmıştır. Çalışma kapsamında ayrıca, kıdem, cinsiyet ve medeni durum gibi kriterlere bağlı olarak güvenlik personellerinin hafta sonu çalışma maliyetlerinin farklılık gösterdiği bir kurgu için minimum maliyetli çizelgenin oluşturulması amaçlanmıştır. Problemin çözümü için 0-1 tamsayılı programlama formülasyonu oluşturulmuştur. Önerilen formülasyona maliyet girdisi oluşturmak amacıyla, yukarıda bahsedilen üç farklı kriterin dikkate alındığı AHP-WASPAS temelli bir yaklaşım kullanılarak güvenlik personellerinin hafta sonu çizelgelenme maliyetleri belirlenmiştir. Buna ek olarak, önerilen formülasyonun çalışmasının gösterimi için gerçekçi boyutlarda örnek bir problem oluşturularak, problemin optimal çözümü elde edilmiştir. Örnek probleme ek olarak, modelin performansını gösterebilmek amacıyla, daha büyük boyutlarda oluşturulmuş olan problemler için de optimal çözümler elde edilmiş ve farklı çalışma maliyetlerine sahip alternatif kurgular için çözüm süreleri kıyaslanmıştır.

Öğrenci-Proje Atama (ÖPA), genel olarak, çeşitli kriterlerin dikkate alınmasıyla öğrenci-proje gruplarının oluşturmasını ve bu gruplara projelerin atanmasını içeren çok-kriterli bir problem olarak tanımlanabilir. Bu çalışmada, problemin çözümü için üç aşamadan oluşan bir yaklaşım önerilmektedir. Yakın tarihli başka bir çalışmada geliştirilmiş olan bir 0-1 tamsayılı-hedef programlama formülasyonundan adapte edilmiş olan matematiksel programlama modeliyle, çalışmanın ilk aşamasında çeşitli kriterler dikkate alınarak öğrenci-proje gruplarının oluşturulması gerçekleştirilmektedir. Söz konusu kriterler ise (i) bir gruptaki öğrenci sayısı, (ii) genel akademik not ortalaması (GANO) değeri, (iii) yabancı dil, (iv) bilgisayar programlama, (v) genel ofis yazılımları ve (vi) veri tabanı yönetimi yetenekleridir. Sonraki aşamada, grup-proje eşleştirmeleri gerçekleştirilmeden önce, oluşturulan grupların proje tercihleri için grup üyelerinin farklı bakış açılarını yansıtan grup kararları belirlenmektedir. Son olarak, öğrenci-proje gruplarının proje tercihlerine yönelik olarak oluşturulan grup kararları kullanılarak bir 0-1 tamsayılı program ile grup-proje atamaları gerçekleştirilmektedir. Çalışmanın literatüre olan katkısı, önerilen üç aşamalı yaklaşımla, grup kararlarının dikkate alınarak ÖPA probleminin çözülmesi şeklinde özetlenebilir. Böylelikle, farklı bakış açılarına sahip çok sayıdaki öğrencinin tercihleri, ÖPA sürecinde önemli bir kriter olan tercih kriteri için yansız ve tek bir grup kararı olarak ele alınabilmektedir. Önerilen yaklaşım, akademik bir kurumdaki gerçek bir ÖPA problemine uygulanmıştır. Elde edilen sonuçlar, ilgili literatürde bulunan diğer atama yaklaşımlarının sonuçları ile çeşitli performans parametreleri açısından karşılaştırılmıştır ve kriterlerin performans skorlarında ortalama %9 oranında iyileşme olduğu gözlenmiştir.