İTÜ LİSANSÜSTÜ DERS KATALOG FORMU (GRADUATE COURSE CATALOGUE FORM) Dersin Adı

Course Name

Bulanık Mantık ve Modelleme

Fuzzy Logic and Modeling

Kodu (Code)

Yarıyılı (Semester)

Kredisi (Local Credits)

AKTS Kredisi (ECTS Credits)

END606E

Bahar 3,0 7,5 Spring Lisansüstü Program Endüstri Mühendisliği Doktora Programı (Graduate Program) Industrial Engineering Ph.D. Program Dersin Türü (Course Type)

Dersin İçeriği (Course Description) 30-60 kelime arası

Dersin Amacı (Course Objectives) Maddeler halinde 2-5 adet

Dersin Öğrenme Çıktıları (Course Learning Outcomes) Maddeler halinde 4-9 adet

Seçmeli Elective

Dersin Dili (Course Language)

Ders Seviyesi (Course Level)

Doktora Ph.D.

İngilizce English

Klasik ve Bulanık kümeler, Bulanık Kümelerin Deterministik Kümelere Göre Farklılıkları. Bulanık Kümelere ait işlemler. Bulanık Aritmetik. Bulanık Bağıntılar. Bulanık Bağıntı İşlemleri. Olabilirlik Kuramı. Bulanık Mantık. Kesin Olmayan Verilere Dayalı Enformasyon. Bulanık Kümelerin Bulanık Veriler ve Enformasyon Sistemlerine göre oluşturulması. Bulanık Karar Verme. Mühendislik Uygulamaları. Diğer Uygulamalardan örnekler. Classical (Crisp) Sets to Fuzzy Sets, Fuzzy Sets versus crisp sets. Operations on fuzzy sets, Fuzzy Arithmetic, Fuzzy relations, Fuzzy relation equations, Possibility theory, Fuzzy logic, Uncertainty-based information, Constructing fizzy sets and operations on fuzzy sets. Approximate reasoning, Fuzzy systems, Pattern recognition, Fuzzy databases and information retrieval systems, Fuzzy decision making, Engineering applications, Miscellaneous applications. 1. Doktora öğrencilerine deterministik, olasılıksal ve bulanık modelleme konularında temel yaklaşım ve felsefeleri aktarmak. 2. Bunlar arasında ne gibi ayrımlar olduğunu bilincini vermek, bulanık mantığın klasik matematiğin konularından farklı olan işlemlerini öğrencilere kazandırmak. 3. Çeşitli uygulama örnekleri ile bulanık mantığın matematiksel temeli ve kavramsal büyüklükler konusunda ilişki kurmalarını sağlamak. 4. Karşılaştıkları kontrol ve karar verme problemlerinde klasik yollarla çözemedikleri konuları bulanık mantık yoluyla modelleme ve çözme yöntemlerini kullanma alışkanlığını kazandırmak. 1. To teach the main approaches and philosophies on deterministic, probabilistic and fuzzy modeling. 2. To teach the differences among deterministic, probabilistic and fuzzy modeling. 3. To teach the relations on the mathematical basis of fuzzy logic and concepts through the various applications. 4. To provide the familiarity to use the methods of modeling and solving the decision making problems through the fuzzy logic. Bu dersi başarıyla tamamlayan doktora öğrencileri aşağıdaki konularda bilgi, beceri ve yetkinlik kazanırlar: 1. Bulanık kümeler teorisinin tarihçesi ve temel kavramları 2. Bulanık mantık kontrolü 3. Bulanık sistemlerin modellenmesi 4. Bulanık kararlar 5. Bulanık çok ölçütlü karar verme 6. Modelleme için bulanık karar verme 7. Netleştirme 8. Bulanık performans ölçütleri 9. Bulanık verilerle istatistik PhD students who successfully pass this course gain knowledge, skills and proficiency in the following subjects: 1. The history of the fuzzy sets theory and its main concepts 2. Fuzzy logic control 3. Modeling fuzzy systems 4. Fuzzy decisions 5. Fuzzy multiattribute decision making 6. Fuzzy decision making for modeling 7. Defuzzification 8. Fuzzy performance criteria. 9. Statistics with fuzzy data

Kaynaklar

Sousa, J.M.C., Kaymak, U., 2002. Fuzzy Decision Making in Modeling and Control, World Scientific Series in Rbotics and Intelligent Systems, Vol. 27.

(References) Maddeler halinde en çok 5 adet

Siler, W., Buckley, J.J., 2005. Fuzzy Expert Systems and Fuzzy Reasoning, John Wiley & Sons. Nguyen, H.T., Wu, B., 2006. Fundamentals of Statistics With Fuzzy Data, Springer. Kilir, G.J. and Yuan, B., 1995. Fuzzy Sets and Fuzzy Logic, Prentice Hall.

Ödevler ve Projeler (Homework & Projects)

Ross, T.J., 1995. Fuzzy Logic With Engineering Applications, McGraw–Hill. Dersi veren tarafından belirlenecek konularda, oluşturulan öğrenci grupları kendi düşüncelerini katarak özgün bulanık modelleme çalışmaları yapacaklardır. Student teams will develop and present original fuzzy modeling works on the topics determined by the lecturer.

Laboratuar Uygulamaları (Laboratory Work)

Bilgisayar Kullanımı (Computer Use)

Diğer Uygulamalar (Other Activities)

Başarı Değerlendirme Sistemi (Assessment Criteria)

Faaliyetler (Activities) Yıl İçi Sınavları (Midterm Exams) Kısa Sınavlar (Quizzes) Ödevler (Homework) Projeler (Projects) Dönem Ödevi/Projesi (Term Paper/Project) Laboratuar Uygulaması (Laboratory Work) Diğer Uygulamalar (Other Activities) Final Sınavı (Final Exam)

Adedi* (Quantity) 2

Değerlendirmedeki Katkısı, % (Effects on Grading, %) % 50

1

% 10

1

% 40

*Yukarıda Belirtilen Sayılar Minimum Olup Gerekli Görüldüğü Takdirde Arttırılabilir.

DERS PLANI Hafta 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Konular Bulanık mantığa giriş Bulanık aritmetik ve işlemler Bulanık bağıntılar Bulanık modelleme Durulaştırma Bulanık performans ölçütleri Bulanık istatistiğe giriş Bulanık güven aralıkları ve hipotez testleri Bulanık mühendislik ekonomisi Bulanık karar fonksiyonları Bulanık karar verme Bulanık çok ölçütlü karar verme Bulanık optimizasyon Uzman sistemler

Dersin Çıktıları 1 1 1 1, 2 7 8 9 9 4 4 4, 5, 6 5 3 3

COURSE PLAN Weeks 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Topics Introduction to fuzzy logic Fuzzy arithmetic and operations Fuzzy relations Fuzzy modeling Defuzzification Fuzzy Performance Measures Introduction to fuzzy statistics Fuzzy confidence intervals and hypothesis tests Fuzzy engineering economics Fuzzy decision functions Fuzzy decision making Fuzzy multiple decision making Fuzzy optimization Fuzzy systems

Course Outcomes 1 1 1 1, 2 7 8 9 9 4 4 4, 5, 6 5 3 3

Dersin Endüstri Mühendisliği Doktora Programıyla İlişkisi

Programın mezuna kazandıracağı bilgi, beceri ve yetkinlikler (programa ait çıktılar)

Katkı Seviyesi 1 2 3

Bilgi i. Alanında var olan bilgileri özümseme ve ileriye götürebilme ii. Disiplinler arası etkileşimi kavrayabilme ve kullanabilme

X

Beceri iii. Alanındaki yeni bilgileri sistematik olarak kullanabilme iv.

Bilimsel bilgiyi geliştirme ya da var olan bilgiyi farklı bir alana uygulayabilme

v.

Eleştirel analiz, sentez ve değerlendirme yapabilme

vi.

Alanındaki araştırma yöntemlerini etkin kullanabilme

X X

Bağımsız Çalışabilme ve Sorumluluk Alma vii. Bilimsel bilgiyi geliştirecek özgün bir çalışmayı bağımsız gerçekleştirebilme viii.

En az bir makaleyi hakemli bir dergide yayımlama

ix.

Disiplinler arası çalışmalarda liderlik yapabilme

X X

Öğrenme Yetkinliği x. İleri düzey bilişsel süreçleri kullanarak yeni düşünce ve yöntem geliştirme İletişim ve Sosyal Yetkinlik xi. Sosyal ilişki ve normları eleştirel bir gözle inceleyebilme, geliştirebilme ve değiştirilmesini yönlendirebilme xii. Kendi alanındaki bilim çevresinde etkili iletişim kurabilme xiii. Bir yabancı dili yazılı ve sözlü iletişimde etkili kullanabilme Alana Özgü Yetkinlik xiv. Alanındaki ilerlemeleri tanıtarak, toplumun bilgi düzeyinin gelişmesine katkıda bulunma xv. xvi.

Stratejik karar verme araçlarını kullanarak alanındaki problemlerin çözümünde etkin iletişim kurabilme Alanındaki toplumsal, bilimsel, kültürel ve etik sorunların çözümüne katkıda bulunma 1: Az, 2. Kısmi, 3. Tam

X

X X

Relationship between the Course and Industrial Engineering PhD Program Level of Contribution

Program Outcomes

1

2

Knowledge i. Internalizing and furthering knowledge in the area ii. Skill iii.

3 X

Grasping and exploiting the interdisciplinary interaction

The ability to use new information in the area systematically

X

iv.

The ability to further scientific knowledge or to apply the existing knowledge in a different area

v.

The ability to make critical analysis, synthesis and evaluation

vi.

The ability to use research methods in the area

X

Competence to work independently and take responsibility vii. Independently carrying out an original study furthering scientific knowledge viii.

Publishing at least one scientific article in a peer reviewed journal

ix.

Fulfilling the leader role in interdisciplinary studies

X X

Learning competence x. The ability to develop new ideas and methods by using high level cognitive processes Communication and social competence The ability to analyze and develop the social relationships and norms and to direct the change xi. process xii. The ability to establish effective communications in the area xiii. Establishing written, oral and visual communication in a foreign language

X

X

Area specific competence Contributing to the societies knowledge level by announcing and promoting the developments in xiv. the area Establishing effective communication in solving the problems in the area by using strategic xv. decision making tools xvi. Contributing to the solution of social, scientific, cultural and ethical problems in the area

1: Little, 2. Partial, 3. Full

Düzenleyen (Prepared by)

Tarih (Date)

Cengiz Kahraman

17.05.2011

İmza (Signature)

X