-Stochastic operation times make job-shop scheduling harder at companies which work based on project type laborintensive production in a dynamic environment. The operation times are not known before production and change based on the orders' technical specifications. In performing required operations with the aim of producing a final product, scheduling is required for different purposes such as minimizing makespan, maximizing resource utilization, etc. This is important as it enables companies to meet customer demands by due date and reduce the labor cost on the finalized product. In this study, an order scheduling algorithm is proposed for nearly optimizing average makespan for several waiting orders in a transformer company's core production workshop considering dynamical production environment. The proposed algorithm adopts the technical order specifications, computes the stochastic operation times making use of simulation, and schedule orders using one of the widely used meta-heuristics, namely genetic algorithm. The objective is to determine the entry sequence of the waiting orders to the core production workshop for minimizing their average makespan which directly influences the resource utilization, efficiency, and labor costs.

ÖZMontaj hatlarında tekrarlayan işler ve uygun olmayan pozisyonlarda yapılan çalışmalar kas-iskelet sistemi rahatsızlıklarına (KİSR)ve işgücü kayıplarına sebep olmaktadır. KİSR'nın önüne geçmek için montaj hatlarının ergonomik tasarımı önemlidir. Montaj işlemlerinin farklı çalışma pozisyonlarını bir arada kullanılmasını gerektirmesine karşın; tüm çalışma pozisyonlarında aynı anda ergonomik çalışmayı sağlayacak bir hat tasarlamak her zaman mümkün olmamaktadır. Bu nedenle montaj hattı tasarımlarında tasarım kriterlerinin belirlenebilmesi için, çalışanların hangi vücut bölümlerinin öncelikli olarak göz önüne alınacağının araştırılması gerekir. Bu çalışmada, bir transformatör imalatçısının montaj hattı çalışanlarının kas-iskelet sistemi rahatsızlıkları; Cornell Üniversitesi Kas İskelet Sistemi Rahatsızlık Anketinden (CMDQ) esinlenilerek oluşturulan bir anket çalışması, Hızlı Tüm Vücut Değerlendirme (REBA) Yöntemi ve Ovako Çalışma Duruşu Analiz Sistemi (OWAS) ile analiz edilmiştir. Analiz sonucunda, sırt, bel, ayaklar, boyun, sağ pazu ve omuzlar en riskli vücut bölümleri olarak belirlenmiş ve bu riskleri azaltmak üzere ayarlanabilir bir montaj sehpası tasarımı yapılmıştır.Anahtar Kelimeler: Cornell üniversitesi kas iskelet sistemi rahatsızlık anketi, reba, owas, montaj sehpası tasarımı Ergonomic analysis of assembly unit in a transformer company ABSTRACTIn assembly lines repeated work and unsuitable working postures cause musculoskeletal disorders (MSD) and labor losses. Ergonomic design of assembly lines is important to avoid MSD. Although assembly work require the use of different working postures together, it is not always possible to design an assembly line that provides ergonomic work in all postures at the same time. For this reason, in order to determine design criteria for design of assembly lines, it is necessary to investigate which body parts of employees will be taken into consideration primarily. In this study, musculoskeletal disorders of assembly line employees of a transformer producer were analyzed by using the questionnaire study inspired by "Cornell Musculoskeletal Discomfort Questionnaire (CMDQ)", Rapid Entire Body Assessment (REBA) and Ovako Working Postures Analysing System (OWAS). As a result of analysis, the back, waist, feet, neck, right upper arm and shoulders were identified as the most risky body parts and an adjustable assembly table was designed to reduce these risks.Keywords: Cornell musculoskeletal discomfort questionnaire (CMDQ), rapid entire body assessment (REBA), ovako working postures analyzing system (OWAS), assembly table design.

It is important for companies to meet customer demands by due date and reduce the labor cost on the finalized product. For this purpose, order scheduling is required for different purposes such as minimizing makespan, maximizing resource utilization, etc. Dynamic production environment causes stochastic operation times at companies which work based on project type labor-intensive production. Stochastic operation times make order scheduling harder. There are many reasons that causes operation times being stochastic such as technical specifications of the orders, skills of the operators, bottlenecks in the job-shop, and etc. However, one of the most important but less discussed constraints that affect the probability distribution of the operation times is the ergonomic constraint. Ergonomic constraints, such as musculoskeletal discomfort, fatigue and limitations determined by the laws make it even more difficult to predict the total makespan of waiting orders. In this study, an order scheduling algorithm that considers the dynamical production environment and the ergonomic limitations is proposed for nearly optimizing average makespan for several waiting orders in the grinding and painting workstation of YEMTAR Company. The proposed algorithm adopts the technical order specifications and ergonomic constraints together, computes the stochastic operation times by using simulation, and schedule orders by using genetic algorithm. The objective is to determine the entry sequence of the waiting orders to the workshop for minimizing their average makespan which directly influences the resource utilization, efficiency, and labor costs.

Montaj hatlarında kas iskelet sistemi rahatsızlıkları  Kas iskelet sistemi rahatsızlıklarının değerlendirilebilmesi amacıyla yeni bir risk değerlendirme yöntemi  Geliştirilen yöntemin REBA, AMS ve EMG ile doğrulanması

Gerçek yaşam problemleri genellikle modellenmesi zor ve büyük ölçekli problemlerdir. Bu nedenle bu tür problemlerin klasik optimizasyon yöntemleriyle çözülmeleri çoğu zaman mümkün değildir. Bu makalede yarı Markov karar süreci olarak modellenebilen gerçek yaşam problemlerine yaklaşık optimal çözüm üreten çok katmanlı yapay sinir ağı yaklaşımlı bir ödüllü öğrenme algoritması geliştirilmiştir. Geliştirilen algoritmanın performansı küçük ölçekli sayısal bir örnek üzerinde ölçülmüş ve klasik ödüllü öğrenme algoritmasıyla kıyaslanmıştır. Sayısal denemelerden elde edilen sonuçlara göre, geliştirilen algoritmanın başarısında yapay sinir ağındaki gizli katman sayısı önemli bir etkendir ve uygun gizli katman sayısına sahip yapay sinir ağı yaklaşımlı ödüllü öğrenme algoritmasıyla elde edilen çözümün ortalama maliyeti, klasik ödüllü öğrenme algoritmasıyla elde edilen çözümün ortalama maliyetiyle yaklaşık aynıdır.