Date of Award

4-2018

Document Type

Thesis

Degree Name

Master of Science in Mechanical Engineering (MSME)

Department

Mechanical Engineering

First Advisor

Dr. Basem Fayez Yousef

Second Advisor

Dr. Khalifa Harib

Third Advisor

Dr. Rafic Ajaj

Abstract

Companies, factories, and academic institutes often rely on planning and controlling scheduling of production lines or classrooms to ensure efficient utilization of resources. Task scheduling is a complex nonlinear process, due to numerous constraints, parameters and frequent, sudden changes in the requirements. The aim of this project is to explore the utilization of artificial intelligent neural networks in the preparation of classroom scheduling by utilizing their adaptive attributes and learning ability to establish a procedure for classroom timetable preparation. A set of input vectors comprising five constraints are introduced to a Self-Organizing Feature Map (SOM) neural network for classroom sections classification and separation, using some cluster centers equal to the available rooms. The SOM demonstrated strong capability in clustering the sections into groups comprising courses with conflicts based on the defined constraints, hence identifying classes to be sequentially scheduled in one room. A second stage SOM is used to further split oversized clusters. Moreover, to fit newly created classrooms into the SOM generated timetable, the output from SOM is used to train a Feedforward Back Propagation (FFBP) neural network to extract the implicit course-classroom mapping as formulated by the SOM. The trained FFBP is used to accommodate the new courses without the need to re-cluster with SOM. The trained FFBP managed to prepare a conflict-free schedule successfully. The outputs of the integrated neural networks show that the proposed model can create an initial guess of a valid classroom schedule. It is envisaged that the procedure can be extended and implemented in fields other than academia such as factories, healthcare, and transportations.

Comments

تعتم دُ اُلشركات وُالمصانع وُالمعاهد اُلأكاديمية عُلى تُخطي طُ وُمراقبة جُدولة خُطوط اُلإنتاج أُوُ الفصول اُلدراسية؛ وُذلك لُضمان اُلاستخدام اُلأمثل لُلموارد اُلمتاحة. جُدولة اُلمهام هُي عُملية مُعقدةُ غير خُطية (Non-linear) رُياضياً؛ يُعود سُبب تُعقيدها إُلى اُلكثير مُن اُلقيود وُالعوام والمتغيرات اُلمفاجئة وُالمتكررة فُي اُلمتطلبات. اُلهدف مُن هُذا اُلمشروع اُلكشف عُن اُستخدامُلُ الشبكات اُلعصبية اُلذكية اُلاصطناعية (Artificial Intelligent Neural Networks) فيُ إعداد جُدولة اُلفصول اُلدراسية مُن خُلال اُلاستفادة مُن سُمات اُلتكيف وُالقدرة عُلى اُلتعلمُ واستخدامها لُإعداد جُدول اُلفصل اُلدراسي. يُتم إُدخال مُجموعة مُن نُاقلات اُلإدخال vector) (Input وُالتي بُدورها تُتألف مُن خُمسة قُيود إُلى شُبكة اُلخريطة اُلعصبية ذُاتية اُلتنظيم ( Organizing Map Self- ُ ) لُتصنيف اُلمواد اُلدراسية وُفصلها إُلى مُجموعات، وُيتم ذُلك بُاستخدام عُددُ من اُلمراكز اُلعنقودية مُساوية لُعدد اُلفصول اُلدراسية اُلمتاحة. أُظهرت شُبكة اُلخريطة اُلعصبيةُ ذاتية اُلتنظيم (SOM) قُدرتها اُلعالية فُي تُصنيف اُلمساقات إُلى مُجموعات تُشمل اُلمساقاتُ المتعارضة مُع اُلأخذ بُعين اُلاعتبار اُلمحددات اُلمذكورة. وُبالتالي تُحديد اُلمساقات بُطريق ة جُدولةُ متسلسلةٍ فُي اُلفصل اُلدراسي اُلواحد. وتستخدم شُبكة اُلخريطة اُلعصبية ذُاتية اُلتنظيم (SOM) في اُلمزيد مُن اُلتصنيف فُي حُال وُجود تُجمعات كُبيرة مُن اُلمساقات اُلمتكدسة. وُعلاوة عُلى ذُلك،ُ يتم اُضافة مُساقات جُديدة -ُغير اُلتي تُم إُنشاؤها-. وُبناء على اُلمعلومات اُلمعدة فُي شُبكة اُلخريطةُ العصبية ذُاتية اُلتنظيم (SOM) مُن قُبل؛ نُعتمد عُلى مُخرجات (Output vector) شُبكة اُلخريطةُ العصبية ذُاتية اُلتنظيم (SOM) التي بُدورها يُتم اُستخدامها كُمدخلات لُتدريب اُلشبكة اُلعصبيةُ ذات اُلتغذية اُلأمامية وُالانتشار اُلارتدادي ( Feedforward Back Propagation (FFBP) neural network ) لاستخراج اُلفصل اُلدراسي اُلمناسب لُلمساق اُلجديد كما صُاغتها شُبكةُ الخريطة اُلعصبية ذُاتية اُلتنظيم (SOM) وُيتم اُستخدام اُلشبكة اُلعصبية ذُات اُلتغذية اُلأماميةُ (FFBP) اُلمدربة مُسبقاُ لُاستيعاب اُلمساقات اُلجديدة دُون اُلحاجة إُلى إُعادةُ التصنيف بُاستخدام شُبكة اُلخريطة اُلعصبية ذُاتية اُلتنظيم (SOM). وُ قُد تُمكنت اُلشبكة اُلعصبيةُ ذات اُلتغذية اُلأمامية وُالانتشار اُلارتدادي (FFBP) المدربة مُن إُعداد جُدول لُلفصول اُلدراسيةُ خال مُن اُلتعارضات بُنجاح. تُظهر مُخرجات اُلشبكات اُلعصبية اُلمتكاملة أُن اُلنموذج اُلمقترحُ يمكن أُن يُخمن بُشكل فُعالٍ أُولي جُدولة اُلفصول اُلدراسية. وُمن اُلمتصور أُن يُمتد هُذا اُلإجراءُ وينفذ فُي مُيادين اُخرى غُير اُلأوساط اُلأكاديمية مُثل اُلمصانع وُالرعاية اُلصحية وُالنقل.

Share

COinS