Bu çalışmada, polinomiyal olmayan (Non-Polinomial-NP)-Zor sınıfı esnek akış tipi çizelgeleme problemlerinin çözümü ve çözüm aşamalarının analizi (büyük miktarda veri içinde gömülü olan anlamlı ve kullanışlı bilgilerin çıkarılması) amaçlanmıştır. Üretim sistemlerinde toplam akış zamanını (maksimum tamamlanma zamanı) minimize edecek çözümler (iş akış sıraları) elde etmek için Genetik Algoritmalar ve bu çözümler arasındaki ilişkileri ortaya çıkarmak için veri madenciliği kullanılmıştır. Bu bağlamda genetik algoritma tekniklerini kullanan bir program yazılmış, veri madenciliği için de verilerin hazırlanması ve analiz kısmı için bu işlemlere yönelik hazır veri madenciliği programları kullanılmıştır. Esnek akış tipi problemleri çözmek için geliştirilen genetik algoritma, kısa sürede etkili sonuçlar vermiştir. Doç.Dr. Ceyda Oğuz'un ve Carlier-Neron'un esnek akış tipi problemleri üzerine çalışılmıştır
In this study, it was aimed to solve problems of NP-Hard class hybrid flow shop scheduling problems and analyze the solutions (obtain meaningful and useful knowledge from hugeamount of data). In production systems, in order to obtain the minimized solutions of total flowing time, genetic algorithms were used, and in order to find relations between these solutions data mining was used. As a result, a program using genetic algorithm tecnics was designed, and for data mining to prepare and analyze data, present data mining programs interesting these solutions were used. For solving the hybrid flow shop scheduling problems, an efficient genetic algorithm is proposed. We used Ceyda Oğuz hybrid flow shop scheduling with multiprocessor task problems and Neron-Carlier hybrid flow shop scheduling problem from literature.