Üretim hattında kullanılan elektrikli el aletlerini kullanan kişilerin davranışlarının tahmin edilmesine yönelik bir yöntem geliştirilmesi
Development of a method for predicting the behavioral patterns of operators using electric hand tools in production lines
- Tez No: 1005713
- Danışmanlar: PROF. DR. TURGAY TUGAY BİLGİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: İnsan bilgisayar etkileşimi, İnsan-yapay zeka etkileşimi, Human computer interaction, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Okan Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Endüstri 4.0 kapsamında hız kazanan dijital dönüşüm, veri temelli karar alma süreçlerinin ve insan-makine etkileşiminin doğru biçimde modellenmesini zorunlu kılmaktadır. Bu tez çalışmasında, kullanıcı davranışının modellenmesi ve deneyim düzeyi sınıflandırılması problemi, Trex Dijital Akıllı Üretim Sistemleri tarafından akıllandırılan elektrikli vidalama el aletinden elde edilen çoklu sensör verileri ile anket temelli öznel değerlendirmelerin birlikte kullanılmasıyla ele alınmıştır. Veri ön işleme aşamasında sinyal senkronizasyonu, filtreleme ve ölçekleme adımları uygulanmış; ardından zaman bağımlılığını koruyan sekanslar, kayan pencere yaklaşımı ile oluşturulmuştur. Çok kanallı veri füzyonu kapsamında, ham zaman serileri üzerinden RMS, hız, mesafe ve vektör normu gibi açıklayıcı öznitelikler çıkarılarak veri temsili güçlendirilmiştir. Kullanıcı deneyim düzeyinin sınıflandırılması amacıyla 1D CNN, BiLSTM ve CNN–LSTM–Attention tabanlı derin öğrenme mimarileri geliştirilmiş; modeller, eğitim ve test aşamalarında kullanılmayan bağımsız gerçek veriler ile doğrulanmıştır. Elde edilen sonuçlar, CNN–LSTM–Attention mimarisinin %91,67 doğruluk oranı ile 1D CNN ve BiLSTM modellerine kıyasla belirgin biçimde üstün performans sergilediğini ortaya koymaktadır. Bulgular, akıllandırılmış el aletlerinden elde edilen çok modlu verilerin, işe alım uygunluğunun değerlendirilmesi, iş güvenliği risklerinin öngörülmesi ve insan-robot işbirliğine dayalı üretim ortamlarında davranış tahmini gibi alanlarda etkin karar destek mekanizmaları sunabileceğini göstermektedir.
Özet (Çeviri)
Industry 4.0 has accelerated digital transformation in manufacturing, necessitating accurate modeling of data-driven decision-making processes and human–machine interaction. This thesis addresses the problem of user behavior modeling and experience level classification by integrating multi-sensor data collected from intelligent electric screwdriving tools developed by Trex Digital Smart Manufacturing Systems with survey-based subjective assessments. During the data preprocessing stage, synchronization, filtering, and scaling procedures were applied. Subsequently, time-dependent sequences preserving temporal dependencies were generated using a sliding window approach. To enhance representational capability, multi-channel data fusion was employed by extracting descriptive features such as root mean square (RMS), velocity, displacement, and vector norm from raw time-series signals. Deep learning architectures based on 1D CNN, BiLSTM, and a hybrid CNN–LSTM–Attention model were developed for experience level classification and validated using independent real-world data not included in the training and testing phases. The experimental results demonstrate that the CNN–LSTM–Attention architecture achieves the highest performance with an accuracy of 91.67%, significantly outperforming the 1D CNN and BiLSTM models. The findings indicate that multi-modal data obtained from intelligent hand tools can provide effective decision support mechanisms for recruitment suitability assessment, occupational safety risk prediction, and behavior forecasting in human–robot collaborative manufacturing environments.
Benzer Tezler
- DP16T switching matrix for microwave imaging applications
Mikrodalga görüntüleme sistemleri için DP16T switch
YUNUS BAYKAL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇAYÖREN
- Akrilik mikroliflerin uzun lif eğirme sisteminde işlenebilirliğinin geliştirilmesi
Improvement of processing acrylic microfibres in long-staple spinning system
YEŞİM İRİDAĞ
- Üniversite yerleşkesinde oluşan yemekhane atıkları ile gerçek ölçekli biyometanizasyon tesisinde biyogaz üretimi
Biogas production at full scale biomethanizition plant from food waste generated at university campus
ENES AĞUŞ
Yüksek Lisans
Türkçe
2022
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT ALTINBAŞ
- Fotovoltaik elektrolüminesans görüntülerindeki bara kusurlarının derin öğrenme yöntemleri ile tespiti
Detection of busbar defects in photovoltai̇c electrolumi̇nescence i̇mages by deep learning methods
SAHRA ŞİMŞEK KAYA
Yüksek Lisans
Türkçe
2024
EnerjiHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKADİR GÜMÜŞÇÜ
DR. ÖĞR. ÜYESİ NURETTİN BEŞLİ
- Üç parmaklı sma robot elin üretimi ve uygulama analizi
Production of three-finger sma robot hand and its practical anaysis
SAVAŞ DİLİBAL
Yüksek Lisans
Türkçe
1999
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERTAN GÜNER