DERİN ÖĞRENME VE ÜRETİM YÜRÜTME SİSTEMİ (ÜYS) İLE GERÇEK ZAMANLI ÜRÜN KALİTE KONTROLÜ
REAL-TIME PRODUCT QUALITY CONTROL WITH DEEP LEARNING AND MANUFACTURING EXECUTION SYSTEM
- Tez No: 1008845
- Danışmanlar: PROF. DR. BİROL ELEVLİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Akıllı Sistemler Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Endüstri 4.0 paradigması, modern imalat süreçlerinde tam dijitalleşmeyi, otonom karar vermeyi ve sistemler arası dikey entegrasyonu zorunlu kılmaktadır. Ancak günümüz uygulamaları, ya insan faktörüne dayalı öznel denetime bağımlı kalmakta ya da fiziksel dünyadan kopuk, simülasyon düzeyindeki açık döngü yapay zeka modelleriyle sınırlı kalmaktadır. Bu tez çalışması, Derin Öğrenme teknolojisini Nesnelerin İnterneti ekosistemiyle birleştiren, algılama ile fiziksel eylemi bütünleştiren düşük maliyetli ve kapalı döngü bir akıllı kalite kontrol sistemi sunmaktadır. Araştırma kapsamında, gerçek üretim koşullarını simüle eden konveyör sistemli bir fiziksel prototip geliştirilmiştir. Sistemin karar mekanizması, yüksek performanslı bilgi işlem altyapısında 300 epoch boyunca eğitilen ve YOLOv8-seg mimarisine dayanan özgün bir model ile yapılandırılmıştır. Geliştirilen bütünleşik mimari, mikro lens destekli görüntüleme sistemi sayesinde nesne yüzeyindeki ince taneli kusurları %96,90 mAP gibi yüksek bir doğrulukla analiz etmektedir. Yapay zeka çıkarımı, uç birimlerde 45 milisaniye gibi gerçek zamanlı bir sürede tamamlanmakta ve elde edilen veriler n8n tabanlı bir IoT ajanı aracılığıyla otonom raporlama panellerine aktarılmaktadır. Eş zamanlı olarak, ESP32 mikrodenetleyicisi üzerinden tetiklenen mekanik aktuasyon sistemi ile hatalı ürünler fiziksel olarak hattan ayrıştırılmaktadır. Deneysel sonuçlar, sistemin insan tepki süresinden yaklaşık 5,5 kat daha hızlı hareket ettiğini ve karmaşık görsel detayları ayırt etmede endüstriyel standartların üzerinde bir kararlılık sergilediğini göstermektedir. Bu çalışma, sunduğu uçtan uca fiziksel entegrasyon ve düşük maliyetli donanım mimarisi ile literatürdeki“uygulanabilirlik”boşluğunu doldurmaktadır. Sonuç olarak önerilen sistem, özellikle yüksek maliyetli ticari otomasyon çözümlerine erişimi kısıtlı olan KOBİ'ler için ölçeklenebilir, ekonomik ve doğrudan uygulanabilir bir akıllı fabrika bileşeni niteliği taşımaktadır.
Özet (Çeviri)
The Industry 4.0 paradigm necessitates full digitalization, autonomous decision-making, and vertical integration between systems in modern manufacturing processes. However, current applications often remain dependent on subjective manual inspection based on human factors or are limited to open-loop artificial intelligence models simulated only in computer environments, disconnected from the physical world. This thesis presents a low-cost, closed-loop intelligent quality control system that integrates Deep Learning technology with the Internet of Things (IoT) ecosystem, uniting perception with physical actuation. Within the scope of the research, a physical prototype with a conveyor system simulating real production conditions was developed. The decision mechanism of the system is structured with a unique model based on the YOLOv8-seg architecture, trained for 300 epochs on a High-Performance Computing infrastructure. The developed integrated architecture analyzes fine-grained defects on the object surface with a high accuracy of 96.90% mAP, thanks to a micro-lens-supported imaging system. AI inference is completed in a real-time duration of 45 milliseconds on edge nodes, and the obtained data is transferred to autonomous reporting panels via an n8n-based IoT agent. Simultaneously, defective products are physically separated from the production line using a mechanical actuation system triggered via an ESP32 microcontroller. Experimental results demonstrate that the system operates approximately 5.5 times faster than human response time and exhibits stability above industrial standards in distinguishing complex visual details. This study fills the“applicability”gap in the literature through its end-to-end physical integration and low-cost hardware architecture. Consequently, the proposed system serves as a scalable, economic, and directly applicable smart factory component, particularly for SMEs with limited access to high-cost commercial automation solutions.
Benzer Tezler
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- Addressing parametric uncertainties in autonomous cargo ship heading control
Otonom kargo gemisi yön kontrolündeki parametrik belirsizliklerin ele alınması
AHMAD IRHAM JAMBAK
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. İSMAİL BAYEZİT
- Developing morphology disambiguation and named entity recognition for amharic
Amharca morfolojik belirsizliği giderme ve adlandırılmış varlık tanıma geliştirilmesi
EBRAHIM CHEKOL JIBRIL
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Farklı mutasyon stratejileri kullanılarak XML temelli sistemlerde güvenlik zafiyetlerinin fuzz testi ile tespiti
Detection of security vulnerabilities in XML-based systems with fuzz testing using different mutation strategies
ŞERAFETTİN ŞENTÜRK
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
DR. VAHİD GAROUSİ
- Mesleki Eğitim Fakültesi Giyim Endüstrisi ve Giyim Eğitimi Bölümü“makina teknolojisi”dersinin değerlendirilmesi
Başlık çevirisi yok
FATMA ERAY
Yüksek Lisans
Türkçe
1987
Eğitim ve ÖğretimGazi ÜniversitesiGiyim Endüstrisi ve Giyim Sanatları Ana Bilim Dalı
YRD. DOÇ. DR. SEMİHA AYDIN