Yapay zeka destekli üretim süreçleri: Otomotiv sektöründe hata tahmini ve kök neden analizi
Ai-supported manufacturing processes: Fault prediction and root cause analysis in the automotive industry
- Tez No: 1009218
- Danışmanlar: DOÇ. DR. GÜRKAN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Akıllı Sistemler Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu yüksek lisans tezi, modern otomotiv boyahane süreçlerinde kalite kontrol ve maliyet yönetimi alanındaki kritik bir boşluğu doldurmayı amaçlamaktadır. Geleneksel yaklaşımlarla hataların üretim hattının sonunda tespit edilmesi, yüksek hurda maliyetlerine, kaynak israfına ve üretim planlamasında aksamalara yol açmaktadır. Bu çalışmanın temel hedefi, yüksek boyutlu sensör verilerini kullanarak, hatalı ürünlerin üretim süreci esnasında gerçek zamanlı olarak tahmin edilmesini sağlayan ve aynı zamanda kararlarını açıklayabilen bir karar destek sistemi geliştirmektir. Çalışmada, endüstriyel boyahane hattından toplanan yüzlerce süreç parametresini içeren, gürültülü ve karmaşık sensör verileri kullanılmıştır. Veri setinin ana zorluğu, bazı hata tiplerinde %1'den daha az pozitif örnekle karşılaşılan aşırı sınıf dengesizliğidir (Örn: Boya pisliği için 1:106). Bu zorluğun üstesinden gelmek için, Aşırı gradyan artırma algoritmasının dahili sınıf ağırlıklandırma mekanizması etkin bir şekilde kullanılmıştır. Ayrıca, model performansını maksimize etmek ve nedenselliği artırmak amacıyla, üretim kaydına ait miktar gibi nedensel olmayan değişkenler analiz dışında tutulmuştur. Öğrenme temelli model seçimi sürecinde, Lojistik regresyon, Rastgele orman ve Aşırı gradyan artırma algoritmaları karşılaştırılmıştır. Lojistik regresyon modeli, veri setindeki eksik değerler nedeniyle elenirken, Aşırı gradyan artırma algoritması, tüm kritik hata kodlarında Rastgele orman modeline kıyasla tutarlı bir şekilde daha yüksek F1 Skoru elde etmiştir. Bu sonuç, Aşırı gradyan artırma algoritmasının sınıflandırma başarısında ve dengesizlik yönetiminde üstün olduğunu kanıtlamıştır. Modelin erken uyarı yeteneği ise bazı hata tiplerinde %86'ya ulaşmıştır. Tezin en özgün ve endüstriyel katkısı, Açıklanabilir yapay zekâ metotlarının uygulanmasıyla elde edilmiştir. Shapley katkı değerleri yöntemi kullanılarak, modelin tahminlerine neden olan fiziksel süreç parametreleri tespit edilmiştir. Bu analiz, Toz hatasının birincil kök nedeninin 1.Boya aplikatörünün çalışma döngüsü süresi olduğunu; Vernik kaynaması hatasının ise Vernik 2 dönme sapması ile yakından ilişkili olduğunu kanıtlamıştır. Bu bulgular, kalite kontrol ekiplerine sadece bir tahmin sunmak yerine, doğrudan aksiyona dönüştürülebilir mühendislik bilgisi sağlamaktadır. Geliştirilen bu açıklanabilir karar destek sistemi mimarisi, tahmin başarısını açıklanabilirlik ile birleştirerek, üretim süreçlerinin sürekli iyileştirilmesi için sağlam bir metodolojik çerçeve sunmaktadır.
Özet (Çeviri)
This Master's thesis aims to address a critical gap in quality control and cost management within modern automotive painting processes. Conventional approaches rely on defect detection at the end of the production line, leading to significant scrap costs, wasted resources, and scheduling disruptions. The primary objective of this study is to develop an Explainable AI-based Decision Support System capable of real time quality prediction of faulty products during the manufacturing process, while simultaneously being able to explain its decisions to the user. The study utilizes high-dimensional, noisy, and complex sensor data collected from an industrial paint shop. A major challenge encountered in the dataset was extreme class imbalance (less than 1% positive instances for some defect types, e.g., 1:106 for Paint Dirt Defect). This challenge was effectively managed using the class weighting (scale_pos_weight) mechanism inherent in the XGBoost algorithm, coupled with comprehensive feature engineering. To maximize model performance and increase causality, non-causal variables like quantity were excluded from the analysis. In the model selection process, Logistic Regression, Random Forest, and XGBoost algorithms were compared. The Logistic Regression model was disqualified due to its inability to handle missing values in the data, while XGBoost consistently achieved a higher F1 Score (e.g., 0.4237 for Dust Defect) across all critical defect codes compared to Random Forest. This finding validates XGBoost's superiority in classification performance and imbalance management for this domain. The model's early warning capability, measured by Recall, reached as high as 86.1% for certain defect types. The most unique and industrially relevant contribution of this thesis is achieved through the application of XAI methods. Using the Shapley Additive exPlanations technique, the precise physical process parameters driving the model's predictions were identified. This analysis confirmed that the primary root cause of the Dust Defect defect is the Cycle Time of Paint Applicator 1, and that the Clear Coat Solvent Pop defect is closely associated with Varnish 2 Rotation Deflection. These findings provide quality control teams with actionable engineering insights rather than just a prediction. The developed Explainable Decision Support System architecture integrates predictive success with transparency, offering a robust methodological framework for continuous improvement in manufacturing processes.
Benzer Tezler
- Yapay zekâ destekli maliyet yönetimi: istatistiksel ve makine öğrenmesi modelleri ile bir inceleme
Artificial intelligence-supported cost management: an analysis with statistical and machine learning models
SENANUR İPEK
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAHİN
- Otomotiv sektöründe parça kontrolü için yapay zekâ destekli yazılım geliştirilmesi
Development of ai-supported software for part inspection in the automotive industry
ONUR ARDIÇ
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKÇEN ÇETİNEL
- A review of the applications of vision-based 3D as-built data acquisition technologies in the construction industry
İnşaat sektöründe 3D as-built veri toplama uygulamalarının incelenmesi
MAHMOUD ABUFOUDA
Yüksek Lisans
İngilizce
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESİN ERGEN PEHLEVAN
- Endüstriyel üretim hatlarında yapay zekâ destekli kalite kontrol sisteminin geliştirilmesi
Development of artificial intelligence-supported quality control system in industrial production lines
ELİF AYDAN BİKE
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Yapay sinir ağları ile otomotiv sektöründe norm kadro hesaplaması
Personnel planni̇g i̇n automoti̇ve industry wi̇th arti̇fi̇ci̇al neural networks
ÇİLEM SİNEM ŞENDOĞAN
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA YILMAZ