Denim üretiminde makine öğrenmesi yöntemleriyle kalite tahmini
Quality prediction in denim production using machine learning methods
- Tez No: 1018930
- Danışmanlar: PROF. DR. ERCAN ŞENYİĞİT
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, denim üretiminde nihai ürün kalitesini etkileyen süreç ve hammadde değişkenlerinin makine öğrenmesi ile modellenerek üretim hattının erken aşamalarında kalite öngörüsü sağlayan veri temelli bir çerçeve geliştirilmesi amaçlanmıştır. Bir denim üreticisinden derlenen yaklaşık 160.000 kayıt ve 372 öznitelikten oluşan gerçek üretim verisi üzerinde; öznitelik uzayı, sınıf dengeleme, etiket bütünlüğü ve hedef değişken biçimi boyutlarında türetilen sekiz veri seti varyantında altı sınıflandırma algoritması (DT, LR, RF, XGBoost, LightGBM, YSA) karşılaştırılmıştır. Hiperparametre seçimi Optuna-TPE ile, algoritma karşılaştırmaları ise bootstrap, McNemar, DeLong ve Bayes-korelasyonlu t-testinden oluşan dört katmanlı bir istatistiksel çerçeveyle yürütülmüştür. Bulgular LightGBM'in sekiz varyant boyunca tutarlı üstünlük sergilediğini; veri tasarım kararlarının performans üzerindeki etkisinin algoritma seçimine yakın düzeyde belirleyici olduğunu; feature importance temelli boyut indirgemenin etkileşim-yoğun problemlerde belirgin performans kaybına yol açtığını; sınıf dengelemenin azınlık sınıf yakalamayı iyileştirdiğini ve LightGBM'in etiket gürültüsüne karşı en dayanıklı algoritma olduğunu ortaya koymuştur.
Özet (Çeviri)
This thesis develops a data-driven framework that predicts end-product quality in denim manufacturing from process and raw-material variables, supporting early quality forecasting on the production line. Using a real industrial dataset of approximately 160,000 records and 372 features from a denim manufacturer, six classification algorithms (DT, LR, RF, XGBoost, LightGBM, ANN) are benchmarked across eight variants obtained by manipulating the feature space, class balance, label integrity and target design. Hyperparameter selection uses TPE-based Bayesian optimization in Optuna, while algorithm comparisons rely on a four-layered statistical framework of bootstrap confidence intervals, McNemar tests, DeLong tests, and Bayesian correlated t-tests. The results show that LightGBM attains consistent superiority; that data-design decisions affect performance to a degree comparable with algorithm choice; that feature-importance-based dimensionality reduction causes substantial loss in interaction-rich problems; that class balancing improves minority-class recovery; and that LightGBM is the most label-noise-robust algorithm in the comparison.
Benzer Tezler
- Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms
Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak
CEM ÖZEN
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DENİZ
- ISO 19650 compliant project information protocol proposal for collaborative working and BIM execution
İşbirlikçi çalışma ve BIM uygulamaları için ISO 19650 uyumlu proje bilgi protokolü önerisi
SALİM BURAK TEZGİDEN
Yüksek Lisans
İngilizce
2019
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN
- Determining novel target genes in WNT/𝛽-catenin signaling pathway using machine learning
WNT/beta-catenin sinyal yolağında makine öğrenmesi ile hedef genler belirlenmesi
CEMRE KEFELİ
Yüksek Lisans
İngilizce
2022
Genetikİstanbul ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANDRES OCTAVIO ARAVENA DUARTE
- Detection and classification of faults on the dc side of photovoltaic systems using logistic model tree algorithm
Lojistik model ağacı algoritması ile fotovoltaik sistemlerin dc tarafındaki hataların tespiti ve sınıflandırılması
BOĞAÇ OĞUZ TOĞAY
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. COŞKUN FIRAT
- Makine öğrenmesi yaklaşımları kullanılarak denim kumaşlarda kusur tespiti
Defect detection in denim fabrics using machine learning approaches
ZEYNEP PINAR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SUHAP ŞAHİN