A sensor-driven machine learning pipeline and llm-based decision support agent for plastic injection molding quality control
Plastik enjeksiyon kalıplama kalite kontrolü için sensör tabanlı makine öğrenmesi hattı ve llm tabanlı karar destek ajanı
- Tez No: 1019710
- Danışmanlar: DR. ÖĞR. ÜYESİ ERİNÇ ALBEY
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Mühendislik Bilimleri, Industrial and Industrial Engineering, Engineering Sciences
- Anahtar Kelimeler: Plastik enjeksiyon kalıpları, Plastic injection molds
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Plastik enjeksiyon kalıplama, çevrimden çevrime ortaya çıkan ve genellikle an- cak parça üretildikten sonra saptanabilen kusurlar açısından hassas bir süreçtir. Bu tez, TÜB ̇ITAK 1711 projesi (Proje No 3237009) kapsamında Arçelik A. ̧S. ve Ascenix i ̧sbir- ligiyle plastik enjeksiyon kalıplama için geli ̧stirilen bir karar destek sisteminin (KDS) sen- ̆ sör tabanlı kusur tespiti ve günlük üretim raporlama katmanlarını in ̧sa etmektedir. Çalı ̧sma, Faz 1'in sınıflandırma bile ̧senini, MLOps altyapısını ve Faz 3'ün tamamını kapsar; Faz 1'in düzeltici parametre öneri bile ̧seni ve Faz 2'nin makineler arası transfer ögrenme uzantısı ̆ e ̧slik eden tezlerin [1, 2] konusu olup burada yalnızca kayıtlı kara-kutu modüller olarak kullanılır. Derinlikli Uzman, çok sınıflı ve çok etiketli kararı bir hatalı-hatasız kapı ve ardından gelen be ̧s kusura özgü dedektöre ayrı ̧stırır; tüm sınıflandırıcılar, üç kalıp içi basınç ve üç kalıp içi sıcaklık kanalından elle çıkarılmı ̧s 108 öznitelik üzerinde egitilmi ̧stir. Be ̧s ̆ tabloya dayalı aile (Random Forest, Lojistik Regresyon, Karar Agacı, XGBoost, K-En ̆ Yakın Kom ̧su) arasındaki taramanın ardından, ince ayar yapılmı ̧s XGBoost tüm hiyerar ̧si a ̧samaları için seçilmi ̧stir. Akıllı Uzman, tek dügümlü bir LangGraph i ̧s akı ̧sıdır; Open- ̆ Router üzerinden eri ̧silen gpt-4o-mini ve SHA-256 anahtarlı bir araç-çagrı önbelle ̆ giyle ̆ çalı ̧sır, dört yetenek kategorisini on güçlü-tipli araç ile saha kullanıcılarına yönelik bir sohbet arayüzü aracılıgıyla sunar. Her iki uzman da ortak bir MLOps altyapısı üzerinde ̆ çalı ̧sır (Flask, MLflow, PostgreSQL denetim deposu, Celery zamanlayıcı); böylece her karar ve e ̧slik eden Advisor Agent'tan dönen her öneri yeniden üretilebilir ve denetlenebilir biçimde saklanır. Yakla ̧sık 5,200 çevrim üzerinde, kapı ile be ̧s dedektörün a ̧sama bazlı kesinlik, geri çagırma ve F1 de ̆ gerleri ile Akıllı Uzman için iç pilot inceleme bulguları ̆ gösterge niteliginde gecikme aralıklarıyla raporlanmıştır. ̆
Özet (Çeviri)
Plastic injection molding remains susceptible to cycle-to-cycle defects that are typically detected only after production. This thesis develops and operationalizes the sensor-driven defect-detection and daily-reporting layers of a decision support system (DSS) for plastic injection molding within a TÜB ̇ITAK 1711 project (Project No. 3237009) carried out with Arçelik A. ̧S. and Ascenix. The work covers part of Phase 1 (sensor-based classification and the MLOps platform) and the entirety of Phase 3 (LLM-based daily reporting); the Phase 1 corrective recommender and the Phase 2 cross-machine extension are the subjects of companion theses [1, 2] and are consumed here as registered black-box modules. The Derinlikli Uzman decomposes the multi-class, multi-label decision into a defective-vs-OK gate followed by five fault-specific detectors trained on 108 hand-crafted features from three cavity-pressure and three cavity-temperature channels; after a survey of five tabular families (Random Forest, Logistic Regression, Decision Tree, XGBoost, K-Nearest Neighbours), fine-tuned XGBoost is selected for every head. The Akıllı Uzman is a single-node LangGraph workflow with an OpenRouter-hosted gpt-4o-mini backbone and a SHA-256-keyed tool-call cache, exposing four capability categories through ten strongly-typed tools and a chatbot UI for shop-floor users. Both experts run on a shared MLOps substrate (Flask, MLflow, PostgreSQL audit store, Celery scheduler) so that every prediction and every Advisor Agent recommendation is reproducible and auditable. On approximately 5,200 cycles, stage-wise per-class precision, recall, and F1 are reported for the gate and the five detectors, together with an internal pilot review of the Akıllı Uzman and indicative latency ranges.
Benzer Tezler
- Building energy efficiency: A data-driven machine learning approach for energy optimization
Bina enerji verimliliği: Enerji optimizasyonu için veriye dayalı makine öğrenmesi yaklaşımı
AHMAD REZA DARABI
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- X-harmony: Akıllı üretim için insan-merkezli açıklanabilir yapay zeka tabanlı karar mimarisi
X-harmony: A human-centered explainable AI-based decision architecture for smart manufacturing
BUKET CALP CANSIZ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT ÖZEKES
- Test verilerine dayalı, makine öğrenmesi ve derin öğrenme yöntemleri ile batarya sağlık durumu tahmini
Battery state of health estimation based on test data using machine learning and deep learning methods
MEHMET ALİ ARSLANTAŞ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Developing data-driven models for anomaly detection in automotive and additive manufacturing applications
Otomotiv ve eklemeli imalat uygulamalarında anomali tespiti için veri odaklı modeller geliştirme
SHAWQI MOHAMMED OTHMAN FAREA
Doktora
İngilizce
2025
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL
- CFRP plakalarda delaminasyon hasarının makina öğrenmesi ile tahmin edilmesi
Predicting delamination failure in CFRP composite plates with machine learning algorithms
AMMAR TARIK DİNÇER
Yüksek Lisans
Türkçe
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAKKAL