Çok değişkenli kalite kontrol grafikleri ve yapay sinir ağları yöntemiyle döküm sanayisinde bir istatistik süreç kontrol uygulaması
A statistical process control application in casting industry through multivaiiate quality control charts and artificial neural networks
- Tez No: 479476
- Danışmanlar: PROF. DR. ERKAN OKTAY, PROF. DR. BURAK BİRGÖREN
- Tez Türü: Doktora
- Konular: İstatistik, İşletme, Statistics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 416
Özet
Yapılan çalışmada, MKE Kurumuna bağlı olarak faaliyetlerini yürüten Pirinç Fabrikası Müdürlüğünün üretim süreçlerinde kalite iyileştirme çabaları kapsamında sürecin değişkenliğini kontrol etmek amacıyla istatistiksel süreç kontrolü uygulanmış ve element oranları tek ve çok değişkenli kontrol grafikleri ile izlenmiştir. Ancak tek ve çok değişkenli kontrol grafiklerinde tespit edilen kontrol dışı sinyallerin yorumlanması esnasında hata kaynaklarını teşhis etmede uygun sonuçlara ulaşılamamıştır. Bu durum üzerine süreçte meydana gelen değişimi etkileyen hata kaynaklarını teşhis etmek maksadıyla süreç tabanlı temel gösterimleri yöntemi (STTG) yöntemine dayalı bir model önerilmiştir. Önerilen modelde, STTG yöntemi, çok değişkenli kontrol grafikleri ve yapay sinir ağları (YSA) hibrit bir şekilde kullanılmıştır. Önerilen model, pirinç, demir ve alüminyum döküm süreçlerinde kullanılabilecek genel bir modeldir. Bu model, bütün döküm süreçlerinde kullanılabilir ancak problemin durumuna göre özelleştirilmesi gerekir. Modelin oluşmasında temel olarak kullanılan STTG yöntemi, literatürde imalat sanayinde geometrik sapmaların modellenmesinde kullanılmıştır, ancak süreç (kimya, petro-kimya, döküm vb.) endüstrilerinde ve malzeme içeriklerinin modellenmesinde kullanılmamıştır. Bu kapsamda STTG yöntemi, bu çalışmada ilk defa farklı bir üretim sürecinde kullanılmış ve başarılı bir şekilde uygulanmıştır. Literatürde STTG katsayılarının tek değişkenli kontrol grafikleri ile izlenmesi önerilmektedir. Bu çalışmada ise bu katsayılar Hotelling T² kontrol grafiği ile izlenmiştir. Kalite karakteristiklerinin Hotelling T² kontrol grafiği ile izlenmesi esnasında kontrol dışı durumları temsil eden bazı tipik örüntülerin oluştuğu da tespit edilmiş ve bu örüntülerin otomatik olarak tanınması için YSA modelleri kullanılmıştır. Ayrıca belirtilen modelin uygulanması esnasında, STTG yöntemi ile ilgili olarak literatürde olmayan düşük boyut problemi ile karşılaşılmış ve bu duruma karşı çözüm yolları üretilmiştir.
Özet (Çeviri)
In the study, firstly Statistical Process Control was implemented to improve quality in the production process of the Brass Factory, which operates under the MCI Coorporation; and the values of the elements were monitored with univariate and multivariate control charts. However, when the out-of-control signals were detected in the univariate and the multivariate control charts, it was not possible to find out the relevant results about the interpreting of these signals. Therefore, secondly, a model based on the Process-Oriented Basic Representation (POBREP), was proposed for the interpretation of out-of-control signals. In the proposed model, the POBREP method, a multivariate control chart and artificial neural network (ANN) were used in combination. The proposed model is a general model that can be used in brass, iron and aluminum casting processes. This model can be used in all casting processes, but needs to be customized according to the problem. The POBREP method, which is used as the basis for model formation, has been used in the literature to model geometric deviations in the manufacturing industry, but has not been used in the processes such as chemistry, petro-chemistry, casting and in the modeling of material content. In this context, the POBREP method was used in this study for the first time in a different production process and was successfully applied. It is suggested that POBREP coefficients are monitored with univariate control charts in the literature. In this study, these coefficients were monitored with Hotelling T² control chart. It has also been found that there are some typical patterns representing uncontrolled situations in the quality characteristics monitored with the Hotelling T² control chart; and the ANN models are used for automatic recognition of these patterns. Moreover, during the application of the mentioned model, a low dimensional problem which is not related to the POBREP method was encountered; and solutions for this problem were produced.
Benzer Tezler
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Evaluation of groundwater resourges in the upper middle part of chaj doab area, Pakistan
Chaj Doab Pakistan bölgesinin üst-orta kısımlarında yeraltı suyu kaynaklarının incelenmesi
NİAZ AHMAD
Doktora
İngilizce
1998
Meteorolojiİstanbul Teknik ÜniversitesiUygulamalı Jeoloji Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- A Configuration of systematic approaches for drinking water distribution problem in metropolitan areas
Başlık çevirisi yok
SELİM KAHVECİOĞLU
Doktora
İngilizce
1997
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SELİME SEZGİN
- Çok değişkenli istatistiksel kalite kontrolünde sıralı küme örnekleme yönteminin kullanılması: Çimento sanayinde bir uygulama
Using ranked set sampling method in multivariate statistical quality control: A research in cement industry
HAKAN EYGÜ
- Proses kontrol için çözümleyici ve yorumlayıcı istatistiksel analiz programı
Analytical and interpretative statistical analysis program for process control
BURAK SOL