Prediction of production wastage via data mining
Veri madenciliği ile üretim firesini tahminleme
- Tez No: 527330
- Danışmanlar: YRD. DOÇ. DR. İBRAHİM ZİNCİR
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: üretim sistemleri, veri analizi, fire, üretim parametreleri, production systems, data mining, wastage, production attributes
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 83
Özet
Üretim sistemlerinde verimlilik en önem verilen kriterlerden biridir. Üretimde yaşanan kayıp, fire miktarı ile doğru orantılıdır ve fire verimliliği azaltır. Üretim sürecinin dinamizmine bağlı olarak şirket tarafından belirlenen kabul edilebilir bir fire oranı olabilir. Bu çalışma bir ambalaj üretim firmasının belirlediği kabul edilebilir fire miktarı üzerindeki fireyi veri analizi yöntemlerini kullanarak tahmin edebilmeyi araştırmaktadır. Bu şirkette dikkate alınan 2 çeşit fire vardır. Bunlar setup firesi ve üretim firesidir. Setup firesi, makineyi ve ürünleri üretime hazırlarken ortaya çıkar. Aynı kaynaklar kullanılarak değiştirilmesi kolay değildir. Setup miktarı bu çalışma için %15 olarak belirlenmiştir. Ek olarak, çalışmanın detaylarında, belirlenen miktar aralığı daraltılarak daha detaylı tahminleme yapılmıştır. İlk analiz için tahminleme yapılan değer yes, no olarak belirlenmiştir. Fire yüzdesi %15 ten küçük ise no, büyük ise yes denilmiştir. Tahmin edilecek fire aralığı genişletilirken gruplar üçe ayrılarak S, M, L olarak belirlenmiştir. Fire miktarı %14 ten küçükse S, %14-%16 arasında ise M, %16 dan büyükse L olarak belirtilmiştir. Üretim parametrelerinin fire üzerindeki etkisini gözlemlemek amacıyla her grup için 10 tane version yaratılmıştır. Versiyonlar farklı üretim parametrelerini içerektedir. 20 algoritma bu 20 veri setine uygulanmıştır. Çalışmanın sonucunda, fire oranı yüzde 15 kabul edildiğinde ve yüzde 14 – 16 aralığında kırılım dikkate alınarak analiz yapıldığında NaiveBayes algoritmasının Grup1 ve Grup2 nin 4. versiyonlarında en iyi sonucu ürettiği gözlemlenmiştir. Bu ay ve müşteri bilgisinin fireyi diğer üretim parametreleri kadar çok etkilemediğini gösterir.
Özet (Çeviri)
Efficiency is the most important criteria in production systems. The more wastage rate means the less efficiency in the production. However, companies accept wastage to some extent due to dynamism of production. There are two wastage types in production such as setup wastage and production wastage. Setup wastage is not changeable without changing resources. It occurs while preparing materials and machines to the production. This part forms fifteen percent of the total wastage in this study. Therefore, the acceptable wastage is fifteen percent. This research aims to estimate the wastage rate of a packaging company by using data mining methods. In addition, the wastage rate range is decreased gradually in order to make more accurate estimations. The predicted result is specified as yes, no. If the wastage range is less than 15%, the prediction is no, otherwise yes. In the second analysis, the range is divided to three categories to make prediction more specific which are S, M, L. If the wastage rate is less than 14% it is defined as S. If the wastage is between 14% and 16%, the prediction is M and if it is more than 16%, then it is L. In order to investigate the effect of the parameters in production, 10 versions are generated for each group. Each version has different production parameters. Twenty algorithms are applied these twenty data sets. As a result of the study, either the range limit is taken as 15% or in the range of 14% and 16% same results are obtained. Naïve Bayes algorithm with version 4 has the best result for Group1 and Group2. It shows that the wastage is not related with month and customer information as much as other parameters.
Benzer Tezler
- Dalgacık dönüşümü kullanılarak zirai-meteorolojik verilerin hata teşhis ve tamiri
Fault diagnosis and repair of agricultural meteorological data using wavelet transform
NİGAR TUĞBAGÜL ALTAN
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. B. BERK ÜSTÜNDAĞ
- Tekstil boyahane işletmelerinde makine öğrenmesi ile fire tahmini
Predicting the amount of wastage of finished goods in textile dyeing factories
ÖZGÜR ALTUNSÖĞÜT
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERDEM UÇAR
- Satış adedini etkileyen değişkenlerin keşfi ve duyarlılık analizi uygulaması: E-ticaret örneği
Discovery of variables affecting the number of sales and application of sensitivity analysis: E-commerce example
RABİA AYDIN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR
- Kablosuz heterojen ağlarda dikey el değiştirme kararının optimizasyonu
Optimization of vertical handover decision in wireless heterogeneous networks
UTKU ÖZMAT
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN