Geri Dön

Alçak yoğunluklu polietilen ürün kalitesinin makine öğrenmesi algoritmaları ile gerçek zamanlı tahmini

Real-time estimation of low-density polyethylene product quality with machine learning algorithms

  1. Tez No: 632596
  2. Yazar: TOGHRUL KARIMLI
  3. Danışmanlar: DOÇ. DR. OSMAN ÖZKARACA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Muğla Sıtkı Koçman Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Plastik sektörü, ekonominin önemli aktörlerinden birisidir. Birçok ürünün hammaddesi konumunda olan plastiğin farklı türevleri bulunmaktadır. Gerçekleştirilen bu çalışma, günlük hayatta en sık kullanılan, plastiğin hammaddelerinden olan polimer ürün çeşitlerinden AYPE-T'in (Alçak Yoğunluklu Polietilen) gerçek zamanlı olarak ürün kalitesini tahmin etmeyi amaçlamaktadır. Polietilenin yüksek basınç prosesi ile elde edilen AYPE-T, fabrikada tamamen izöle ve sürekli bir sistemde üretilmektedir. Üretilen ürünün kalitesini belirlemek için kalite kontrol laboratuvarlarında çeşitli kimyasal ve fiziksel analizler yapılmaktadır. Analiz sonucuna göre ürün kalitesi birinci, ikinci ve üçüncü sınıf olarak belirlenmektedir. Üretimin başlaması ve ürün kalitesinin belirlenmesi arasında 5-7 saatlik süre farkı bulunmaktadır. Bu çalışmada geçmiş senelere ait fabrika üretim sistemindeki sensör ve laboratuvar verileri ile bir makine öğrenmesi modeli geliştirerek gerçek zamanlı üretimin kalitesi tahmin edilmeye çalışılmıştır. Çalışmada birçok denetimli makine öğrenmesi yöntemi kullanılmıştır. Bunlardan sınıflandırma kategorisindeki başarısı en yüksek olan artırma modeli tercih edilmiştir. Optimize edilmiş gradyan artırma algoritması olan Xgboost ile geliştirilen model, ürün kalitesini %97 ile en yüksek doğruluk oranında tahmin etmiştir. Bu model kullanılarak fabrikanın mühendis ve operatörleri için gerçek zamanlı bir karar destek mekanizması oluşturulmuştur.

Özet (Çeviri)

Plastics industry is one of the major actors of the economy. Plastic, which is the raw material of many products, has different derivatives. This study deals with to estimate the product quality of LDPE-T (Low Density Polyethylene) in real time which is one of the raw materials of plastic, which is the most frequently used material in daily life. LDPE-T, which is obtained by high pressure process of polyethylene, is produced in the factory in a completely insulated and continuous system. The quality (first, second, third class products) of the products like LDPE-T is determined by the multiple chemical and physical lab analysis. From production to quality estimation, it may take 5-7 hours. In order to predict the real time quality of the manufacturing product, process data from the reactor section of the plant and previous years laboratory results consolidated and machine learning algorithm built. The objective function of the machine learning algorithm is to predict the quality of the real time production and show the quality to plants technicians. To tackle this problem, ensemble boosting model is proposed in this paper, and the best prediction is obtained with XGBoost algorithm which is 97% overall accuracy rate. XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, flexible and portable. The results indicated that quality of the LDPE-T production can be successfully predicted using this relatively straightforward machine learning tool.

Benzer Tezler

  1. Farklı gamma ışınlama dozlarının ve depolamanın kırmızı pul biberin (Capsicum annuum L. ) bazı kimyasal mikrobiyolojik ve duyusal kalitesi üzerine etkileri

    The Effects of different gamma irradiation doses and storage on some chemical microbiological and sensory qualities of paprika (Capsicum annuum L. )

    AYHAN TOPUZ

    Doktora

    Türkçe

    Türkçe

    2002

    Gıda MühendisliğiAkdeniz Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FERAMUZ ÖZDEMİR

  2. Pyrolysis of waste greenhouse polyethylene to produce polyethylene wax

    Atık sera polietilenin pirolizi ile polietilen vaksların üretimi

    NECDET SERKAN BAYIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Kimya MühendisliğiEge Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. MESUT YENİGÜL

  3. Production of the fresh produce packaging material from low density polyethylene and polymethylpentene polymers

    Düşük yoğunluklu polietilen ve polimetil penten polimerlerinden taze gıda ambalaj malzemesi üretimi

    YASEMEN TUNCALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Polimer Bilim ve Teknolojisiİstanbul Teknik Üniversitesi

    Polimer Bilim ve Teknolojisi Ana Bilim Dalı

    DOÇ. DR. NESRİN KÖKEN

    DR. TOLGA GÖKKURT

  4. Termoplastiklerin birincil geri dönüşümünde geri dönüşüm oranlarının son ürün özellikleri üzerindeki etkilerinin incelenmesi

    The investigation of the effects of recycling ratios on final product properties in primary recycling of thermoplastics

    İDİL MANDIRACI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Kimya Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Kimya Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUNCER YALÇINYUVA

  5. Taze meyve ve sebzelerin raf ömrünü uzatmaya yönelik aype ambalajların geliştirilmesi

    Developing composite ldpe packages for increasing the shelf lives of fresh fruit and vegetables

    TOLGA GÖKKURT

    Doktora

    Türkçe

    Türkçe

    2012

    Gıda MühendisliğiSakarya Üniversitesi

    Metal Eğitimi Ana Bilim Dalı

    PROF. DR. HÜSEYİN ÜNAL