Data analysis for clustering carpet manufacturing defects
Halı üretim hatalarının kümelenmesi için veri analizi
- Tez No: 678992
- Danışmanlar: DOÇ. DR. ZEYNEP DİDEM UNUTMAZ DURMUŞOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Analiz teknikleri, Hiyerarşik kümeleme, Makine halısı, Veriler, Analysis techniques, Hierarchical clustering, Machine carpet, Data
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde son teknoloji ile birlikte veri birikimi artmış ve depolanan ham verinin bilgiye dönüştürülmesi daha önemli hale gelmiştir. Ham verinin bilgiye dönüştürülmesi kazançları artırmakta ve rekabet ortamına daha kolay adapte edilebilmektedir. Veri madenciliği, ham verilerin bilgiye dönüştürülmesinde istatistiksel uygulamalara ve makine öğrenmesi algoritmalarına dayanan bir yaklaşımdır. Veri madenciliği, büyük miktardaki verinin içindeki gizli bilgiyi/bilgiyi bulmak için önemli bir araştırma alanı olmuştur. Bu tezde halı imalatındaki kalite sorunları bir veri tabanında toplanmış ve veriler veri madenciliği algoritmaları kullanılarak analiz edilmiş ve kümelenmiştir. Temel amaç, farklı kümeleme algoritmaları WEKA yazılımı kullanarak halı imalat hatalarını kümelemek ve hangi algoritmanın kullanıcılar için en uygun olacağını bulmaktır. Ayrıca bu tez, mevcut veri temizleme yöntemleri yardımıyla veri tabanlarında veri kalitesinin iyileştirilmesine odaklanmaktadır. Böylece halı kalite sorunlarına daha derin bir bakış açısı hedeflenmekte ve uzun vadede müşteri şikâyetlerinin azalması beklenmektedir. Bir halı üreticisinin veri tabanından elde edilen veriler ön işleme tabi tutulmuş ve WEKA 3.9.4 yazılımına uyarlanmıştır. Kullanılan kümeleme algoritmaları, bölümleme tabanlı, yani K-ortalama, Önce En Uzak, Beklenti maksimizasyonu ve Bölümlemesiz, yani Örümcek Ağı'dır. En iyi performans gösteren algoritma Farthest First algoritmasıdır. Halı üretim veri setinde kalite problemi için WEKA aracı ile benzer kümeleri bulmak diğer kümeleme algoritmalarına göre daha az zaman almaktadır.
Özet (Çeviri)
Nowadays, with the latest technology, the accumulation of data has increased, and it has become more important to transform the stored raw data into information. The transformation of raw data into information increases earnings and can more easily be adapted to the competitive environment. Data mining is an approach based on statistical applications and machine learning algorithms in converting raw data into information. Data mining has been an important research area to find the hidden information/knowledge inside huge amounts of data. In this thesis, quality problems in carpet manufacturing are gathered in a database and the data are analyzed and clustering by using data mining algorithms. The main purpose is clustering carpet manufacturing defects by using different clustering algorithms WEKA software and find out which algorithm will be most suitable for the users. Also, this thesis is focusing on the improvement of data quality in databases with the help of current data cleaning methods. Thus, a deeper perspective on carpet quality problems is targeted and the number of customer complaints is expected to reduce in the long term. The data obtained from the database of a carpet producer were pre-processed and adapted to WEKA 3.9.4 software. Clustering algorithms which are used are partitioning based i.e K-means, Farthest First, Expectation maximization and Non Partitioning based i.e Cobweb. The best performing algorithm is Farthest First algorithm. It is taking less time then other clustering algorithm to find similar clusters through weka tool for quality problem in carpet manufacturing dataset.
Benzer Tezler
- Customer segmentation using a developed RFM model: An application in a rug&carpet manufacturing company
Geliştirilmiş RFM modeli ile müşteri segmentasyonu: Bir halı ve kilim üretici firmasında uygulama
YAĞMUR GİZEM İMDAD
Yüksek Lisans
İngilizce
2022
İşletmeAbdullah Gül ÜniversitesiVeri Bilimi Ana Bilim Dalı
PROF. DR. CENGİZ YILMAZ
- Cluster-first route-second approach for employee shuttle bus routing problem: A large-scale company application
Çalışan servis aracı rotalama problemi için önce kümele-sonra rotala yaklaşımı: Büyük ölçekli bir şirket uygulaması
NUR SENA ERTEM
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiGaziantep ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EREN ÖZCEYLAN
- An application for the evaluation of clustering analysis in data mining
Veri madenciliğinde kümeleme analizinin değerlendirilmesi için bir uygulama
TANZER AKTAŞ
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri Mühendisliğiİzmir Ekonomi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERMET ANAGÜN
- Büyük veriler için kümeleme algoritmalarının meta-analizi
Meta-analysis of clustering algorithms for big data
QORIAH INDAH SUSILOWATI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- Data mining methods for clustering power quality data collected via monitoring systems installed on the electricity network
Elektrik sistemi üzerine kurulan izleme sistemleri tarafından toplanan güç kalitesi olayları için veri madenciliği teknikleri
MENNAN GÜDER
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KESİM ÇİÇEKLİ
PROF. DR. IŞIK ÇADIRCI