Geri Dön

Makine öğrenmesi algoritmaları ile detay üretim alanları için iş merkezi kırılımında üretim süresi tahminleme

Production time estimation in task center refraction for detail production areas with machine learning algorithms

PDF İndir

  1. Tez No: 682475
  2. Yazar: TUĞÇE YÜCE
  3. Danışmanlar: PROF. DR. MEHMET KABAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, İstatistik, İşletme, Industrial and Industrial Engineering, Statistics, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 71

Özet

Günümüz rekabet koşullarında, kısıtlı kaynakları verimli bir şekilde kullanabilmek, geleceğe dönük yatırımları belirleyebilmek için üretim süresi tahmini yapmak rekabet avantajı sağlamak isteyen firmalar için çok önemlidir. Fakat üretim süresi denildiğinde akla gelen zaman etüdü gibi geleneksel yöntemler ürün ve proses çeşitliliğinin çok fazla olduğu tesislerde büyük bir iş yükü gerektirerek zaman ve dolayısıyla maliyet artışına yol açmaktadır. Bu noktada makine öğrenmesi algoritmaları ile üretim süresi tahminleme zaman ve maliyet açısından büyük avantaj sağlamaktadır. Bu çalışmada bir üretim tesisine ait detay üretim alanlarında, iş merkezi kırılımında üretim sürelerinin makine öğrenmesi algoritmaları ile tahminlenmesi hedeflenmiştir. Tahminleme yöntemleri olarak başarılı sonuçlar elde edilen yapay sinir ağları, destek vektör regresyonu ve gradyan artırma makinesi algoritmalarının kullanılmasına karar verilmiştir. Çalışmanın devamında her bir iş merkezi için en başarılı sonucu veren algoritma ortalama mutlak yüzde hata değerine göre belirlenmiştir. Elde edilen sonuçlara göre, yapay sinir ağları ortalamada %28,22 hata oranı verirken destek vektör regresyonu %15,92, gradyan artırma makinesi ise %14,69 hata oranı vermiştir.

Özet (Çeviri)

In today's competitive conditions, it is very important for companies that want to have a competitive advantage to use limited resources efficiently, to estimate production time to identify future investments. But traditional methods, such as time study that comes to mind when it comes to production time, require a large workload in facilities where the range of products and processes is too high, resulting in a loss of time and therefore cost. At this point, production time estimation with machine learning algorithms provide a great advantage in terms of time and cost. In this study, it is aimed to estimate production times in task center breakdown in detail production areas of a production facility with machine learning algorithms. The use of artificial neural networks, support vector regression and gradient boosting machine algorithms, which have been successful results as prediction methods, has been decided. In the rest of the study, the algorithm that gave the most successful results for each task center was determined based on the average absolute percentage error value from performance metrics. According to the results obtained, the artificial neural networks gave an error rate of 28,22% on average, while the support vector regression gave an error rate of 15,92% and the gradient boosting machine gave an error rate of 14,69%.

Benzer Tezler

  1. Tez No

    859636

    Secure and coordinated beamforming in 5G and beyond systems using deep neural networks

    5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme

    UTKU ÖZMAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI

    DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL

  2. Tez No

    684130

    Endüstriyel yapılarda ön tasarım aşamasında makine öğrenmesi metodları ile kaba inşaat maliyetlerinin tahmini ve performans analizi

    Estimation and performance analysis of rough construction costs with machine learning methods at the pre-design stage of industrial buildings

    MUHAMMET EMİR KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. FATMA PINAR ÇAKMAK

  3. Tez No

    783225

    Mimari kesit aracıyla sentetik üretim: Oditoryum örneği

    Synthetic generation with the architectural section tool: An example of auditorium

    ŞEMSİ BARIŞ TERZİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    DOÇ. DR. SEMA ALAÇAM

    DR. ÖZGÜN BALABAN

  4. Tez No

    760891

    Malign melanom hastalarında metastatik lenf nodlarının F18-FDG pet ve bilgisayarlı tomografide yapılan doku analizi ve makine öğrenmesi algoritmaları ile öngörülmesi

    Prediction of metastatic LYMPH nodes in malignant melanoma patients by texture analysis and machine learning performed in F18-FDG pet and computerized tomography

    ESİN KORKUT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. ŞÜKRÜ MEHMET ERTÜRK

  5. Tez No

    600619

    Poverty level characterizations via feature selection and machine learning

    Öznitelik seçimi ve makine öğrenmesi ile yoksulluk seviye karakterizasyonu

    JAMA HUSSEİN MOHAMUD

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    EkonomiAnadolu Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER NEZİH GEREK

Geri Dön