Makine öğrenmesi ile metin sınıflandırma: Bakım yönetim sistemi örneği
Text classification with machine learning: An example of a maintenance management system
- Tez No: 704612
- Danışmanlar: DR. ÖĞR. ÜYESİ ÇAĞLA EDİZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, İşletme, Computer Engineering and Computer Science and Control, Science and Technology, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: İşletme Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 46
Özet
Günümüzde firmalar için bilgiyi yönetmek, süreçleri kişilerden bağımsız hale getirmek açısından önem arz etmektedir. Bir çalışan tarafından elde edilen bilgi diğer çalışanlara da ulaştırılabilmeli ve çalışan iş yerinden ayrılsa dahi bilgi firmada kalıcı olmalıdır. Bu nedenle, firmaların farklı senaryolar için farklı bilgi yönetim sistemlerine ihtiyaçları giderek artmaktadır. Firmalarda kurulu makine, ekipman, ısıtma ve soğutma sistemleri gibi tüm varlıkların yönetilmesi, bakım süreçlerinin sağlıklı bir şekilde organize edilmesi, bakım işlerinin zamanında yapılması, yapılan bakım işlerinin takip edilebilmesi ve bakımların daha ekonomik yapılabilmesi için elektronik ortamda bir yönetim programı kullanmasının gerekliliği ortaya çıkmaktadır. Bu gerekliliği karşılamaya yönelik yazılan varlık ve bakım yönetimi programları yalnızca etkin bir şekilde kullanılabildiğinde istenen faydaları sağlamaktadır. Çalışmada iplik firmasında kullanılmakta olan varlık ve bakım yönetim programının ana işlevlerinden olan varlıklarda oluşan arızaların kaydedilmesi sürecine odaklanılmaktadır. Kayıt sürecinin kolaylaştırılması, hızlandırılması ve insan hatasının azaltılması üzerine önerilen makine öğrenmesi tekniği anlatılmaktadır. Bu teknik ile kayıt esnasında yazılan arıza açıklamasının makine öğrenmesi ile sınıflandırılarak ilgili arıza kategorisine atanması amaçlanmaktadır. Çalışma ile veri girişi yapanların işlerinin kolaylaşması ve hızlanması, bakımı yapacakların doğru bilgiye ulaşması, sistemin daha etkin ve verimli kullanılmasının süreci iyileştirmesi beklenmektedir. Bu çalışmada, makine öğrenmesi ile bakım yönetim sistemindeki arıza açıklamalarının, arıza tanımlarına göre sınıflandırılması için öznitelikler kelime torbası yöntemleri ile çıkarılmış ve model lojistik regresyon, lineer destek vektörü sınıflandırması (SVC), stokastik gradyan azalma sınıflandırıcısı (SGDC) ve Naive Bayes (NB) algoritmaları ile eğitilmiştir. Lineer SVC algoritması ve terim frekansı – ters doküman frekansı (TF-IDF) öznitelik çıkarma yöntemi ile bakım yönetim sistemindeki tüm arızaların %72,12'sine denk gelen 46 arıza tanımının tahminini %87 başarı ile yapabilen model oluşturulmuştur.
Özet (Çeviri)
Today, it is important for companies to manage information and to make processes independent from individuals. Information obtained by an employee should be able to be conveyed to other employees and the information should be permanent in the company even if the employee leaves the workplace. For this reason, the needs of companies for information management systems are increasing. It is necessary to use an electronic management program in order to manage all assets such as machinery, equipment, heating and cooling systems installed in companies, to organize maintenance processes in a healthy way. Asset and maintenance management programs written to meet this requirement provide the desired benefits only when they can be used effectively. This study focuses on the process of recording malfunctions in assets, which is one of the main functions of the asset and maintenance management program used in the yarn company. The recommended machine learning technique for facilitating and accelerating the registration process and reducing human error is explained. With this technique, it is aimed to classify the fault description written during the recording with machine learning and assign it to the relevant fault category. With the study, it is expected that the work of those who enter data will become easier and faster, those who will perform maintenance have access to the right information, and the more effective and efficient use of the system will improve the process. In order to classify the fault descriptions in the maintenance management system according to the fault definitions with machine learning, in this study, the attributes were extracted with bag of word methods and the model was trained with logistic regression, linear support vector classification (SVC), stochastic gradient descent - classifier (SGDC), Naive Bayes (NB) algorithms. With the Linear SVC algorithm and the TF-IDF feature extraction method, a model was created that can predict 46 fault definitions corresponding to 72.12% of all failures in the maintenance management system with 87% success.
Benzer Tezler
- A new framework for decentralized social networks: Harnessing blockchain, deep learning, and natural language processing
Merkezsiz sosyal ağlar için yeni bir çerçeve: Blok zinciri, derin öğrenme ve doğal dil işlemeyi kullanmak
AMIR AL KADAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BALTA
- Konaklama sektöründe insansı robota ilişkin bakış açısının metin madenciliğiyle belirlenmesi
Determination of perspective towards humanoid robots in accommodation sector with text mining
SENEM HAZEL BAŞER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. HÜLYA BAKIRTAŞ
- A prescriptive analytics approach towards critical ship machinery operations
Kritik gemi makine işlemlerine yönelik bir preskiriptif analitik yaklaşım
BARIŞ YİĞİN
Doktora
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ÇELİK
- Toplu taşıma araçlarında yapay zekâ tabanlı kestirimci bakım yaklaşımı
Artificial intelligence based predictive maintenance approach in public transport vehicles
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAHİN
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR