Makine öğrenmesi ile transformatör malzeme maliyeti ve işçilik saati tahmini
Transformer material cost and labor hour estimation with machine learning
- Tez No: 744750
- Danışmanlar: PROF. DR. MEHMET GÜRAY GÜLER
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: 82
Özet
Dünyada ve Türkiye'de enerji ihtiyacı her geçen gün artmaktadır. Enerji iletimi ve dağıtımı için kullanılan en temel ekipmanlardan birisi de transformatörlerdir. Transformatörler kullanılacak amaca, işletmeye, tesise ve proje tipine göre değişkenlik gösteren elektrik makinalarıdır. Talep doğrultusunda üretilen transformatörlerin çoğu özel tasarımlar gerektirmektedir. İlk defa tasarımı gerçekleşecek olan transformatörün maliyet öngörüsü için, elektriksel ve mekaniksel tasarımlar gerçekleştirilir. Yapılan tasarımlar sonrasında transformatörde kullanılacak malzeme çeşitleri ve miktarları belirlenerek malzeme maliyetleri ortaya çıkarılmaktadır. Ayrıca bu tasarımlara özel işçilik saati öngörüleri de hesaplanmaktadır. Transformatör tasarımlarının mühendislik ekibi tarafından yapılması uzun süreler alabilmektedir. Ek olarak program ya da mühendislik hataları sebebiyle yanlış malzeme maliyeti ve işçilik saati hesaplamaları da yapılabilmektedir. Olası bu hatalar sonucunda bir transformatörün maliyetinin veya işçilik saatinin eksik hesaplanması zarar etmesine sebep verebilmektedir. Diğer taraftan bu hesapların yüksek olması, siparişi alabilme ihtimalini düşürmekte, hatta işin alınmasına engel dahi olabilmektedir. Bu nedenle bir transformatör üreticisinin yoğun teklif dönemlerinde müşteri taleplerine yetişebilme veya yapılan tasarım çalışmalarının sonuçlarını kontrol edebilecek bir makine ile öğrenme modeline sahip olması iyi bir alternatif olacaktır. Bu projede yerli transformatör üreticisi Balıkesir Elektromekanik Sanayi Tesisleri'nden (BEST) alınan transformatör verileri kullanılarak makine öğrenme yöntemleri ile malzeme maliyeti ve işçilik saati tahminleri yapılmıştır. Transformatörlere ait veriler yapay sinir ağları, çok değişkenli doğrusal regresyon, ridge regresyon, lasso regresyon ve rassal orman yöntemleriyle Python'da modellenmiştir. Elde edilen sonuçlara göre modeller kendi arasında kıyaslanmıştır. Makine öğrenmesi modellerinin malzeme maliyeti ve işçilik saati tahminlemede iyi sonuçlar verdiği ve sonuçların şirketin karar verme süreçlerinde faydalı olacağı gözlemlenmiştir.
Özet (Çeviri)
The need for energy in the world and in Turkey is increasing day by day. Transformers are one of the most basic equipment used for energy transmission and distribution. Transformers are electrical machines that vary according to the purpose, operation, facility and project type to be used. For this reason, most of the made to order transformers require special designs. For the cost estimation of the transformer, which has not been produced before, the amount of material to be used is determined with electrical and mechanical designs, and material costs folllow. In addition, labor hours forecasts are calculated with these designs as well. It may take a long time for these designs to be made by the engineering team. In addition, incorrect material cost and labor hour calculations can be made due to program or engineering faults. As a result of these possible faults, the underestimation of the cost or labor hour of a transformer may cause financal loss. On the other hand, overshooting the costs reduces the possibility of getting the job and even prevents the orders. For this reason, it would be a good alternative for a transformer manufacturer to have a machine learning model that can keep up with customer demands or control the results of design studies during peak bidding periods. In this project, material cost and labor hour are estimated by employing machine learning methods using the transformer data obtained from the domestic transformer manufacturer BEST. The data of the transformers are modeled in Python with artificial neural networks, multiple linear regression, ridge regression, lasso regression and random forest methods. According to the results obtained, the models were compared among themselves. It has been observed that machine learning models provide good results in estimating material costs and labor hours, and the results can be useful in the company's decision-making processes.
Benzer Tezler
- Efficient deep learning approaches for signal and image analysis applications
Sinyal ve görüntü analizi uygulamaları için verimli derin öğrenme yaklaşımları
ONUR CAN KOYUN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Exploring the potential of digital twin technology to improve factors affecting construction productivity during the construction phase
Yapım aşamasında inşaat verimliliğini etkileyen faktörlerin iyileştirilmesinde dijital ikiz teknolojisinin potansiyelinin incelenmesi
İREM KOMAR
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. HÜSNÜ MURAT GÜNAYDIN
- Leveraging ai in construction management
İnşaat proje yönetiminde yapay zekadan faydalanma
BARAN AKOL
Yüksek Lisans
İngilizce
2024
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK
- Hastane işletmelerinde maliyet muhasebesi ve bir uygulama
Cost accounting in hospital business and an application
NURAN KARAÇ
- Semantic segmentation of historic dome systems considering part-whole relations
Tarihi kubbe sistemlerinin parça bütün ilişkileri gözetilerek anlamsal bölütlenmesi
MUSTAFA CEM GÜNEŞ
Yüksek Lisans
İngilizce
2022
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MİNE ÖZKAR KABAKÇIOĞLU
