Makine öğreniminde sıralayıcı ölçekteki verilerin sınıflandırma yöntemleri ile modellenmesi
Modelling of ordinal scale by classification methods in machine learning
- Tez No: 828209
- Danışmanlar: DOÇ. DR. ÖZGÜL VUPA ÇİLENGİROĞLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Lojistik regresyon analizi, Lojistik regresyon modelleri, Lojistik regresyon yöntemi, Sınıflama ağaçları, Logistic regression analysis, Logistic regression models, Logistic regression method, Classification trees
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üretim yapan şirketler işlemlerini yönetmek ve iyileştirmek için makine & ekipman performanslarının belirlenmesine önem vermektedir. Toplam Ekipman Etkinliği (TEE), üretim yapan şirketlerin makine performanslarının incelenmesinde kullanılan, performans, kalite ve kullanılabilirlik ölçütlerini dikkate alan bir hesaplamadır. Toplam Ekipman Etkinliği puan olarak hesaplanmakta ve ona göre yorumlanmaktadır. Toplam Ekipman Etkinliği yöntemi pek çok farklı sektörde kullanılmaktadır. Son yıllarda bu yöntem tek başına değil başka istatistiksel yöntemlerle de desteklenmektedir. Bu çalışmada İzmir ilinde plastik sektöründe faaliyet gösteren uluslararası bir şirketin 2018-2019 üretim verileri kullanılmıştır. Toplam Ekipman Etkinliği puanları kategorileştirilerek (sınıflayıcı ve sıralayıcı) bu puanın üzerinde etkili olduğu düşünülen değişkenlerin bulunması için Makine Öğrenimi Algoritmaları kullanılmıştır. Makine öğrenimi algoritmalarından regresyon (Lojistik) ve karar ağaçları (CART VE CHAID) algoritmaları kullanılarak kurulan modellerin yorumlaması farklı istatistiksel ölçütlerle yapılmıştır.
Özet (Çeviri)
Manufacturing companies attach importance to the determination of machine & equipment performance in order to manage and improve their operations. Overall Equipment Efficiency (OEE) is a calculation used to examine the machine performance of manufacturing companies, taking into account performance, quality and availability criteria. Overall Equipment Efficiency is calculated as a score and interpreted accordingly. The Overall Equipment Efficiency method is used in many different sectors. In recent years, this method is supported not only by itself but also by other statistical methods. In this study, 2018-2019 production data of an international company operating in the plastics industry in İzmir province were used. Machine Learning Algorithms were used to find variables that were thought to be effective on this score by categorizing the Overall Equipment Efficiency scores (nominal and ordinal). The interpretation of the models established by using regression (Logistics) and decision trees (CART and CHAID) algorithms, which are among the machine learning algorithms, was made with different statistical criteria.
Benzer Tezler
- Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu
Başlık çevirisi yok
İRFAN KARAGÖZ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Yenileme yatırımları
Başlık çevirisi yok
OSMAN NURİ FİLİZ
Yüksek Lisans
Türkçe
1986
İşletmeGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN OKKA
- Çeltik kabuklarının yalıtım malzemesi olarak kullanılması
Başlık çevirisi yok
B.CİHAN ÇELEBİ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KIRBIYIK
- Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması
Başlık çevirisi yok
ÜMİT AKÇAL
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ