İstatistiksel kalite kontrol kartlarında yapay sinir ağları ile örüntü tanıma
Pattern recognition with neural networks in statistical quality control charts
- Tez No: 833537
- Danışmanlar: PROF. DR. BURCU HÜDAVERDİ AKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- 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: 115
Özet
İstatistiksel kalite kontrolü, veriye dayalı süreçlerden elde edilen ürünler veya hizmetler için kalite kontrol standartlarına uygunluğun ölçülmesini sağlayan bir yaklaşımdır. Kontrol kartları ise istatistiksel kalite kontrol yöntemlerinden birisidir. Kontrol kartları, süreçlerde ilgilenilen kalite karakteristiklerine göre sürecin görsel bir görünümünü sunmaktadır. Dolayısıyla, ilgili süreç için kontrol kartlarında ortaya çıkan örüntülerin incelenmesi sürecin kararlılığı açısından büyük önem taşımaktadır. Bu çalışmanın asıl amacı, temel kontrol kartı örüntülerine ek olarak eş zamanlı kontrol kartı örüntülerinin de yapay sinir ağı modelleri ile tanınmasının gerçekleştirilmesidir. Literatür incelendiğinde çoğu yapay sinir ağı yöntemi içeren çalışmada sadece temel örüntülerin tanınmasının gerçekleştirildiği ve eşzamanlı örüntüler için ise çoğunlukla derin öğrenme yöntemlerinin kullanıldığı görülmektedir. Dolayısıyla, bu çalışmanın bir diğer amacı ise çok katmanlı algılayıcı ve öğrenmeli vektör kuantizasyon, yapay sinir ağı modellerinin eşzamanlı örüntüler açısından ortaya koydukları örüntü tanıma performanslarının da detaylıca incelenmesini sağlamaktır. Bu çalışmada, kontrol kartlarında örüntü tanıma literatüründeki iki güçlü yapay sinir ağı modeli olan çok katmanlı algılayıcı ve öğrenmeli vektör kuantizasyon modelleri kullanılarak 7 temel ve 9 eşzamanlı örüntü olmak üzere toplamda 16 adet Shewhart kontrol kartı örüntüsü için kontrol kartı örüntü tanıma çalışması gerçekleştirilmiştir. Elde edilen sonuçlar detaylı olarak incelenmiş ve en iyi örüntü tanıyıcı modelinin belirlenmesi sağlanmıştır. Ayrıca sonuçlara göre kontrol kartı örüntü tanıma literatüründe sıkça kullanılan bu iki yapay sinir ağı modelinin detaylı olarak karşılaştırılması ve yorumlanması gerçekleştirilmiştir.
Özet (Çeviri)
Statistical quality control is an essential approach for assessing compliance with quality control standards in data – driven processes, ensuring the quality of products and services. Control charts play a vital role in this methodology by providing visual representations of process performance based on relevant quality characteristics. Consequently, analyzing patterns emerging in control charts holds significant importance in maintaining process stability. The main objective of this study is to achieve the recognition of concurrent control chart patterns in addition to basic control chart patterns using artificial neural network models. Based on literature review, artificial neural network studies primarily focus on recognizing basic patterns, while deep learning methods are more commonly used for concurrent patterns recognition. Therefore, another aim of this study is to comprehensively examine the pattern recognition performance of multilayer perceptron and learning vector quantization, artificial neural network models, specifically in relation to concurrent patterns. In this study, a control chart pattern recognition analysis was conducted using two powerful artificial neural network models in the control chart literature which are multilayer perceptron and learning vector quantization models. The study aimed to recognize a total of 16 Shewhart control chart patterns, including 7 basic patterns and 9 concurrent patterns. The obtained results were thoroughly examined, allowing for with detailed analysis and determination of the best pattern recognition model. In addition, a comprehensive comparison and interpretation of these two frequently used artificial neural network models in the control chart pattern recognition literature were carried out based on the results.
Benzer Tezler
- İstatistiksel süreç kontrolünde Shewhart, CUSUM ve EWMA kontrol kartları ile yapay sinir ağlarının bütünleşik kullanımı: Bir orman endüstri işletmesinde uygulama
Integrated use of artificial neural networks and Shewhart, CUSUM and EWMA control charts in statistical process control: A case study in forest industry enterprise
RIFAT KURT
Doktora
Türkçe
2018
Ağaç İşleriBartın ÜniversitesiOrman Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SELMAN KARAYILMAZLAR
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- İstatistiksel kalite kontrolü ve tekstil işletmelerinde uygulanması
Statistical quality control and application in textile firms
MUSA KILIÇ
- Nötrosofik sayılara dayalı Kano model ve MULTIMOORA yöntemlerinin kullanıldığı bütünleşik kalite fonksiyonu yayılımıyla bakır üretimi yapan bir firma için tedarikçi seçimi
Supplier selection for a copper production company with an integrated quality function deployment approach using neutrosophic numbers based Kano model and MULTIMOORA methods
BURCU EĞİLMEZ
Yüksek Lisans
Türkçe
2022
İstatistikEskişehir Osmangazi Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEVGİ ABDALLA
- İplik işletmeleri için optimum ekonomik ve istatistiksel proses kontrol planlarının tespiti
Başlık çevirisi yok
A.BAKİ ENGİN
Doktora
Türkçe
1997
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DEMİR