Geri Dön

Endüstri 4.0 kapsamında veri madenciliği yöntemleriyle sevkiyat performansının iyileştirilmesi

Improving delivery performance with data mining methods in the scope of industry 4.0

  1. Tez No: 851601
  2. Yazar: DİLEK ÖZDEMİR YILMAZ
  3. Danışmanlar: PROF. DR. ERKAN IŞIĞIÇOK
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Bursa Uludağ Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 159

Özet

Son sanayi devrimi olarak nitelendirilen Endüstri 4.0 yaklaşımı ile firmaların üretim ve işletme süreçleri daha verimli, esnek ve otomatik hale gelmiştir. Bu sayede, işletmeler müşteri taleplerine daha hızlı ve esnek bir şekilde yanıt verebilir, üretim süreçlerindeki hataların sayısı azaltılabilir ve işletmelerin üretim maliyetleri düşürülebilir. Endüstri 4.0 kapsamında, üretim yapan firmalarda üretim sistemine entegre sensör, yazılım ve donanımlar sayesinde üretim devam ettiği sürece eş zamanlı olarak büyük miktarda veri üretilmektedir. Bu verilerden anlamlı bilgiler çıkarmak ve karar verme süreçlerinde kullanabilmek için veri madenciliği yöntemleri kullanılmaktadır. Üretim yapan firmalarda toplanan verilerde çeşitli nedenlerle eksiklik olabilir ya da maliyetli olması nedeniyle, toplanan veri uzun süreli olarak depolanmıyor olabilir. Bu gibi durumlarda sentetik veri kullanımı, yapılacak olan veri madenciliği analizlerinin performansını arttırabilmektedir. Bu çalışmada, bir üretim firmasındaki bir montaj hattından üretim yönetim sistemi (MES) arayüzü ile toplanan ve firmanın kurumsal kaynak planlama programı olan SAP programından alınan verilerle bir veri tabanı oluşturulmuştur. Veri tabanındaki eksik veriler sentetik veriler ile doldurulmuştur ve veri madenciliği yöntemlerinden doğrusal regresyon ve karar ağaçları kullanılarak analizler yapılmıştır. Bu analizlerin sonucunda bağımlı değişken olan sevkiyat performansına etki eden bağımsız değişkenler belirlenmiş ve firmanın belirlediği sevkiyat performansı hedeflerine ulaşmak için uygun regresyon ve karar ağacı modeli tahmin edilmiştir ve sevkiyat performansının iyileştirilmesi için gerekli tavsiyelerde bulunulmuştur.

Özet (Çeviri)

The approach of Industry 4.0, considered as the fourth industrial revolution, has made production and operation processes of companies more efficient, flexible and automated. As a result, companies can respond to customer demands more quickly and flexibly, the number of errors in production processes can be reduced and production costs can be decreased. While the production is ongoing, in the scope of the industry 4.0, large amounts of data is generated with the integration of sensors, software, and hardware into production systems in manufacturing companies. Data mining methods are used to extract meaningful information from this data and to use it in decision-making processes. In situations where data collected from manufacturing companies may be incomplete due to various reasons or not stored for a long time due to high costs. The use of synthetic data can increase the performance of data mining analyses. In this study, a database was created using the data which is collected from an assembly line in a manufacturing company through the Manufacturing Execution System (MES) interface and from the company's Enterprise Resource Planning program, SAP. The missing data in the database was filled with synthetic data and data mining methods, namely linear regression and decision trees, were used to conduct analyses. As a result of these analyses, independent variables were identified which are affecting the dependent variable, delivery performance and a suitable model was estimated to reach the delivery performance goals set by the company.

Benzer Tezler

  1. Doğal dil işleme ve metin madenciliği yöntemleriyle teletıp randevu robotunun tasarlanması

    Designing a teletip appointment robot with natural language processing and text mining methods

    MÜBERRA TERZİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiOndokuz Mayıs Üniversitesi

    Akıllı Sistemler Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NACİ MURAT

  2. Dengesiz veri setlerinde sınıflandırma problemlerinin çözümünde melez yöntem uygulaması

    Hybrid method application to solve classification problems in imbalanced datasets

    MESTAN ŞAHİN PİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri MühendisliğiBursa Uludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DUYGU YILMAZ EROĞLU

  3. Predicting drug synergy using data mining

    İlaçlar arası sinerjinin veri madenciliği yöntemleriyle tahmini

    MILAD HASSANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KEMAL KILIÇ

  4. Pre-release forecasting of imdb movie ratings using multi-view data

    Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi

    BEYZA ÇİZMECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  5. Bir fabrikada makine öğrenmesi ile tezgâh işlem sürelerinin tahmini

    Prediction of machine processing times with machine learning in a factory

    CANSU ALPTEKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MUZAFFER KAPANOĞLU