Sürekli üretim hatlarında denetimli yapay zekâ yöntemlerinin kalite tespitinde kullanımı
Use of supervised artificial intelligence methods in quality determination in continuous production lines
- Tez No: 867001
- Danışmanlar: DOÇ. DR. ÜMRAN ŞENGÜL
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 130
Özet
Dördüncü Sanayi Devrimi'nin şekillendirdiği modern üretim ortamında, veri analitiği ve makine öğreniminin kalite yönetimini geliştirmedeki kritik rolü giderek önem kazanmaktadır. Üretim sürecinde yaşanılan gecikmeler müşteriye verilen sözlerin de (teslimatların) gecikmesine neden olabilmektedir. Üretim sürecinin erken aşamalarında nihai ürün kalitesini tahmin etmek üretimin daha verimli olmasına ve teslimatların zamanında yapılmasına destek verebilmektedir. Üretimde kullanılan makine ve teçhizatlara ait veriler üzerinden oluşturulan yapay zekâ temelli bir model yardımıyla nihai ürünün kalitesi tahmin edilebilir olmaktadır. Tez çalışması, makine öğrenimi modellerinde kullanılan eğitim verilerinin derinliği ve kapsamıyla karmaşık bir şekilde bağlantılı olan doğru kalite tahmininin önemini vurgulayarak, seramik imalat sektöründeki bazı önemli zorlukların üstesinden gelmeye yönelik bir yaklaşım sunmaktadır. Çalışma kapsamında, Python ve R dili gibi araçlar kullanılarak çok değişkenli analizlerin yanı sıra derin sinir ağı algoritmaları da dahil olmak üzere çeşitli geleneksel makine öğrenimi algoritmaları incelenip, uygulanmış ve pilot bir üretim süreci kapsamında seramik endüstrilerinde nihai ürün kalitesini belirlemek için tahmine dayalı modeller geliştirilmesi amaçlanmıştır. Araştırma, örnek bir pilot seramik üretim hattında, özellikle dengesiz bir veri kümesi üzerinde model eğitiminde özellik oluşturmanın ve kapsamlı veri kümesi analizinin kritik rolünü vurgulayan ayrıntılı bir vaka çalışmasını içermektedir. Makinelerden toplanan ve gerçek hayatta karşılaşılan üretim kalitesi veri kümelerine çok benzeyen, dengesiz bir veri kümesi üzerinde çalışabilen derin sinir ağı modeli sektör özelinde ilk kez geliştirilmiştir. Geliştirilen model, azınlık sınıfını 0,75 gibi bir f1-score ile tahmin etmeyi başarabilmiştir. Modelin Cohen's Kappa değeri ise 0,7413 olarak hesaplanmıştır.
Özet (Çeviri)
In the modern manufacturing environment shaped by the Fourth Industrial Revolution, the critical role of data analytics and machine learning in improving quality management is becoming increasingly important. Delays experienced in the production process may also cause delays in the promises (delivery) made to the customer. Predicting final product quality in the early stages of the production process can support production to be more efficient and deliveries to be made on time. The quality of the final product can be predicted with the help of an artificial intelligence-based model created on the data of the machinery and equipment used in production. The thesis provides an approach to tackling some of the key challenges in the ceramic manufacturing industry by highlighting the importance of accurate quality prediction, which is intricately linked to the depth and breadth of training data used in machine learning models. Within the scope of the study, various traditional machine learning algorithms, including deep neural network algorithms, as well as multivariate analyzes using tools such as Python and R language, were examined and applied, and it was aimed to develop predictive models to determine final product quality in ceramic industries within the scope of a pilot production process. The research includes a detailed case study on an exemplary pilot ceramic production line, highlighting the critical role of feature generation and comprehensive dataset analysis in model training, especially on an imbalanced dataset. A deep neural network model, which can work on an unbalanced data set collected from machines and very similar to production quality data sets encountered in real life, has been developed for the first time in the sector. The developed model was able to predict the minority class with an f1-score of 0.75. Model's Cohen's Kappa value is calculated 0,7413.
Benzer Tezler
- Robotik sistemlerin güvenliğinin doğrulanması ve onaylanması
Verification and validation of robotic systems's security
YUNUS SABRİ KIRCA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET YAZICI
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- A Configuration of systematic approaches for drinking water distribution problem in metropolitan areas
Başlık çevirisi yok
SELİM KAHVECİOĞLU
Doktora
İngilizce
1997
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SELİME SEZGİN
- Bina içi enerji hattı iletişiminde yeni bir kanal modeli için sistem performansının incelenmesi
Investigation of the system performance in indoor power line communication systems for a new channel model
YASİN KABALCI
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM DEVELİ