Geri Dön

İmalatta makine öğrenmesi: Potansiyel kullanım alanları ve bibliyometri analizi

Machine learning in manufacturing: Potential applications and bibliometrics analysis

  1. Tez No: 879172
  2. Yazar: MURAT AKKALENDER
  3. Danışmanlar: DOÇ. DR. HAYDAR YALÇIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Yönetim Bilişim Sistemleri, İşletme, Management Information Systems, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: İşletme Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

Bu tez çalışması, ürün ve süreç kalitesini ve verimliliğini artırmaya yönelik teknolojik gelişmelerle yönlendirilen imalat sanayisindeki büyük dönüşümü araştırmaktadır. Yüksek teknoloji üretim ortamlarında, üretim sırasında ürün koşullarında meydana gelen ufak sapmalar bile pahalıya mal olan yeniden işleme veya hurdaya çıkma ile sonuçlanabilir. Üretim süreci boyunca her ürünün durumunun ayrıntılı bir açıklamasını sağlamak, süreç parametrelerinde yapılan ayarlar gibi ilgili tüm bilgileri içerecek şekilde, kalite standartlarını karşılamak ve rekabetçiliği sürdürmek için hayati önem taşımaktadır. Geleneksel, neden-sonuç modellemeye dayalı yöntemler, modern üretim süreçlerinin hızlı karmaşıklığı ve ölçeği nedeniyle giderek sınırlı hale gelmektedir. Bu nedenle, bu karmaşıklığı ve ölçeği etkili bir şekilde yönetmek için yeni yaklaşımlara, özellikle makine öğrenmesine acilen ihtiyaç vardır. Bu da makul bir çaba ile harekete geçirilebilir içgörüler sağlarken aynı zamanda verimliliği, kaliteyi ve inovasyonu artıracaktır. İmalatta makine öğrenmesiyle ilgili geniş literatürü analiz edebilmek ancak sofistike metotlar ile mümkün olabilmektedir. Tez çalışmasında bibliyometrik yöntemler kullanılarak anahtar kelime, yazar, kaynak, kurum ve ülke temelinde analizler yapılmıştır. Bibliyometri analizi için gerekli veri Web of Science veritabanından“machine learning”+ manufacturing sorgusu yapılarak 19.11.2023 tarihinde indirilmiştir. Yayın sayısındaki yıllık büyüme oranı üstel bir model izlemektedir (R2 = 0,9135). Bu, imalatta makine öğrenmesinin yeni ortaya çıkan bir teknoloji olduğunu göstermektedir. Bilimsel yayın sayısının tırmanışa geçtiği 2016 yılı Endüstri 4.0'ın kilometre taşlarından olan Dünya Ekonomik Forumu'nun İsviçre'nin Davos-Klosters şehrinde düzenlenen“Dördüncü Sanayi Devriminde Ustalaşmak”temalı toplantısıyla aynı yıla denk gelmektedir. 1988-2017 yılları arasındaki“sistem”kavramı, 2018-2022 yılları arasında“tahmin”e, 2023 yılında ise“tasarım”a dönüşmüştür.“Model”,“tahmin”,“sınıflandırma”,“mekanik özellikler”,“davranış”ve“mikroyapı”önem kazanacak kavramlardır. Chinese Academy of Sciences, Nanyang Technological University, United States Department of Energy (DOE), and Pennsylvania State University imalatta makine öğrenmesi alanına en çok katkı sağlayan kurumlardır. Bibliyometrik analizler ile alandaki literatürdeki örüntülerin keşfedilmesi mümkün olabilmiştir.

Özet (Çeviri)

This dissertation explores the substantial transformations in the manufacturing industry driven by technological advancements aimed at enhancing product and process quality and efficiency. In high-tech production environments, even minor deviations in product conditions during manufacturing can lead to costly reprocessing or scrapping. Providing a detailed description of the status of each product throughout the production process, including all related information such as adjustments in process parameters, is crucial for meeting quality standards and maintaining competitiveness. Current methods for understanding production lines are struggling to keep up with how complex and large they've become. We need fresh ideas, like machine learning, to handle this growing size and intricacy. These new tools can efficiently uncover valuable information, leading to better production, higher quality products, and a more innovative environment. Analyzing the extensive literature on machine learning in manufacturing is only possible with sophisticated methods. In this dissertation, bibliometric methods have been used to conduct analyses based on keywords, authors, sources, institutions, and countries. The data required for the bibliometric analysis was downloaded from the Web of Science database on 19.11.2023 using the query“machine learning”+ manufacturing. The annual growth rate in the number of publications follows an exponential model (R2 = 0.9135). This indicates that machine learning in manufacturing is an emerging technology. The year 2016, when the number of scientific publications started to climb, coincides with the World Economic Forum's“Mastering the Fourth Industrial Revolution”themed meeting held in Davos-Klosters, Switzerland, which is one of the milestones of Industry 4.0. The concept of“system”from 1988 to 2017 evolved into“prediction”between 2018 and 2022, and into“design”in 2023. Concepts such as“model,”“prediction,”“classification,”“mechanical properties,”“behavior,”and“microstructure”are gaining importance. The Chinese Academy of Sciences, Nanyang Technological University, the United States Department of Energy (DOE), and Pennsylvania State University are the institutions that contribute the most to the field of machine learning in manufacturing. Bibliometric analyses have made it possible to discover patterns in the literature in the field.

Benzer Tezler

  1. Talaşlı imalatta kesme sıvısı kullanımı için yenilikçi bir sistem tasarımı

    An innovative system design for the use of cutting fluid in machining

    HALİT SÜLEYMAN ÖZDÜZGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Makine MühendisliğiKırıkkale Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ OSMAN ER

  2. Nokta bulutu ile elde edilen altyapı elemanlarının sınıflandırılmasında makine öğrenmesi ve derin öğrenme algoritmalarının performanslarının değerlendirilmesi

    Evaluation of the performance of machine learning and deep learning algorithms in the classification of infrastructure elements obtained with point cloud

    YALÇIN YILMAZ

    Doktora

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ARZU SOYCAN

  3. Yapay sinir ağı kullanılarak tornalamada kesici takım aşınması tahmini

    Cutting tool wear estimation in turning using an artificial neural network

    ULVİ GÜNDÜZÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Makine MühendisliğiYıldız Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. ERHAN ALTAN

  4. Koşullu çekişmeli üretken ağ kullanarak dengesiz veriler ile tornalama işlemlerinde tırlama tespiti

    Intelligent chatter detection in turning operations with imbalanced data using conditional generative adversarial networks

    BERK BARIŞ ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Makine MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKKI ÖZGÜR ÜNVER

  5. Makine ve imalat mühendisliğinde kullanılmak üzere sanal ve arttırılmış gerçeklik uygulamaları geliştirilmesi

    Development of application of virtual & augmented reality to use mechanical and manufacturing engineering

    MUHAMMED KOFOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Makine MühendisliğiBursa Uludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDİL KUŞ