Bir fabrikada makine öğrenmesi ile tezgâh işlem sürelerinin tahmini
Prediction of machine processing times with machine learning in a factory
- Tez No: 882619
- Danışmanlar: PROF. DR. MUZAFFER KAPANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 49
Özet
Makine öğrenimi, belirli bir veri kümesinden öğrenme sürecini araştırır, istenen sonuca dayalı olarak çeşitli teknikler kullanır ve ardından hedef verileri tahmin eder. Farklı algoritmalar kullanarak ve veriler arasındaki ilişkiyi hesaplayarak istenilen bilginin tahmin edilmesini sağladığından, karmaşık veri setlerine sahip çeşitli alan ve endüstrilerde yaygın olarak uygulanabilir bir yöntem haline gelmiştir. Bu çalışma kapsamında, otomotiv ve raylı sistemler sektöründe sac, profil ve boru işleme alanında faaliyet gösteren bir işletmenin abkant tezgâhından gerçek zamanlı veri toplanmasında kullanılan Endüstri 4.0 tabanlı bir yaklaşım ile makine öğrenimi ilişkilendirilmeye çalışılmıştır. Bu veriler doğrultusunda büküm işlemi için süre tahmini yapılmıştır. Gerçeğe yakın sürelerin tahmin edilmesi ile fiyatlandırma ve verimlilik hesaplama çalışmalarına mevcut durumdan daha doğru bir veri girdisi sağlanmak istenmiştir. Bu çalışmada, verilerin yorumlanması ve basitleştirilmesi amacıyla veri madenciliği adımları uygulanmış ve makine öğrenmesi tahmin algoritmaları kullanılarak büküm operasyon süreleri tahmin edilmiştir. En başarılı tahmin yapan algoritmanın seçilmesi aşamasında ortalama mutlak hata, 𝑅2 ve ortalama kare hatası ölçütlerine göre karşılaştırma yapılmış, mevcut veriler modele dahil edildiğinde karar ağacının en başarılı algoritma olduğu görülmüştür. Gelecekte modele yeni veriler eklendiğinde bu sonucun değişebileceği ve farklı bir algoritmanın daha başarılı tahminler yapabileceği öngörülmektedir. Yapılan çalışma, fiyatlandırma aşamasında kullanılacak bir karar destek sisteminin model ve veri yönetim modüllerine katkı sağlayabilir ve geliştirilerek diyalog yönetim modülü ile beraber bir sonraki aşamada gerçek hayatta kullanılabilir.
Özet (Çeviri)
Machine learning explores the process of learning from a given data set, uses various techniques based on the desired outcome, and then predicts the target data. Since it enables the prediction of desired information by using different algorithms and calculating the relationship between data, it has become a widely applicable method in various fields and industries with complex data sets. Within the scope of this study, an attempt was made to associate machine learning with an Industry 4.0-based approach used in real-time data collection from the press brake of a company operating in the field of sheet metal, profile, and pipe processing in the automotive and rail systems sector. In line with these data, the time for the twisting process was estimated. By estimating periods close to reality, it was aimed to provide more accurate data input to pricing and efficiency calculation studies than the current situation. In this study, data mining steps were applied to interpret and simplify the data, and twisting operation times were estimated using machine learning prediction algorithms. In the process of selecting the algorithm that makes the most successful prediction, a comparison was made according to the criteria of mean absolute error, 𝑅2, and mean square error, and when the existing data was included in the model, it was seen that the decision tree was the most successful algorithm. It is anticipated that this result may change when new data is added to the model in the future and a different algorithm can make more successful predictions. The study can contribute to the model and data management modules of a decision support system to be used in the pricing phase and can be developed and used in real life in the next stage together with the dialogue management module.
Benzer Tezler
- Makine öğrenmesi kullanılarak endüstriyel pres makinesi için kestirimci bakım uygulaması
Predictive maintenance application for industrial press machine using machine learning
ERKUT YİĞİT
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ZEKİ BİLGİN
- Makine öğrenmesi teknikleri ile kumaş boyama reçetesi tahmini
Fabric dyeing recipe prediction with machine learning techniques
İSMET CAN ŞAHİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CAN EYÜPOĞLU
- Alçak yoğunluklu polietilen ürün kalitesinin makine öğrenmesi algoritmaları ile gerçek zamanlı tahmini
Real-time estimation of low-density polyethylene product quality with machine learning algorithms
TOGHRUL KARIMLI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN ÖZKARACA
- Transfer öğrenmesi tekniği tabanlı derin öğrenme yöntemiyle ürün tanıma
Product recognition with deep learning method based on transfer learning technique
KÜBRA AKGÖZLÜOĞLU
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. AKIN ÖZÇİFT
- Understanding twitter users' behaviour by social network analysis during disasters
Afet durumunda twıtter kullanıcılarının sosyal ağ analizi ile davranışını anlama
GÖZDE MERVE DEMİRCİ
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ITIR SATOĞLU
DOÇ. DR. GÜLÜSTAN DOĞAN