Makine öğrenmesi teknikleriyle üretim tahmini ve kalite sınıflandırması: Bir tekstil tesisinde uygulama
Production forecasting and quality classification with machine learning techniques: Application in a textile plant
- Tez No: 885089
- Danışmanlar: PROF. DR. HÜSEYİN ŞENKAYAS
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Aydın Adnan Menderes Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojik gelişmelerin öncülerinden yapay zeka, hayatımızın her noktasına değinmekte ve hayatımıza kolaylıklar sağlamaya devam etmektedir. Hayatımızda sağlık, güvenlik, ulaşım ve finansal hizmetler gibi birçok alanda yer alan yapay zeka kavramı; işletmeler içerisinde de büyük önem arz etmektedir. İşletmelerin çeşitli alanlarında yer alan yapay zeka, özellikle üretim süreci içindeki firmalarda daha yaygın olarak kullanılmaktadır. Endüstri 4.0'ın getirdiği dijital dönüşüm ile birlikte, üretim süreçlerindeki yapay zeka destekli sistemlerin kullanımı yaygınlaşmakta ve işletmelere büyük avantajlar sağlamaktadır. Her sektörde olduğu gibi tekstil sektöründe de yapay zekanın avantajları bulunmaktadır. Bu avantajlar arasında, üretim süreçlerindeki verimliliğin artırılması, maliyetlerin düşürülmesi ve ürün kalitesinin iyileştirilmesi öne çıkmaktadır. Bu çalışmada, tekstil sektöründe faaliyet gösteren bir çorap firmasının üretim ve kalite süreçleri incelenmiştir. Çalışma iki aşamadan oluşmaktadır. İlk aşamada; 2022 ve 2023 yıllarına ait üretim verileri ile 2024 yılının ilk üç aylık üretim tahminleri, yapay zekanın alt dalı olan makine öğrenmesi regresyon algoritmaları kullanılarak yapılmıştır. İkinci aşamada ise 2023 yılının temmuz ayında gerçekleştirilen üretimde ortaya çıkan hata türleri ve ürün özellikleri, makine öğrenimi sınıflandırma algoritmaları kullanılarak kalite sınıflandırması yapılmıştır. Hata türleri, işletmedeki kalite kontrol birimi tarafından puanlanmıştır. Bu uygulamada, Python programlama dili kullanılmış ve kodlama işlemi Spyder ara yüzünde gerçekleştirilmiştir. Sonuçlar incelendiğinde, işletme için üretim sayılarının tahminlenmesinde doğrusal regresyon modelinin uygun olduğu tespit edilmiştir. Ayrıca, kalite sınıflarının belirlenmesinde karar ağacı modelinin diğer modellere göre daha etkili sonuçlar verdiği gözlemlenmiştir. Bu çalışma, makine öğrenimi ve yapay zeka kullanımının üretim süreçlerindeki önemini vurgulamakta ve aynı zamanda herhangi bir alanda oluşabilecek belirsizlikler üzerinde kolayca analizlerin yapılabileceğini göstermektedir. Aynı zamanda yapılan analizin, yapay zeka ve makine öğrenimi alanlarına literatüre önemli bir katkı sağlayacağı ön görülmektedir.
Özet (Çeviri)
Artificial intelligence, one of the pioneers of technological developments, touches every point of our lives and continues to provide convenience to our lives. The concept of artificial intelligence, which takes place in many areas such as health, security, transport and financial services in our lives, is also of great importance in businesses. Artificial intelligence, which takes place in various fields of businesses, is more widely used especially in companies in the production process. With the digital transformation brought by Industry 4.0, the use of artificial intelligence-supported systems in production processes is becoming widespread and provides great advantages to businesses. As in every sector, artificial intelligence has advantages in the textile industry. Among these advantages, increasing efficiency in production processes, reducing costs and improving product quality stand out. In this study, the production and quality processes of a sock company operating in the textile sector are analysed. The study consists of two stages. In the first stage, production data for the years 2022 and 2023 and production forecasts for the first three months of 2024 were made using machine learning regression algorithms, a sub-branch of artificial intelligence. In the second stage, the defect types and product characteristics that emerged in the production in July 2023 were quality classified using machine learning classification algorithms. Defect types were scored by the quality control unit in the enterprise. In this application, Python programming language was used and the coding process was performed in Spyder interface. When the results are analysed, it is determined that the linear regression model is suitable for predicting the production numbers for the enterprise. In addition, it was observed that the decision tree model gave more effective results than other models in determining quality classes. This study emphasises the importance of using machine learning and artificial intelligence in production processes and also shows that analyses can be easily performed on uncertainties that may occur in any field. At the same time, it is predicted that the analysis will make a significant contribution to the literature in the fields of artificial intelligence and machine learning.
Benzer Tezler
- Geometry-aware support design for additive manufacturing
Eklemeli imalat için geometriye duyarlı destek tasarımı
EMRE GÜNAYDIN
Doktora
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERKAN GÜNPINAR
- Konfeksiyon sürecinde tespit edilen dokuma hataları ile iplik tipleri arasındaki ilişkinin yapay sinir ağları ile tahmin edilmesi
Prediction of the relationship between yarn types and weaving defects detected in the confection process with artificial neural networks
NAİL KOYUN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN UÇKAN
- From data to action: Transforming pressure testing in manufacturing with machine learning for enhancing energy efficiency
Veriden aksiyona: Üretimdeki basınç testini makine öğrenimiyle dönüştürmek ve enerji verimliliğini artırmak
ERHAN YILDIZ
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Demand forecasting with machine learning algorithm: Implementation in a production facility
Makine öğrenmesi algoritması ile talep tahmini: Bir üretim tesisinde uygulanması
VİLDAN ÜNLÜ
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri MühendisliğiAnkara Yıldırım Beyazıt ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH YILDIZBAŞI
- Hibrit yapay öğrenme yöntemlerinin performanslarınınkıyaslanması
Comparing the performance of hybrid artificial learning methods
MERT CAN ŞEN
Yüksek Lisans
Türkçe
2025
Makine MühendisliğiNiğde Ömer Halisdemir ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT ALKAN