Geri Dön

Toplam ekipman etkinliğinin makine öğrenmesi ile tahmin edilmesi

Prediction of overall equipment effectiveness using machine learning

  1. Tez No: 899997
  2. Yazar: MAHMUT ESAT KILIÇER
  3. Danışmanlar: DOÇ. DR. NECMETTİN FIRAT ÖZKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: İnsan ve Makine Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

Bu çalışma, sanayi işletmelerindeki dinamik ortamların yönetiminde kullanılan Toplam Ekipman Etkinliği (OEE) gibi performans göstergelerinin önemini vurgulamak ve bu göstergenin gelecekteki değerlerinin tahmin edilmesine odaklanmaktadır. Çalışma, bir işletmede yer alan CNC tezgahlarından elde edilen verilerin kullanılarak gelecekteki OEE değerlerinin tahmin edilmesini amaçlamaktadır. Bu hedef doğrultusunda, makine öğrenmesi algoritmalarıyla üretimden ve makinelerden toplanan çeşitli veriler analiz edilerek tahminleme yapılmıştır. Çalışmada, gerçek bir işletmeden elde edilen üretim verileri kullanılmış ve üç farklı tahmin algoritmasıyla değerlendirilmiştir. Sonuçlar, en etkili tahmin algoritmasının belirlenmesi ve gelecekteki uygulamalar için bir rehberlik sağlama amacı taşımaktadır. Çalışma, tezin dört ana bölümünde detaylı olarak incelenmiştir. Bunlar; OEE ve makine öğrenmesi konularına odaklanan bir literatür taraması, metodoloji ve yaklaşımların açıklanması, tahmin algoritmalarının ve tekniklerinin geliştirilmesi, elde edilen sonuçların analizi ve değerlendirilmesi ile sonuçların tartışılmasıdır. Bu çalışmanın, sanayi işletmelerinin performansını artırmak için kullanılabilecek yöntemlerin geliştirilmesi açısından önemli bir katkı sağlayacağı düşünülmektedir.

Özet (Çeviri)

This study emphasizes the importance of performance indicators such as Overall Equipment Effectiveness (OEE) used in the management of dynamic environments in industrial enterprises and focuses on predicting the future values of this indicator. The study aims to predict future OEE values using data obtained from CNC machines in an enterprise. In line with this goal, machine learning algorithms were used to analyse and predict various data collected from production and machines. In the study, production data from a real enterprise is used and evaluated with three different prediction algorithms. The results are intended to determine the most effective forecasting algorithm and provide guidance for future applications. The study is analyzed in detail in four main chapters of the thesis. These are; a literature review focusing on OEE and machine learning, description of methodology and approaches, development of prediction algorithms and techniques, analysis and evaluation of the obtained results and discussion of the results. This study is expected to make a significant contribution to the development of methods that can be used to improve the performance of industrial enterprises.

Benzer Tezler

  1. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Makine öğrenme algoritmaları kullanılarak toplam ekipman etkinliği ölçütünün tahmin edilmesi

    Predicting overall equipment effectiveness measure using machine learning algorithms

    ÜMİT YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    İşletmeBalıkesir Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ÖZLEM KUVAT

  3. A prescriptive analytics approach towards critical ship machinery operations

    Kritik gemi makine işlemlerine yönelik bir preskiriptif analitik yaklaşım

    BARIŞ YİĞİN

    Doktora

    İngilizce

    İngilizce

    2024

    Denizcilikİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN ÇELİK

  4. Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques

    Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme

    YASMIN NASSER MOHAMED

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  5. SMED uygulamalarının imalat sürelerine ve birim maliyete olan etkisi ve toplam ekipman etkinliği ile değerlendirilmesi

    The effect of SMED applications on manufacturing times and unit costs and evaluvation with oee

    HAKAN ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İşletmeSakarya Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAMİL TAŞKIN