Üretim sistemlerinde darboğaz tahminlemesi için otomatikleştirilmiş makine öğrenmesi yaklaşımı
Automated Machine Learning Approach for Bottleneck Prediction in Manufacturing Systems
- Tez No: 926388
- Danışmanlar: DOÇ. DR. SERVET HASGÜL
- Tez Türü: Doktora
- 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: Üretim ve Servis Sistemleri Bilim Dalı
- Sayfa Sayısı: 119
Özet
Üretim sistemlerinde darboğaz tespiti ve tahmini, işletmelerin operasyonel verimliliğini artırmak ve kaynak kullanımını optimize etmek için kritik bir öneme sahiptir. Darboğazların önceden tespit edilmesi, üretim süreçlerinde kesintilerin en aza indirilmesini ve kapasitenin etkin bir şekilde kullanılmasını sağlar. Bu çalışma, üretim süreçlerinde darboğaz tahmini için otomatikleştirilmiş makine öğrenmesi (AutoML) yöntemlerinin uygulanabilirliğini araştırmaktadır. Çalışmada, bir üretim sisteminde kullanılan dokuz adet makineye ait veri seti ele alınmış ve bu veriler zaman serisi yaklaşımıyla analiz edilmiştir. EvalML (Değerlendirme Makine Öğrenmesi), FLAML (Hızlı ve Hafif AutoML Kütüphanesi), Prophet ve TPOT (Ağaç Tabanlı Ardışık Optimizasyon Aracı) gibi AutoML kütüphaneleri ile tahmin modelleri oluşturulmuş ve bu yöntemlerin performansı, LSTM (Uzun Kısa Süreli Bellek) derin öğrenme yöntemi ile karşılaştırılmıştır. Çalışmanın bulguları, AutoML kütüphanelerinin hızlı model geliştirme, kolay kullanım ve yüksek doğruluk sağlama açısından önemli avantajlar sunduğunu göstermektedir. Ayrıca, farklı AutoML kütüphanelerinin veri setlerinin yapısına göre optimize edilebileceği ve geniş bir uygulama potansiyeline sahip olduğu vurgulanmıştır. AutoML yöntemleri, tahmin doğruluğunu artırmanın yanı sıra, hiperparametre optimizasyonu ve model oluşturma gibi uzmanlık gerektiren süreçleri otomatikleştirerek, bu adımları hızlı ve etkili bir şekilde gerçekleştirmektedir. Çalışma, farklı sektörlerde AutoML uygulamalarının potansiyelini ortaya çıkarabilecek ve daha geniş kapsamlı araştırmalara yön verecek bir temel oluşturmaktadır.
Özet (Çeviri)
Bottleneck detection and prediction in manufacturing systems are critically important for enhancing operational efficiency and optimizing business resource utilization. Identifying bottlenecks minimizes disruptions in production processes and ensures effective capacity utilization. This study investigates the applicability of automated machine learning (AutoML) methods for bottleneck prediction in production processes. In the study, a dataset from nine machines in a manufacturing system was analyzed in a time-series approach. Forecasting models were developed using AutoML libraries such as EvalML (Evaluation Machine Learning), FLAML (Fast and Lightweight AutoML Library), Prophet, and TPOT (Tree-Based Pipeline Optimization Tool). The performance of these methods was compared to that of the deep learning method LSTM (Long Short-Term Memory). The findings indicate that AutoML libraries offer significant advantages in terms of rapid model development, ease of use, and high accuracy. Additionally, it was highlighted that different AutoML libraries can be optimized based on the dataset's characteristics and possess a broad application potential. AutoML methods not only improve prediction accuracy but also automate expert-driven processes, such as hyperparameter optimization and model creation, enabling these steps to be executed quickly and effectively. The results demonstrate that AutoML technologies hold great potential for wide-ranging applications not only in manufacturing but also across various industrial and commercial domains. This study provides a valuable reference for the use of AutoML methods and lays the groundwork for more comprehensive research in different sectors.
Benzer Tezler
- Parti üretim sistemlerinde bir üretim planlama modeli ve simülasyon çalışması
A Production planning model and a simulation exercise in mass production system
DİDEM YILMAZ (ÇAPKUR)
Doktora
Türkçe
1997
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiÜretim Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET GÜNEŞ GENÇYILMAZ
- Sipariş tipi üretim sistemlerinde değişken darboğazların çizelgelenmesi için yeni bir yaklaşım
A New approach to sheduling shifting bottlenecks in job shop production systems
B. GÜLSÜN SARIOĞLU
Yüksek Lisans
Türkçe
2001
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. RIZVAN EROL
- Heuristic approaches for the lot streaming problem in multi-product flow shops
Çok ürünlü akış tipi üretim sistemlerinde kafile bölme ve kaydırma problemine sezgisel yaklaşımlar
EMİN RODOSLU
Yüksek Lisans
İngilizce
2013
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Bölümü
PROF. DR. CEYDA OĞUZ
- Optimization of improvement actions' sequencing in multistage manufacturing system
Çok aşamalı üretim sistemlerinde iyileştirme eylemleri sıralamasının optimizasyonu
BARIŞ CAN ABA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiPolitecnico di MilanoMühendislik Yönetimi Ana Bilim Dalı
PROF. TULLİO TOLİO
DR. MARİA CHİARA MAGNANİNİ
- Darboğaz bir makinada metasezgisel yöntemlerletoplam hazırlık zamanı minimizasyonu
Minimization of total setup time on a bottleneck machine using metaheuristic methods
MUHAMMET AYDIN
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALİL İBRAHİM DEMİR