Geri Dön

A digital twin framework for real-time cost optimization in manufacturing process

Üretim proses maliyetinin gerçek zamanlı optimizasyonu için bir dijital ikiz çerçeve yapısı

  1. Tez No: 948446
  2. Yazar: UĞUR ÜRESİN
  3. Danışmanlar: DOÇ. DR. UMUT ASAN
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 213

Özet

Bu tez, dijital ikiz (digital twin) teknolojisinin gerçek zamanlı imalat süreç maliyeti optimizasyonunda nasıl yapılandırılabileceğini hem kuramsal hem de uygulamalı düzeyde incelemektedir. Dijital ikizlerin temel bileşenleri olan veri toplama, modelleme ve simülasyon süreçleri ayrıntılı biçimde ele alınmış; bu sistemlerin başarısını etkileyen etkinleştiriciler (enablers), engelleyiciler (barriers) ve zorluklar (challenges), kapsamlı bir literatür taraması ve uzman görüşleri yoluyla sistematik olarak belirlenmiştir. Bu kavramsal analiz, yalnızca dijital ikizlerin genel işleyişini anlamakla sınırlı kalmayıp, aynı zamanda bu teknolojilerin imalat süreçlerine entegre edilmesinde karşılaşılan yapısal ve operasyonel dinamikleri açığa çıkarmayı amaçlamıştır. Bu doğrultuda, söz konusu faktörler arasındaki çok boyutlu ilişkiler, literatürde ilk kez uygulanan geliştirilmiş bir bulanık bilişsel haritalama (improved fuzzy cognitive map) yöntemiyle modellenmiş; elde edilen çıkarımlar, dijital ikiz tabanlı bir karar destek sisteminin hangi tasarım ilkeleri üzerine inşa edilmesi gerektiğine dair önemli girdiler sağlamıştır. Bu kuramsal ve yapısal temeller doğrultusunda, bilgisayarlı sayısal denetim (CNC – Computer Numerical Control) ile gerçekleştirilen bir delik delme süreci örneği üzerinden, gerçek zamanlı veriyle çalışan ve maliyet minimizasyonunu hedefleyen bir dijital ikiz çerçevesi geliştirilmiştir. Kavramsal analizde tanımlanan kısıtlar ve başarı koşulları doğrultusunda tasarlanan bu çerçeve, uç bilişim (edge computing) altyapısı üzerinde katmanlı bir yapıda kurgulanmış ve iki temel işlevi yerine getiren tahminleme modelleriyle donatılmıştır. İlk olarak, LSTM (Long Short-Term Memory) tabanlı derin öğrenme modelleriyle kesici takım ömrü ve tırlama (chatter) riski gibi süreç kısıtları gerçek zamanlı olarak tahmin edilmekte; ardından bu çıktılar kullanılarak, LSTM, Q-öğrenme (Q-Learning) ve SARSA algoritmaları aracılığıyla üretim kontrol parametreleri, sürecin dinamik yapısını da gözeterek maliyet optimizasyonu hedefiyle belirlenmektedir. Çerçevede ayrıca, elde edilen önerilerin uygulanabilirliğini değerlendirmek amacıyla bir simülasyon katmanı ve model güncellemeleri için bulut temelli yeniden eğitim mekanizması da yer almaktadır. Modelin etkinliği, hem deneysel hem de sentetik veriyle desteklenen 100, 200 ve 500 günlük üretim simülasyonları ile test edilmiştir. Sonuçlar, Q-öğrenme algoritmasının %6.64–6.80, LSTM modelinin ise %4.23–5.84 oranında maliyet tasarrufu sağladığını ortaya koymuştur. SARSA algoritması kısa vadede benzer performans gösterse de uzun vadede belirgin bir verim kaybı yaşamıştır. Bu bulgular, dijital ikiz çerçevesinin yalnızca süreci izleyen bir yapı değil, aynı zamanda yüksek doğrulukla çalışan tahminleme ve optimizasyon bileşenleri sayesinde karar destek ve maliyet yönetimi aracı olarak işlev görebileceğini göstermektedir. Çalışma, dijital ikiz teknolojisinin ileri düzey yapay zeka yöntemleriyle bütünleştirilerek, esnek, çevik ve sürdürülebilir imalat stratejileri geliştirmek üzere nasıl konumlandırılabileceğine yönelik özgün bir katkı sunmaktadır.

Özet (Çeviri)

This dissertation investigates how digital twin technology can be structured to enable real-time optimization of manufacturing process costs through both theoretical and applied approaches. The foundational components of digital twins, including data acquisition, modeling, and simulation, are examined in detail. Furthermore, the key factors influencing the successful implementation of such systems, such as enablers, barriers, and challenges, are systematically identified through an extensive literature review and expert surveys. Rather than offering a purely descriptive overview, this conceptual analysis aims to uncover the structural and operational dynamics involved in integrating digital twins into manufacturing environments. To model the complex interdependencies among these factors, an improved fuzzy cognitive map methodology is developed and applied for the first time in the relevant literature. The insights derived from this analysis provide essential design principles for constructing a decision-support architecture grounded in digital twin technologies. Building upon these theoretical and structural foundations, a digital twin framework is proposed and implemented for a computer numerical control (CNC) drilling process in order to achieve real-time cost minimization. Guided by the constraints and success criteria identified in the conceptual phase, the framework is designed as a layered architecture operating on edge computing infrastructure and incorporates two core predictive functionalities. In the first stage, Long Short-Term Memory (LSTM) models are employed to estimate key process constraints in real time, namely cutting tool life and chatter risk. These predictions are then utilized in the second stage, where process control parameters are optimized using LSTM, Q-Learning (QL), and SARSA algorithms to minimize process costs while adapting to dynamic production conditions. The framework also includes a simulation layer to validate the feasibility of the generated control strategies, along with a cloud-based retraining mechanism to ensure model accuracy over time. The proposed system is evaluated using both experimental and synthetically generated datasets through 100, 200 and 500-day manufacturing simulations. The results demonstrate that the Q-Learning algorithm achieves a cost reduction of 6.64% to 6.80%, while the LSTM model yields a 4.23% to 5.84% improvement. SARSA provides comparable results in the short term but exhibits noticeable performance degradation over longer durations. These findings indicate that the digital twin framework not only enables real-time monitoring but also functions as an effective decision-support and cost optimization tool through its predictive and adaptive components. The study contributes a novel perspective on how digital twins can be integrated with advanced artificial intelligence techniques to support agile, data-driven, and sustainable manufacturing strategies.

Benzer Tezler

  1. Tez No

    947610

    3D nokta bulutu verileri kullanılarak otonom sürüş için nesne algılama yöntemi ile karayolu envanterlerinin tespit edilmesi

    Determination of highway inventories with object detection method for autonomous driving using 3D point cloud data

    HİLAL GEZGİN

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. REHA METİN ALKAN

  2. Tez No

    864104

    Veri güdümlü dijital ikiz modeli ile freze takım tezgahı takım aşınma tahminlemesi ve kesme parametreleri optimizasyonu

    Prediction of tool wear and cutting parameter optimization of milling machine tool with data-driven digital twin model

    GİZEM BURUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  3. Tez No

    917814

    Understanding the role of digital twins on marketing and customer engagement: An exploratory research

    Dijital ikizin pazarlama ve müşteri bağlılığı üzerindeki rolünü anlamak: Keşfedici bir araştırma

    ISRAA AL-HAYALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İşletmeAtılım Üniversitesi

    İşletme (İngilizce) Ana Bilim Dalı

    DOÇ. DR. KEMAL GÜRKAN KÜÇÜKERGİN

  4. Tez No

    682086

    A digital twin framework for predictive maintenance

    Öngörücü bakım için dijital ikiz çerçevesi

    MUSTAFA FURKAN SÜVE

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  5. Tez No

    786067

    Metaverse'ün yapım sektöründeki etkilerinin incelenmesi

    Investigation of the effects of metaverse in the construction sector

    KAZİME ELİF AKTURAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mimarlıkİstanbul Kültür Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. ESİN KASAPOĞLU

Geri Dön