A hybrid LLM-driven decision support system for smart manufacturing: Integrating RAG and machine learning for industrial intelligence
Akıllı üretim için hibrit LLM tabanlı bir karar destek sistemi: Endüstriyel zekâ için RAG ve makine öğreniminin entegrasyonu
- Tez No: 995355
- Danışmanlar: DOÇ. DR. ERİNÇ ALBEY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Karar Destek Sistemleri artık karmaşık sensör verilerini okumak, belirsizlik olduğunda en iyi eylemi seçmek ve maliyetleri düşük tutan bakım işlemlerini belirlemek zorundadır. Geleneksel veri odaklı modeller iyi tahminler yapsa da, bağlamsal akıl yürütme ve uyarlanabilirlik konusunda hâlâ eksiklikleri vardır. Büyük dil modellerindeki son gelişmeler, doğal dil akıl yürütmesinin yanı sıra bilgi tabanlı karar vermeyi de mümkün kılmaktadır; ancak bu yaklaşımların çoğu sohbet botlarıyla sınırlıdır ve matematiksel tutarsızlıklar içermektedir. Biz, iki modülden oluşan hibrit bir Karar Destek Sistemi geliştirdik: kalite durumunu tahmin etmeyi sağlayan bir prognostik modül ve bakım işlemlerini önermeyi sağlayan bir reçete modülü. Bu modüllerin her ikisi de, matematiksel hesaplamalar sunan ve bağlamsal açıklamalar için hibrit bir alma mekanizmasıyla birlikte büyük dil modellerini kullanan makine öğrenimi modelleri olan harici ajanlara bağlıdır. Reçete modülü, bakım maliyetleri ve arıza süresi etkileri için programı optimize eden deterministik bir simüle edilmiş tavlama algoritması kullanmayı içermektedir. NASA CMAPSS FD001 veri seti üzerinde yapılan testler, temel bir plana kıyasla bakım maliyetlerinde %56,06 ve arıza sürelerinde %42,39 oranında azalma sağlamıştır. Veriye dayalı analitiği, bilgiye dayalı akıl yürütmeyi ve maliyet bilincine sahip karar optimizasyonunu entegre eden sistem, endüstriyel ortamlarda güvenilir ve verimli karar vermeyi destekleme potansiyelini göstermektedir.
Özet (Çeviri)
Decision Support Systems now need to read complex sensor data, choose the best action when there is uncertainty, and pick the maintenance actions that keep the costs low. Traditional data-driven models perform good forecast well, but they still lack contextual reasoning, and adaptability. Recent developments in Large language models enable natural language reasoning as well as knowledge-based decision making, yet many approaches to it are limited to chatbots and have mathematical inconsistencies. We built a hybrid Decision Support System that involves 2 modules: a prognostic module that allows for predicting quality status, and a prescriptive module that allows for recommending maintenance actions. Both of these modules are connected to external agents, which are machine learning models that offer mathematical calculations and uses large language models together with hybrid retrieval mechanism for contextual explanations. The prescriptive module involved using a deterministic simulated annealing algorithm that optimized the schedule for maintenance costs and downtime impacts. Tests were done on NASA CMAPSS FD001 dataset and it resulted in lowering the maintenance costs by 56.06% and downtime by 42.39% against a baseline schedule. By integrating data-driven analytics with retrieval-grounded reasoning and cost-aware decision optimization, the system shows the potential of such Decision Support System to support trustworthy and efficient decision making in industrial environments.
Benzer Tezler
- Doğal dil ile SQL ve görselleştirme koduna dönüşümde büyük dil modellerinin karşılaştırmalı analizi
Comparative analysis of large language models for natural language to SQL and visualization code generation
BAYKAL MEHMET UÇAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. SEFER BADAY
- Yazılım projelerinde risk-duyarlı kaynak-kısıtlı çizelgeleme için llm ve makine öğrenmesi tabanlı hibrit bir yaklaşım
A Hybrid Approach Based on LLM and Machine Learning for Risk-Aware Resource-Constrained Project Scheduling in Software Projects
ELİF MERCAN
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERSİN NAMLI
- Artificial intelligence driven arbitration: A new approach for efficient arbitrator selection in construction disputes
Yapay zeka destekli tahkim: İnşaat uyuşmazlıklarında etkin hakem seçimi için yeni bir yaklaşım
MOHAMMAD MOBADERSANI
Yüksek Lisans
İngilizce
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
DR. ALİ BEDİİ CANDAŞ
- Optimizing large language models: A comparative study of retrieval-augmented generation, fine-tuning, and hybrid approaches
Büyük dil modellerinin optimize edilmesi: RAG, fine-tuning ve bunlarin birleşiminin (hibrit) modellerin karşilaştirilmasi
GÜLSÜM BUDAKOĞLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTed ÜniversitesiUygulamalı Veri Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN EMEKCİ
- The algorithmic veil: Affective trust, AI blind spots, and the design of human-centered news ranking
Algoritmik örtü: Duygulanımsal güven, yapay zekanın kör noktaları ve insan odaklı haber sıralamasının tasarımı
EMRE KIZILKAYA
Doktora
İngilizce
2025
GazetecilikGalatasaray ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
PROF. DR. KEREM RIZVANOĞLU