BİLDİRİLER

BİLDİRİ DETAY

Cansu ALPTEKİN, Muzaffer KAPANOĞLU
BİR FABRİKADA TEZGAH İŞLEM SÜRELERİNİN TAHMİNİNDE MAKİNE ÖĞRENİMİ
 
Makine öğrenimi, belirli bir veri kümesinden öğrenme sürecini araştırır, istenen sonuca dayalı olarak çeşitli teknikler kullanır ve ardından hedef verileri tahmin eder. Farklı algoritmalar kullanarak ve veriler arasındaki ilişkiyi hesaplayarak istenilen bilginin tahmin edilmesini sağladığından, karmaşık veri setlerine sahip çeşitli alan ve endüstrilerde yaygın olarak uygulanabilir bir yöntem haline gelmiştir. Bu çalışma kapsamında, otomotiv ve raylı sistemler sektöründe sac, profil ve boru işleme alanında faaliyet gösteren işletmede kullanılan Endüstri 4.0 ile makine öğrenimi ilişkilendirilmeye çalışılmıştır. Bu doğrultuda, makine parkında yer alan abkant tezgahındaki büküm operasyonuna ait standart işlem sürelerinin yine endüstri 4.0 verilerinden elde edilen belirli parametrelere göre tahmin edilmesi amaçlanmıştır. Sonuçta; gerçeğe yakın sürelerin tahmin edilmesi ile maliyet analizi/fiyatlandırma çalışmalarına mevcut durumdan daha doğru bir veri girişi sağlayabilmek ve belirli dönemlerde yapılan kapasite planlamada bu operasyona ait sonuçların iyileştirilmesine katkı sağlanmak istenmiştir. Bu çalışmada, verilerin yorumlanması ve basitleştirilmesi amacıyla veri madenciliği adımları uygulanmıştır. Ardından Python programlama dilindeki makine öğrenmesi sınıflandırma algoritmaları kullanılmıştır. Bu algoritmalar, büküm süresini gerçeğe en yakın tahmin eden algoritmayı seçmek amacıyla r^2değeri ve ortalama mutlak hata performans ölçütlerine göre karşılaştırılmıştır. Mevcut veriler modele dahil edildiğinde karar ağacının en başarılı algoritma olduğu görülmüştür. Ancak gelecekte modele yeni veriler eklendiğinde bu sonucun değişebileceği ve farklı bir algoritmanın daha başarılı tahminler yapabileceği öngörülmektedir. Yapılan çalışma, fiyatlandırma aşamasında kullanılacak bir karar destek sisteminin model ve veri yönetim modüllerine katkı sağlayabilir ve diyalog yönetim modülü ile beraber bir sonraki aşamada gerçek hayatta kullanılabilir. ORCID NO: 0000-0002-2022-7574

Anahtar Kelimeler: Makine Öğrenimi, Veri Madenciliği, Endüstri 4.0, Zeki Karar Destek Sistemleri



 


Keywords: