Cerrahi maske üretiminde öznitelik seçme ve makine öğrenmesi yöntemleriyle kalite performansı iyileştirmesi
[ X ]
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Kırıkkale Üniversitesi
Access Rights
info:eu-repo/semantics/openAccess
Abstract
Teknolojinin gelişmesi ile birlikte otomatik veri tutan otomasyon sistemleri sayesinde büyük veri tabanları daha ulaşılabilir hale gelmekte ve birçok alanda büyük veri tabanlarının kullanımına imkân vermektedir. Veri tabanlarında tutulan verilerin analizlerinin yapılıp bilgiye dönüştürülerek süreç ile ilgili kararlar alınmasında yapay zekânın alt dalı olan makine öğrenmesi yaklaşımlarından yararlanılmaktadır. Bu tez çalışmasında COVID-19 salgını ile birlikte tüm dünyada kullanımı yaygınlaşan koruyucu ekipman olarak kullandığımız cerrahi (tıbbi) maskenin gövde üretim prosesi uygulama bölümünde ele alınmıştır. Cerrahi maske gövde üretim prosesindeki üretim faktörleri kullanılarak öznitelik seçimi analizleri yapılıp prosesteki hangi faktörün/faktörlerin hatalı olarak üretilen maske gövdesi üretiminde etkili olduğu ve bu faktörlerin hangi değer aralıklarında hatalı/hatasız ürün üretimini etkilediği analizler sonucunda belirlenmiştir. Belirlenen bu faktörlere ait üretim verileri kullanılarak kabul edilebilir hata miktarının dışında ortaya çıkabilecek hatalı ürünlerin tahmini için WEKA 3.9.5 yazılımında makine öğrenmesi modelleri kurulmuştur. Uygulama sonuçlarına göre işletme için belirlenen üretim faktörleri üzerinde iyileştirme önerileri sunulmuştur.
With the development of technology, large databases become more accessible thanks to automation systems that automatically keep data and allow the use of large databases in many areas. Machine learning approaches, a sub-branch of artificial intelligence, are used in making decisions about the process by analyzing the data stored in databases and converting them into information. In this thesis, the body production process of the surgical (medical) mask, which we use as protective equipment, which has become widespread all over the world with the COVID-19 epidemic, is discussed in the application section. By using the production factors in the surgical mask body production process, feature selection analyzes have made and it has determined as a result of the analyzes which factor(s) in the process have effective in the production of the mask body produced incorrectly and in which value ranges these factors affected the production of defective/defect-free products. Using the production data of these determined factors, machine learning models have established in WEKA 3.9.5 software for the prediction of defective products that may occur outside the acceptable defective amount. According to the results of the application, improvement suggestions have presented on the production factors determined for the enterprise.
With the development of technology, large databases become more accessible thanks to automation systems that automatically keep data and allow the use of large databases in many areas. Machine learning approaches, a sub-branch of artificial intelligence, are used in making decisions about the process by analyzing the data stored in databases and converting them into information. In this thesis, the body production process of the surgical (medical) mask, which we use as protective equipment, which has become widespread all over the world with the COVID-19 epidemic, is discussed in the application section. By using the production factors in the surgical mask body production process, feature selection analyzes have made and it has determined as a result of the analyzes which factor(s) in the process have effective in the production of the mask body produced incorrectly and in which value ranges these factors affected the production of defective/defect-free products. Using the production data of these determined factors, machine learning models have established in WEKA 3.9.5 software for the prediction of defective products that may occur outside the acceptable defective amount. According to the results of the application, improvement suggestions have presented on the production factors determined for the enterprise.
Description
Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı
Keywords
Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
