- Verimlilik Dergisi
- Digital Transformation and Efficiency Special Issue
- PREDICTION OF HIGH CYCLE TIMES IN WHEEL RIM MOLDING WITH ARTIFICIAL NEURAL NETWORKS
PREDICTION OF HIGH CYCLE TIMES IN WHEEL RIM MOLDING WITH ARTIFICIAL NEURAL NETWORKS
Authors : Inanç Kabasakal, Fatma Demircan Keskin
Pages : 79-90
Doi:10.51551/verimlilik.988472
View : 13 | Download : 2
Publication Date : 2022-01-12
Article Type : Research
Abstract :Amaç: Gerçek zamanlı veri toplama yoluyla süreçlerin izlenmesi, işletmelerin üretim süreçlerini anlamalarında ve üretimdeki sorunlarla başa çıkabilmelerinde yarar sağlamaktadır. Çevrim süresinin tahmin edilmesi, üretim gecikmelerinin, duruşların ve verimlilik düşüşlerinin belirlenmesine olanak tanımaktadır. Bu sayede, tespit edilen kayıpların giderilmesi için gerekli adımların atılması ve müşteri teslim tarihlerinin karşılanmasında yaşanan problemlerin önüne geçilmesi kolaylaşmaktadır. Bu çalışmada, bir jant üreticisinden alınan numune kalıplama proses verileri incelenerek, çevrim süresi eşik değerleri belirleyen ve bu değere dayalı yüksek çevrim sürelerini tahmin eden iki aşamalı bir yaklaşım önerilmektedir. Yöntem: Çalışmada öncelikle iki alternatif yaklaşımla çevrim süresi için eşik değer belirlenmektedir. Ardından, eşik değer uyarınca proses verileri etiketlenmektedir. Yüksek çevrim sürelerini tahmin etmek için R'da Yapay Sinir Ağları (YSA) uygulanarak alternatif sınıflandırma modelleri geliştirilmiştir. Bulgular: Çalışmada uzaklık bazlı bir ölçüt aracılığıyla çevrim süresi eşiği belirleme yaklaşımları karşılaştırılmaktadır. Yüksek çevrim sürelerinin etiketlenmesini takiben alternatif tahminleme modellerinin performansları sunulmaktadır. Tahminleyici modellerin performansı doğruluk, duyarlılık ve kesinlik ölçütleri ile karşılaştırılmaktadır. Özgünlük: Literatürde proses madenciliği uygulamaları ve çevrim süresi tahmin modelleri sıklıkla çalışılmış olmasına karşın, jant dökümünde proses madenciliği ile ilgili çalışmalara sık rastlanmamaktadır. Çalışmada bir diğer özgün yön ise, gecikmelerin manuel biçimde etiketlenmesi yerine, çevrim süresi için eşik değer belirleyen çoklu yaklaşım izlenmesidir.Keywords : Çevrim Süresi Tahmini, Proses Madenciliği, Makine Öğrenmesi, Yapay Sinir Ağları