- Akademik Platform Mühendislik ve Fen Bilimleri Dergisi
- Vol: 8 Issue: 2
- Application of Machine Learning Methods with Dimension Reduction Techniques for Fault Prediction in ...
Application of Machine Learning Methods with Dimension Reduction Techniques for Fault Prediction in Molding Process
Authors : Fatma DEMİRCAN KESKİN, İnanç KABASAKAL
Pages : 371-378
View : 19 | Download : 3
Publication Date : 2020-05-26
Article Type : Research
Abstract :Teknolojide yaşanan gelişmeler ve büyük veriyi kullanarak değer yaratmaya imkân sağlayan ileri analitik teknikler, üretim sistemleri üzerinde önemli etkiler yaratmış, Endüstri 4.0 ve akıllı imalat sistemlerinin temelini oluşturmuştur. Akıllı imalat sistemlerinin en kritik yapı taşlarından birini oluşturan kestirimci mühendislik, süreçlerden gerçek zamanlı doğru verinin toplanmasını, bu verinin ileri analitik teknikler uygulanarak öngörücü bir bakış açısıyla analiz edilmesini ve bu sayede değer yaratılmasını gerektirmektedir. Makine öğrenmesi yöntemleri, süreç verileri kullanılarak anlamlı bilgi elde etme ve hata tahmini yapmada yoğun ilgi görmektedir. Bu çalışmada, birbiri ardına gerçekleşen çok sayıda alt süreç içeren döküm sürecinde hata tahminleme problemi, makine öğrenmesi yöntemleri ve boyut indirgeme teknikleri uygulanarak ele alınmıştır. Veri setinin boyutunu indirgemek için öncelikle Temel Bileşenler Analizi (TBA) ve İzometrik Özellik Haritalama (İÖH) teknikleri uygulanmıştır. Hata tahminlemesi için, indirgenmiş veri setine, makine öğrenmesi yöntemlerinden Destek Vektör Makineleri (DVM), Yapay Sinir Ağları (YSA) ve Lojistik Regresyon (LR) uygulanmıştır. Çalışmanın veri setini, bir jant üreticisi firmanın döküm sürecinden elde edilen gerçek ölçüm değerleri oluşturmaktadır. Uygulanan makine öğrenmesi yöntemlerinin performansı ve boyut indirgeme yöntemlerinin bu yöntemlerin performansı üzerindeki etkileri, tahmin doğruluğu, eğri altındaki alan, Tip-1 hata ve Tip-2 hata ölçütleri kullanılarak değerlendirilmiştir. Tahminleyici modellerde doğruluk oranının %92,16 (LR) - 98,04 (TBA-YSA) aralığında elde edildiği görülmüştür. TBA ve İÖH tüm modellerin tahmin doğruluğu ve Tip-1 hata ölçütlerinde iyileşme sağlarken, Tip-2 hata ölçütünde aynı başarıyı yakalayamamıştır.Keywords : Boyut İndirgeme, Hata Tahmini, Endüstri 4.0, Makine Öğrenmesi, Döküm Süreci