Makine Öğrenimi, verileri anlamlandırarak çıkarımlar yapmamızı sağlayan geniş bir teknikler koleksiyonudur. Bu teknikler arasında destek vektör makineleri algoritmaları olarak bilinen bir yöntem de yer almaktadır. Destek vektör makineleri (SVM) algoritmaları, etkili sonuçları nedeniyle üretim sistemlerinde de kullanılmaktadır. Günümüzde kaliteli ürünlere olan talep sürekli artmaktadır. Tutarlı kalitede ürünler üretmeye devam etmek için, üretim süreçleri takip edilmelidir. Üretimde meydana gelen hatalı ürünlere neden olabilecek faktörler incelenmeli ve hatalı ürünler fark edildiğinde ürünlerin kalitesini etkileyen nedenler izole edilmelidir. Üretim sistemlerinde gerçekleşen hatalı ürünlere karşı uygun düzeltici önlemler alınarak üretimin verimliliği artırılmalı ve maliyetlerin düşürülmesi sağlanmalıdır. Bu çalışmada Covid-19 salgın süreci ile faaliyete geçen bir maske üretim fabrikasının ürün kalitesine yönelik uygulama yapılmıştır. Ürün kalitesini etkileyen faktörler belirlenerek bu faktörlere ait veriler kullanılmıştır. Maske bulaşın önüne geçmek için kullanılması gereken hayati bir ürün olup tüm kalite karakteristiklerini bulundurması gerekmektedir. Aksi takdirde insanları bulaşa karşı güvendirip sonrada aldatıcı bir rol üstlenmemelidir. İnsanlığı tehdit eden Covid-19 salgınına karşı proaktif bir yaklaşım sergileyebilmek için bulaşı önlemede önemli olan unsur kullanılan maskenin kalite karakteristiklerinin istenilen niteliklere sahip olmasıdır. Çalışma işletmenin belirlediği kabul edilebilir hata miktarı üzerindeki hatalı ürünleri makine öğrenmesi algoritmaları kullanarak tahmin edebilmeyi araştırmaktadır. Destek vektör makinesi algoritmasına ait optimizsayon parametreleri için farklı senaryolar uygulanarak model performans sonuçları karşılaştırılmıştır.
Anahtar Kelimeler: Makine Öğrenmesi, Destek Vektör Makinesi, Üretim Faktörleri, Tahmin, Hatalı Ürün
|
