MAKİNE ÖĞRENMESİ İLE ÜRETİM PERFORMANSI TAHMİNLEMESİ

Abstract

Bu çalışmanın amacı, makine öğrenmesi algoritmaları kullanarak üretim performansının tahmin edilmesidir. Üretim sistemleri, çeşitli makineler, parametreler ve set değerler üzerinden çalışmakta olup, her bir üretim koşulu değişkenlik gösterebilmektedir. Gelişen teknolojiler sayesinde, bu değişkenliklerin kontrol altına alınması, üretim koşullarının optimize edilmesi ve birbirini etkileyen süreçlerden çıkarım yapılması mümkün hale gelmiştir. Bu bağlamda, makine öğrenmesi, istatistiksel metotlarla veri setleri üzerinden üretim performansının tahmin edilmesine olanak tanıyan önemli bir araçtır. Çalışmada, aynı ürün grubuna ait 2 yıllık veri kullanılarak üretim performansını tahmin etmek amacıyla Karar Ağacı, Lineer Regresyon, Lasso Regresyon, XGBoost, Destek Vektör Regresyonu ve LSTM algoritmaları uygulanmıştır. Bu algoritmalar, üç farklı senaryo üzerinden değerlendirilmiş ve üretim performansını en doğru şekilde tahmin edebilecek modelin belirlenmesi hedeflenmiştir. Elde edilen sonuçlar, basit ve karmaşık modellerin performanslarını karşılaştırarak üretim süreçlerinin iyileştirilmesine yönelik pratik öneriler sunmaktadır.