Dergiler / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2018 / Cilt: 24 - Sayı: 4
Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi
- Sayfa
- 713–719
- DOI
- —
Özet
Günümüzde bilgisayar teknolojisi hızla ilerlemekte, bilgisayar kapasiteleri artmakta, bu da bilgi kaydı yapılan alan sayısını artırarak veriye ulaşmayı kolaylaştırmaktadır. Ancak üretilen ve kaydedilen veriler tek başlarına bir anlam ifade etmemekte, belli bir amaç doğrultusunda işlendiği zaman anlamlı hale gelmektedir. Ham veriyi anlamlı bilgiye dönüştürme işlemleri ise veri madenciliği ile yapılabilmektedir. Bu çalışmada bir iplik üretim tesisinde veri madenciliği yöntemlerinden biri olan sınıflandırma ile kural çıkarımı gerçekleştirilmiştir. Sınıflandırma öncesinde iplik kalitesine etki eden nitelikler belirlenmiş, Taguchi deneysel tasarım yöntemi ile etkin nitelikler tespit edilerek nitelik seçimi yapılmıştır. Kural çıkarımı aşaması ise hem yanlış sınıflandırma hataları sayısını en küçüklemeyi amaçlayan maliyete-duyarsız, hem de beklenen yanlış sınıflandırma maliyetini en küçüklemeyi amaçlayan maliyete-duyarlı sınıflandırma şeklinde uygulanmıştır. Sınıflandırma ile kural çıkarımı için Weka 3.8.1 ve MT-VeMa 1.0 paket programları kullanılmıştır. Elde edilen kurallar, kaliteli iplik üretimi için işletmeye yol gösterici özellikte olmuştur. Bu çalışma ile veri madenciliği ve deneysel tasarım uygulamalarının, bir tekstil şirketinde gerçek verilerle nasıl sonuca ulaştığı gösterilmiş ve ilgili sürece katkıda bulunulmuştur.
Abstract
Nowadays, computer technology is rapidly advancing, computer capacities are increasing, which makes it easier to reach the database by increasing the number of information recording areas. However, when the produced and recorded data are meaningless on their own, they become meaningful when processed for a certain purpose. Converting raw data to meaningful information can be done by data mining. In this study, rule extraction is realized in a yarn production facility by classification which is one of the data mining methods. Prior to classification, the features that affect the yarn quality are determined, and feature selection is realized by choosing the effective features by Taguchi experimental design method. Rule extraction phase is applied for both cost-insensitive classification that aims to minimize the number of misclassification errors and cost-sensitive classification that aims to minimize the expected misclassification cost. For rule extraction Weka 3.8.1 and MT-VeMa 1.0 package programs are used. The resulting rules guide the firm for producing qualified yarns. This study presents how data mining and experimental design applications at a textile firm have been achieved with actual data and the contributions to the processes of the firm.