Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightANFIS, MLR ve ANN'den daha iyi tahmin performansı göstermiştir, R= 0.99.
📌 3 Maddede Bu Makale
Özet
Şeker üretim süreci, birçok değişkenin etkileşim içinde olduğu karmaşık bir süreçtir. Karmaşık süreçlerin maliyet ve zaman gereksinimleri, bilgisayar tabanlı modelleme teknikleri ile azaltılmakta ve elde edilen ürün kalitesi ile ilgili gerekli aksiyonlar zamanında alınabilmektedir. Bu çalışmada şeker üretimi için kalite kontrol kriterlerinden biri olan çözelti rengi, kristalizasyon aşaması için çoklu doğrusal regresyon (MLR), yapay sinir ağı (YSA) ve uyarlanabilir sinirsel bulanık çıkarım sistemi (ANFIS) ile tahmin edilmiştir. Üretim verileri (brix, saflık, pol, pH, kül, renk ve vakum sıcaklığı) Ankara Şeker Fabrikası Genel Müdürlüğü'nden alınmıştır. Duyarlılık analizi sonucunda kül, renk ve vakum sıcaklığının tahmin edilen çıktı üzerinde en etkili parametreler olduğu belirlenmiş ve model girdi değişkenleri olarak tanımlanmıştır. Model performans kriteri olarak R ve MSE değerleri kullanılmıştır. ANFIS, MLR ve ANN'den daha iyi tahmin performansı göstermiştir, R= 0.99.
Abstract
The sugar production process is a complex process in which many variables interact. The cost and time requirements of complex processes are reduced by computer-based modeling techniques and necessary actions can be taken regarding the obtained product quality. In this study for the crystallization stage, solution color which is one of the quality control criteria for sugar production, was predicted by multiple linear regression (MLR), artificial neural network (ANN) and adaptive neural fuzzy inference system (ANFIS). Production data (brix, purity, pol, pH, ash, color and vacuum temperature) obtained from Ankara Sugar Factory General Directorate. As a result of the sensitivity analysis ash, color and vacuum temperature was determined to be the most effective parameters on the estimated output and used as a model input variables. R and MSE values were used as model performance criteria. ANFIS showed better prediction performance than MLR and ANN, R= 0.99.