BİR OTOMOTİV İŞLETMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ İLE KESİCİ TAKIM AŞINMASININ TAHMİNLENMESİ

Authors : Merve Deniz, Feriştah Özçelik, Tuğba Saraç

Pages : 21-46

Doi:10.46465/endustrimuhendisligi.1569135

View : 47 | Download : 173

Publication Date : 2025-04-30

Article Type : Research Paper

Abstract :Kesici takım aşınmasını tahmin etmek ve önlemek için etkili bir yöntem geliştirmek işletmelerde üretim verimliliği açısından kritiktir. Bu çalışmada, bir otomotiv firmasında, makine öğrenmesi teknikleri kullanılarak CNC makinelerinden elde edilen veriler ile kesici takım aşınmasını tahminlemek amaçlanmıştır. Rastgele Orman Regresyonu (RFR), Gradyan Artırma Regresyonu (GBR), Aşırı Gradyan Artırma Regresyonu (XGB) ve Uyarlamalı Artırma Regresyonu (ABR) makine öğrenmesi modelleri kullanılmıştır. Bu modeller, veri setlerinin farklı kombinasyonlarından oluşan 3 farklı senaryo üzerinde değerlendirilmiştir. Veri setleri kesici takım ömrünün evrelerine bölünmüş ve farklı modellerin, kesici takımın farklı evrelerini daha iyi tahmin edebileceği öngörülerek denemeler yapılmıştır. Modeller, Hata Kareleri Ortalaması (MSE) metriğine göre, farklı pencere büyüklükleri ve evreler için tüm senaryolarda değerlendirilmiştir. Senaryo 1’de elde edilen minimum MSE değeri 0,0242; Senaryo 2’de 0,0404; Senaryo 3’te ise 0,0041 olmuştur. Kesici takım aşınmasının evrelere ayrılması, daha hassas bir şekilde tahmin edilmesini sağlamaktadır ve işletmelere daha doğru ve zamanında müdahale imkanı vermektedir.
Keywords : Kestirimci bakım, kesici takım ömrü, yapay zeka, makine öğrenmesi