Endüstriyel Makinelerin Arıza Durumlarına Göre Segmentasyonu: K-means ve Fuzzy C-means Algoritmaları ile RFM Analizi

Authors : Hikmet Canlı, Sena Varıcı

Pages : 1396-1406

Doi:10.29109/gujsc.1650341

View : 117 | Download : 124

Publication Date : 2025-12-31

Article Type : Research Paper

Abstract :Bu çalışma makinelerin segmentasyonunu, bakım ve arıza kayıtlarına dayalı olarak RFM analizi ile değerlendirdikten sonra K-means ve Fuzzy C-means kümeleme algoritmaları kullanarak değerlendirmeyi amaçlamaktadır. Her bir makinenin arıza geçmişi makinelerin bakım ve arıza verileri analiz edilerek incelenmiştir. Makinelerin segmentasyonunu değerlendirmek amacıyla Arıza Frekansı, Toplam Arıza Süresi ve Son Arıza zamanı gibi parametreler kullanılmıştır. Bu parametreler, müdahale edilmesi gereken makinelerin belirlenmesini ve makinelerin operasyonel sağlık durumlarını anlaşılmasını sağlamıştır. Makine verileri üzerinde RFM analizi uygulandıktan sonra K-means ve Fuzzy C-means algoritmaları kullanılarak kümeleme yapılmıştır. Bu çalışma, makinelerin bakım süreçlerini optimize etmek, arıza eğilimlerini daha doğru tahmin etmek, operasyonel verimliliği artırmak ve maliyetleri düşürmek için veri odaklı bir yaklaşım sunmaktadır. Çalışma sonuçları David-Bouldin Index, Dunn Index, Calinski-Harabasz Index gibi metrikler kullanılarak kıyaslanmış ve en iyi kümelemeyi yapan algoritma seçilmiştir. Sonuçlar, makinelerin segmentlere ayrılmasını ve her segment için özel bakım ve iyileştirme stratejilerinin geliştirilmesini sağlamaktadır.
Keywords : RFM Analizi, K-means, Fuzzy C-means, Kestirimci Bakım

ORIGINAL ARTICLE URL