Kimya Endüstrisinde Yapay Zeka Destekli Enerji Verimliliği Sınıflandırması: SHAP Tabanlı Bir Uygulama

Authors : Toğrul Bayramov, İlker Dursun

Pages : 93-109

Doi:10.58769/joinssr.1745634

View : 119 | Download : 190

Publication Date : 2025-12-18

Article Type : Research Paper

Abstract :Bu çalışma, endüstriyel üretimde enerji verimliliğini iyileştirmek amacıyla, açıklanabilir yapay zeka yaklaşımıyla desteklenen bir tahmin ve sınıflandırma modeli geliştirmeyi hedeflemektedir. Çalışmanın odak noktası, kimya endüstrisine ait üretim tesislerinden elde edilen açık veri setleri üzerinde yapılan analizler yoluyla, üretim birimlerinin enerji tüketim davranışlarını anlamak ve bu davranışlara yönelik karar destek sistemleri üretmektir. Bu bağlamda, Amerika Birleşik Devletleri Enerji Bakanlığı’na bağlı OpenEI platformu tarafından yayımlanan Foundational Industrial Energy Dataset veri seti kullanılmış ve NAICS 325 koduyla sınıflandırılan kimya endüstrisine ait üretim birimleri çalışmaya dâhil edilmiştir. Veri setindeki değişkenler, birim tipi, yakıt türü, tasarım kapasitesi ve enerji tüketimi gibi üretimle doğrudan ilişkili teknik parametreleri kapsamaktadır. Enerji verimliliği göstergesi olarak, birim kapasitesi başına tüketilen enerji miktarını ifade eden metrik türetilmiş ve bu göstergeye göre hem regresyon hem de sınıflandırma analizleri gerçekleştirilmiştir. Çalışmada Random Forest Regressor ve Linear Regression algoritmaları kullanılmış; model başarımı R² ve MSE metrikleri üzerinden değerlendirilmiştir. Random Forest algoritması, veri yapısına daha uygun sonuçlar üretmiş ve daha yüksek performans göstermiştir. Modelin yalnızca tahmin başarısı değil, aynı zamanda kararların şeffaflığı ve yorumlanabilirliği de değerlendirilmiştir. Bu amaçla SHAP yöntemi kullanılarak, her bir üretim değişkeninin model sonuçlarına etkisi sayısal olarak analiz edilmiş ve modelin karar alma süreci açıklanabilir hâle getirilmiştir. Özellikle bazı değişkenlerin enerji verimliliği üzerinde anlamlı etkiler yarattığı görülmüş, bu ilişkiler SHAP özet ve bağımlılık grafikleri ile görselleştirilmiştir. Ayrıca enerji verimliliği sadece sürekli bir değişken olarak değil, belirli eşiklerle düşük, orta ve yüksek verimli birimler şeklinde sınıflandırılmış; bu sayede karar vericilere yönelik daha uygulanabilir içgörüler sunulmuştur. Sınıf dağılımı grafikleri ve başarı skorları da bu yaklaşımın karar destek sistemlerine katkı potansiyelini ortaya koymuştur. Sonuç olarak bu çalışma, açıklanabilir yapay zeka tabanlı analizlerin, endüstriyel enerji verimliliği alanında nasıl etkili şekilde kullanılabileceğini göstermektedir. Hem sektör özelinde hem de yöntemsel olarak özgün bir katkı sunan bu çalışma, sürdürülebilir üretim ve enerji yönetimi hedefleri doğrultusunda önemli bir araç olma potansiyeli taşımaktadır.
Keywords : Enerji verimliliği, Sınıflandırma, Random forest, SHAP, Kimya endüstrisi

ORIGINAL ARTICLE URL