Derin öğrenme teknikleri kullanılarak üretim sistemlerinde KPI tabanlı performans tahminleme

• Published in: Gazi Üniversitesi Mühendislik Mimarlık Fakültesi dergisi 2024-05, Vol.39 (3), p.1499-1508
• Main Authors: Akkurt, Taha, Sarıçiçek, İnci
• Format: Article
• Language: eng ; tur
• ISSN: 1300-1884
• DOI: 10.17341/gazimmfd.1100614

İmalat sektöründe yer alan firmaların, piyasadaki rekabet koşullarında gelişimlerini sürdürebilmeleri için performanslarını sürekli izlemeleri gerekmektedir. Bu çalışmada, fabrika varlıkları dikkate alınarak üretim performansını ölçmek için on bir adet anahtar performans göstergesi belirlenmiştir. Önerilen sistem, bir üretim sistemindeki CNC makinelerinden alınan anlık veriler ile ilgili KPI'ların elde edildiği yapıda tasarlanmıştır. Bu çalışmanın temel amacı, üretim performansını ölçmek ve bir sonraki değerlerini tahmin etmektir. Bu sayede karar vericiler tarafından performansı izlenen varlıklara proaktif bir yaklaşım sağlanması amaçlanmaktadır. Performans göstergelerinin tahmin edilmesi için derin öğrenme teknikleri olan LSTM ve LightGBM modelleri önerilmiştir. Tahminleme için örnek bir CNC makinesinin yaklaşık üç aylık zaman serisi OEE (Toplam Ekipman Etkinliği) değerleri kullanılmıştır. Yöntemlerin tahmin performansları, çeşitli metrikler (MSE, MAE vb.) üzerinden karşılaştırılmıştır. Sonuçlar, LightGBM'nin tüm performans ölçümleri için LSTM'den daha iyi performans gösterdiğini göstermiştir