Soğuk dövme makinalarının duraklama sürelerinin azaltılmasında veri madenciliği yöntemiyle tahminleme / Estimation of the pause times in cold forging machines by using data mining methods

Abstract

Çalışma kapsamında, soğuk dövme makinalarındaki duraklama sürelerini veri madenciliği yöntemleri kullanarak tahminleyerek, böylece makine verimliliğini artıracak bir sistem oluşturulmuştur. Sanayi şirketleri, üretimdeki üretim hatalarını ortadan kaldırmak ve pazardaki sürdürülebilirliklerini korumak için çözümler aramaktadır. Verimliliğin artması için tüm üretim süreçlerinin kesintisiz olması gerekmektedir. Bu nedenle, endüstriyel sistemlerde kullanılan makinelerin oluşturduğu kayıt verilerinin bilgiye dönüştürülmesi şart olmuştur. Bu çalışma, soğuk dövme makinalarından gelen bilgileri analiz eden veri madenciliği algoritmalarını karşılaştırmaktadır. Karşılaştırma sonucunda seçilen en uygun veri madenciliği metodolojisi, J48 modeli olmuştur. Büyük veri seti için anlamlı sonuçlar üretmekte ve bir davranış modeline göre hatayı tahminlemektedir. J48 modeli kullanılarak veri setinden 28 arıza tespit edilmiştir. Alınan sonuçlara göre soğuk makine çalışma duraklarının sayısının azaltılmasında umut verici bir yöntem olabileceği değerlendirilmektedir. Within the scope of the study, a system was developed to predict the pause times of cold forging machines using data mining methods, thus increasing machine efficiency. The industrial companies are seeking solutions to remove manufacturing defects from production and to maintain their market sustainability. In order to increase productivity, all production processes must be uninterrupted. For this reason, it is imperative that the error logs of the machines used in industrial systems be converted to infortmation. This study presents and compares data mining algorithms that analyze this information to reduce the cold forging machine working pauses. The most favorable data mining methodology selected as a result of comparison has been the J48 model. It produces meaningful results for large data sets and predicts errors based on a behavioral model. Using the J48 model, 28 faults have been detected in the data set. According to the results, it is estimated that there may be a promising method to reduce the number of cold machine working pauses.