TÜRKİYE’DE BİR HAVAYOLU İŞLETMESİNE AİT PARÇA SÖKÜM RAPORLARINA İLİŞKİN VERİ MADENCİLİĞİ UYGULAMASI

Öz

Veri madenciliği, farklı bir çok alana başarı ile uygulanan bir tekniktir. Havacılık sektörü de bu alanlardan birisidir. Özellikle Türkiye’de gelişmekte olan hava yolu işletmelerinde de kullanılması mümkündür. Havacılık sektörü, çok büyük miktarlarda veri ve bilgi birikiminin olduğu bir alandır. Bu veriler pilot, bakım, kaza, parça söküm veya tehir raporları şeklinde kayıt altına alınmaktadır. Bu çalışmada, Türkiye’de bir hava yolu işletmesinin parça söküm raporları üzerinde veri madenciliği çalışması gerçekleştirilmiştir. Çalışmanın amacı, uçaklarda kullanılan parçaların, herhangi bir arıza oluşmadan önce düzeltici ve önleyici işlemlerin yapılması için ikaz seviyelerinin tespit edilmesine yönelik kural geliştirmektir. Sonuç olarak parçaların ikaz seviyelerini temsil edecek anlamlı bir kural elde edilmiş ve bulunan kurallar doğrulukları ve güvenilirlikleri bakımından test edilmiştir.

Anahtar Kelimeler

• Veri madenciliği, havacılık, sınıflandırma, kural bulma.

Kaynakça

1. Nazeri, Z., Jianping, Z., Mining aviation data to understand impacts of severe weather on airspace system performance, IEEE, Proceedings of the International Conference on Information Technology, 2002.
2. Jiawei H., Kamber M., Data Mining: Concepts and Techniques, University of Simon Fraser, 2001.
3. Karakaş, M., Veri Madenciliği Üzerine, htpp://www.bilgiyonetimi.org.
4. Wong, M. L., Leung, K. S., Data Mining Using Grammar Based Genetic Programming & Applications, Genetic Programming, Vol.3, 2000, ISBN: 0-7923-7746-X.
5. Sever, H., Oğuz, B., Veri Tabanlarında Bilgi Keşfine Formal Bir Yaklaşım Kısım 1: Eşleştirme Sorguları ve Algoritmalar, http://www.baskent.edu.tr/~sever/bilgi-p01-03.pdf.
6. Bineid, M., Fielding, J. P., Development of a civil aircraft dispatch reliability prediction methodology, Aircraft Engineering and Aerospace Technology, Volume 75, Number 6, pp. 588-594, 2003.
7. Shyur, H. J., A quantitative model for aviation safety risk assesment, Computers&Industrial Engineering, 2007.
8. Tseng, W. S., Nguyen, H., Liebowitz, J., Agresti, W., Distractions and motor vehicle accidents:Data mining application on fatality analysis reporting system (FARS) data files, Industrial Management & Data Systems, Vol. 105, No. 9, 2005, pp 1188-1205.

9. Solomon, S., Nguyen, H., Liebowitz, J., Agresti, W., Using data mining to improve traffic safety programs, Industrial Management & Data Systems, Vol. 106 No. 5, 2006, pp. 621-643.
10. Emekci, F., Sahin, O. D., Agrawal, D., El Abbadi, Privacy preserving decision tree learning over multiple parties, Data & Knowledge Engineering, 63, 348-361, 2007.
11. Giudici, P., Applied data mining: statistical methods for business and industry, Faculty of Economics, University of Pavia, Italy, Wiley Publications, 2003.
12. Eker, H., Veri Madenciliği veya Bilgi Keşfi, http://www.bilgiyonetimi.org/cm/pages/mkl_gos.php?nt=538.
13. Hand, D., Manila, H., Smyth, P., Principles of Data Mining, Cambridge, Massachusetts, Londan, England, 2001.
14. Zhang, C., Zhang, S., Association Rule Mining, Models and Algoritms, Springer, 2002.
15. User Manuel of PolyAnalyst 5, April 2005.