Kümeleme Yaklaşımı ile Maske Üretim Faktörlerinin Analiz Edilmesi Üzerine Bir Uygulama
Abstract
Teknolojinin gelişmesi ile birlikte büyük veri tabanları daha ulaşılabilir hale gelmektedir. Günümüzde de birçok alanda büyük veri tabanlarının kullanımına imkân verilmektedir. Veri tabanlarında tutulan veriler ile veri madenciliği yaklaşımlarından faydalanarak anlamlı bilgiler ve kurallar keşfedilmektedir. Böylelikle işletmeler için yararlı olacak bilgi keşifleri yapılmaktadır. Bu çalışmada cerrahi (tıbbi) maske üretimi yapmakta olan bir fabrikanın üretim verileri kullanılmıştır. Kalite kontrol aşamasında hatalı veya hatasız maskelerin üretilmesinde etkili olan değişkenlerin kümeleme analizleri Two Step yöntemi ile yapılarak ortaya çıkan kümelerin özellikleri karşılaştırılmıştır. Küme bölümlenmesinde en çok etkili olan değişkenlerin; maske gövdesinin oluşturulmasında kullanılan hız miktarı, 3 katmandan oluşan maske gövdesinin orta katmanına ait kumaşın türü ve gövde üzerinde bulunan pilelerin oluşturulması için kullanılan ultrasonik ısı miktarının olduğu gözlemlenmiştir. Üretim faaliyetlerinin performansını artırmak için elde edilen bilgiler süreci iyileştirmek için kullanılacaktır.
Keywords
Kümeleme analizi, Two-step yöntemi, veri madenciliği, SPSS clementine
References
- Referans1: Alsaedi, N., (2017). Event identification in social media using classification-clustering framework, Doktora Tezi, Cardiff University, 2017.
- Referans2: Atbaş, A., (2008). Kümeleme analizinde küme sayısının belirlenmesi üzerine bir çalışma, Yüksek Lisans Tezi. Ankara Üniversitesi, Ankara.
- Referans3: Ceylan, Z., Gürsev, S. & Bulkan S., (2017). İki Aşamalı Kümeleme Analizi ile Bireysel Emeklilik Sektöründe Müşteri Profilinin Değerlendirilmesi, Bilişim Teknolojileri Dergisi, 10(4), 475-485.
- Referans4: Ching W.K., & Ng, K. M., (2002). Advances in Data Mining and Modeling, World Scientific, 1st ed., Hong Kong, China.
- Referans5: Choi, Y., Lee, H., Yang, J., (2021). Development of a service parts recommendation system using clustering and classification of machine learning, Expert Systems With Applications, 188, 1-12.
- Referans6: Çakır, A., Çalıs H. & Küçüksille, Ecir U. (2019). Data mining approach for supply unbalance detection in induction motor, Expert Systems with Application, 36, 11808–11813.
- Referans7: Çalış A. & Baynal K., (2016). Kümeleme Analizi İle Bankacilik Sektöründe Satiş Stratejilerinin Belirlenmesi, Beykent Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 9(1), 13 – 41.
- Referans8: Çetin H., & Irmak, S., (2014). Elektronik Alışverişte Akademisyenlerin Güvenlik ve Risk Algılarının Belirlenmesi, Yönetim Bilimleri Dergisi, 12(24), 275-294.
- Referans9: Dogan, A. & Birant D., (2021). Machine learning and data mining in manufacturing, Expert Systems With Applications, 166, 114060.
- Referans10: Fayyad, U., Piatetsky Shapiro G. & Smyth, P., (1996). From data mining to knowledge discovery in database, AI Magazine, 17, 37-54.