Akademik Veri Yönetim Sistemi
JOURNAL OF THE FACULTY OF ENGINEERING AND ARCHITECTURE OF GAZI UNIVERSITY, cilt.36, sa.4, ss.1949-1962, 2021 (SCI-Expanded)
Günümüzün küresel rekabet koşullarında hayatta kalabilmek için işletmeler üretimlerinde düşük teslim
zamanı, düşük maliyet, yüksek kalite ve yüksek esnekliği hedeflemek zorundadırlar. Proje bazlı üretim yapan
firmaların bu hedeflere ulaşabilmesi için siparişe dayalı üretim yöntemini tercih etmeleri gerekmektedir.
Siparişe dayalı üretimde ürünün teslim tarihinde hazır olması büyük önem taşımaktadır. Teslim tarihlerinin
azaltılması için üretim süresini etkileyen faktörlerin tespit edilmesi gerekmektedir. Üretim süresine etki eden
faktörlerin tespit edilmesi, bu faktörler üzerinde yapılabilecek iyileştirmeleri öngörmeyi sağlayacaktır. Bu
çalışmada üretim süresine etki eden faktörlerin veri madenciliği yöntemleri ile belirlenebileceği metal
sektöründe üretim yapan bir firmaya uygulanarak gösterilmiştir. Bu faktörler araştırılırken veri
madenciliğinden çeşitli sınıflandırma algoritmaları kullanılmıştır. Uygulama sonucunda en iyi sonuçlar
random tree algoritması ile elde edilmiştir. Üretim süresine etki eden faktörler parça adı, makine adı, üretim
ayı, ortalama sıcaklık, operatör adı, tezgâh boyutu, ürün miktarı olarak bulunmuştur. Uygulama sonucunda
üretilen bilgiler ile işletmeye üretim süreçleri için iyileştirme tavsiyeleri verilmiştir. Çalışmada kullanılan
ham veriler ek dosyada sunulmuştur.
In order to survive in today's global competitive environment, companies must aim for low delivery time,
low cost, high quality, and high flexibility in their production. Companies engaged in project-based
production should prefer the order-based production method to achieve these goals. For order-based
production method, it is very important that the product is ready at the delivery date. To reduce delivery
dates, factors affecting production time should be determined. Determining the factors affecting the
production time enables companies to plan the improvements that can be made on these factors. On an
application, it is shown that data mining can be used to identify the factors affecting production times in
metal industry. While investigating these factors, various classification algorithms were used. In the result
best evaluation metrics were obtained with random tree algorithm. The features that best express the model
used are part name, machine name, month of production, average temperature, operator name, machine size
and product quantity. With the information produced, improvement recommendations that can be applied to
the production processes are given to the company. The raw data set can be accessed as a supplementary
file.