Alçak yoğunluklu polietilen ürün kalitesinin makine öğrenmesi algoritmaları ile gerçek zamanlı tahmini

Plastik sektörü, ekonominin önemli aktörlerinden birisidir. Birçok ürünün hammaddesi konumunda olan plastiğin farklı türevleri bulunmaktadır. Gerçekleştirilen bu çalışma, günlük hayatta en sık kullanılan, plastiğin hammaddelerinden olan polimer ürün çeşitlerinden AYPE-T'in (Alçak Yoğunluklu Polietilen) gerçek zamanlı olarak ürün kalitesini tahmin etmeyi amaçlamaktadır. Polietilenin yüksek basınç prosesi ile elde edilen AYPE-T, fabrikada tamamen izöle ve sürekli bir sistemde üretilmektedir. Üretilen ürünün kalitesini belirlemek için kalite kontrol laboratuvarlarında çeşitli kimyasal ve fiziksel analizler yapılmaktadır. Analiz sonucuna göre ürün kalitesi birinci, ikinci ve üçüncü sınıf olarak belirlenmektedir. Üretimin başlaması ve ürün kalitesinin belirlenmesi arasında 5-7 saatlik süre farkı bulunmaktadır. Bu çalışmada geçmiş senelere ait fabrika üretim sistemindeki sensör ve laboratuvar verileri ile bir makine öğrenmesi modeli geliştirerek gerçek zamanlı üretimin kalitesi tahmin edilmeye çalışılmıştır. Çalışmada birçok denetimli makine öğrenmesi yöntemi kullanılmıştır. Bunlardan sınıflandırma kategorisindeki başarısı en yüksek olan artırma modeli tercih edilmiştir. Optimize edilmiş gradyan artırma algoritması olan Xgboost ile geliştirilen model, ürün kalitesini %97 ile en yüksek doğruluk oranında tahmin etmiştir. Bu model kullanılarak fabrikanın mühendis ve operatörleri için gerçek zamanlı bir karar destek mekanizması oluşturulmuştur.