Çok değişkenli kontrol diyagramında kontrol dışı duruma sebep olan değişkenlerin topluluk makine öğrenme algoritmaları ile tahmini

sayıda değişkeni tek bir diyagram üzerinde değerlendirmektedir. Bu sayede zaman ve iş yükünden kazanım sağlamanın yanında değişkenler arasındaki ilişkiler de değerlendirilmektedir. Bu avantajların aksine oluşan kontrol dışı durumların hangi değişkenlerden kaynaklandığı belirleyememek gibi bir dezavantajı vardır. Ancak sürecin kontrol altına alınabilmesi için hangi değişkenlere düzeltici faaliyetler uygulanması gerektiği bilinmelidir. Bu konuda yardımcı bilimsel yöntemlere ihtiyaç duyulmaktadır. Literatürde kullanılan istatistiksel ve makine öğrenme teknikleri mevcuttur. İstatistiksel yöntemlerin gelecek durumları tahmin edememe eksikliğinden dolayı makine öğrenme yöntemleri kullanılmıştır. Çalışmada, bu problemi ortadan kaldırmak için kontrol dışı durumların nedenlerini sınıflandıracak makine öğrenme tabanlı bir model geliştirilmiştir. Modelin sınıflandırma doğruluklarının mümkün olan en yüksek oranlarda olması hedeflenmektedir. Tahmin doğruluklarını arttırmak için temel tekli makine öğrenme algoritmalarının optimum parametrelerle çözüm üretmesinin yanında algoritmaları birleştirerek doğrulukları arttırmayı amaçlayan topluluk makine öğrenme algoritmaları kullanılmıştır. Kullanılan 5 temel tekli algoritmanın arasından en başarılı olarak bulunan karar ağacı algoritması, torbalama (bagging) ve yükseltme (boosting) yöntemleriyle ayrı ayrı birleştirilmiş ve doğruluklar artmıştır. Geliştirilen modelde, iyileştirilen bu algoritmalar, yığılmış genelleme (stacking) yöntemi ile birleştirilerek kullanılmıştır. Topluluk algoritmalarının bu şekilde iç içe kullanılmasının tahmin doğruluklarını arttıracağı düşünülmektedir. Modelin başarısının ispatlanması için gerçek hayat uygulaması yapılmıştır. Temel tekli makine öğrenme algoritmaları ve iki topluluk algoritması ile karşılaştırılarak çalışma başarısı kanıtlanmıştır. Geliştirilen model sayesinde; hem çok değişkenli kontrol diyagramı kullanılarak zaman, maliyet ve değişkeler arası ilişkilerin de dikkate alınması gibi faydalar sağlanmıştır hem de yeni örneklerin kontrol dışı durumların nedenlerinin %98,06 gibi büyük doğruluk oranları ile tespit edilerek hızlıca çözülebilme şansı sunulmuştur.