Halı üretim hatalarının kümelenmesi için veri analizi

Günümüzde son teknoloji ile birlikte veri birikimi artmış ve depolanan ham verinin bilgiye dönüştürülmesi daha önemli hale gelmiştir. Ham verinin bilgiye dönüştürülmesi kazançları artırmakta ve rekabet ortamına daha kolay adapte edilebilmektedir. Veri madenciliği, ham verilerin bilgiye dönüştürülmesinde istatistiksel uygulamalara ve makine öğrenmesi algoritmalarına dayanan bir yaklaşımdır. Veri madenciliği, büyük miktardaki verinin içindeki gizli bilgiyi/bilgiyi bulmak için önemli bir araştırma alanı olmuştur. Bu tezde halı imalatındaki kalite sorunları bir veri tabanında toplanmış ve veriler veri madenciliği algoritmaları kullanılarak analiz edilmiş ve kümelenmiştir. Temel amaç, farklı kümeleme algoritmaları WEKA yazılımı kullanarak halı imalat hatalarını kümelemek ve hangi algoritmanın kullanıcılar için en uygun olacağını bulmaktır. Ayrıca bu tez, mevcut veri temizleme yöntemleri yardımıyla veri tabanlarında veri kalitesinin iyileştirilmesine odaklanmaktadır. Böylece halı kalite sorunlarına daha derin bir bakış açısı hedeflenmekte ve uzun vadede müşteri şikâyetlerinin azalması beklenmektedir. Bir halı üreticisinin veri tabanından elde edilen veriler ön işleme tabi tutulmuş ve WEKA 3.9.4 yazılımına uyarlanmıştır. Kullanılan kümeleme algoritmaları, bölümleme tabanlı, yani K-ortalama, Önce En Uzak, Beklenti maksimizasyonu ve Bölümlemesiz, yani Örümcek Ağı'dır. En iyi performans gösteren algoritma Farthest First algoritmasıdır. Halı üretim veri setinde kalite problemi için WEKA aracı ile benzer kümeleri bulmak diğer kümeleme algoritmalarına göre daha az zaman almaktadır.