Ölçülen klmyasal gazlarln makina ögrenmesi ile sınıflandırması

Bu tez çalışmasında amaçı endüstri 4.0'ın temel konularından olan gömülü sistem yazılım ve donanımlarını kullanarak elde edilen sensör verilerini makine öğrenmesi algoritmaları ile sınıflandırmak ve sürdürülebilir üretim için gerekli otomasyonun sağlanması için alt yapı oluşturmaktır. Günümüzde endüstride kullanılan tüm aygıtlar akıllı hale geliyor ve üretim sürecinin tüm seviyelerinde üretilen dijital veriler ürün kalitesini, esnekliğini ve fonksiyonelliğini artırmak için kullanılmaktadır. Üretim tesislerinden gelen veri sensörlerle toplanmaktadır. Büyük veri tifadesi ile bahsedilen bu verilerin insan kullanıcıların değerlendire bilmesi mümkün değildir. Bu veriyi makine öğrenmesi algoritmaları ile değerlendirmek, anlamlandırmak ve sürdürülebilir üretim için kullanmak ancak mümkün olabilir. Bu çalışmada endüstride gerek insan hayatını doğrudan etkilemesi ile gerek ise birçok ürünün üretiminde ortaya çıkması veya kullanmasından dolayı gazlar ın algılanması ve sınıflandırılması üzerinde durulmuştur. Gaz sensörleri, insan sağlığını ve özelliklerini tehdit eden yanıcı, yakıcı ve toksik gazları tespit etmek için endüstride ve yangınla mücadelede yaygın olarak kullanılmaktadır. Önce ardunia ile b gaz verilerini toplama ve makine öğrenmesi ile sınıflandırılması üzerine çalışılmıştır. Gazlar ile ilgili yeterince veri elde edilemediği için altı farklı uçucu organik gaz için bir veri kümesi veri seti indirilerek onun üzerinde çalışmalar yapılmıştır. Bu veri setinde; Amonyak, Asetaldehit, Aseton, Etilen, Etanol ve Toluen gazları bulunmaktadır.Üç yıllık bir süre boyunca, 16 metal oksit gaz sensörü kullanılarak elde edilmiştir. Bu veriler 13910 ölçüm ve 129 özellik içerir.Çalışmamızda bu verileri sınıflandırmak için çok sayıda makine öğrenmesi algoritmaları kullanılmıştır. Bunlar; k-en yakın komşular, Destek vektör makinesi, Rastgele orman ve Lojistik regresyon dur. Verileri sınıflandırmak için bu makine öğrenme algoritmaları Weka programında gerçekleştirilmiştir. Yapılan çalışmalar sonucunda k-en yakın komşular algoritmasının en iyi sonucu verdiğini ve sınıflandırma başarısı% 99,48dır.