Otomotiv sektöründe kalite kotrol sürecinde veri madenciliği yöntemleri ile karar destek sistemi uygulaması

Günümüzde otomotiv sektörü, gelişmiş ve hatta gelişmekte olan ülkeler için "anahtar" sektör rolündedir. Güçlü bir otomotiv sektörü, sanayileşmiş ülkelerin ortak özelliklerinden biri olarak gözümüze çarpmaktadır. Bu sektörde üretim birçok süreçten oluşmaktadır. Bu süreçlerin en önemli olanlarından biri de kalite kontroldür. Bu alanda ölçüm verileri çok fazladır ve verilerin hacmi arttıkça insanların anladığı oran azalmaktadır. Varyasyonlar kalitenin düşmanıdır ve her şeyde varyasyon bulunmaktadır. Bu tez çalışmasında veri madenciliği yöntemlerinden olan sınıflandırma algoritmaları ile kalite kontrol sürecinde bir karar destek sistemi uygulaması yapılmıştır. Bu çalışma hazırlanırken veri madenciliği için Çapraz Endüstri Standart İşlem Modeli (CRISP) kullanılmıştır. Çalışmada sınıflandırma algoritmaları sonuçların performansları Çapraz Geçerleme ve Hold-Out yöntemleri ile karşılaştırılmıştır. Çapraz geçerleme katı olarak 5 kat ve 10 kat çapraz geçerleme katı kullanılmıştır. Hold-Out yöntemi ile de %40-%60, %25-75, %20-%80 ayrım oranlarına sahip sırasıyla test ve eğitim veri setine ayrılmıştır. Karşılaştırma sonucunda karar ağacı ile kurulan modeller diğer modellerden daha iyi sonuç vermiştir. En iyi performansı gösteren C4.5 karar ağacı algoritmasının doğruluk oranı yaklaşık 0.87'dir. Yine başka bir karar ağacı olan Random Forest algoritması da yüksek bir doğruluk oranına ulaşsa da zaman performansı olarak geride kalmıştır. Bu iki algoritmayı performans olarak NaiveBayes ve SMO algoritmaları izlemektedir. Bu çalışmada ek olarak veri madenciliği yöntemlerinden biri olan veri görselleştirme teknikleri kullanılarak kalite analizi için bir uygulamaya da yer verilmiştir.