45
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
İşaretçisiz tabanlı takip sistemlerinin eğitim alanındaki artırılmış gerçeklik uygulamalarında performas analizi
Teknoloji geçmişten günümüze kadar olan süreçte sürekli olarak gelişmiş ve gelişimi boyunca beraberinde hep yenilikler getirmiştir. Bu yeniliklerin başında bilgisayarlar, mobil cihazlar ve son zamanlarda adından sıkça söz ettiren Artırılmış Gerçeklik kavramı gelmektedir. Bilgisayar ortamında oluşturulan ses, resim video gibi 2B veya 3B sanal örüntüleri gerçek dünya üzerine ekleyerek ortamın görsel olarak zenginleştirilmesini sağlayan Artırılmış Gerçeklik teknolojisinin gerçek dünyadan koparmadan sunmuş olduğu sanal görüntü desteği bu teknolojinin başta eğitim olmak üzere birçok alanda kullanılmasını sağlamıştır. Ayrıca bilgisayar ve mobil aygıtların günümüzde tercih edilirliğinin fazla olması Artırılmış Gerçeklik teknolojisinin bu platformlara hızlı bir şekilde entegre edilmesine neden olmuştur. Bu tez çalışmasında işaretçi yerine doğal özellikleri referans alan, yüksek hesaplama gücü ve bellek kapasitesi gerektiren işaretçisiz tabanlı model referans alınmış olup bu doğrultuda kullanılan algoritmaların performans değerlendirilmesinin yapılması, daha sonrasında uygun algoritmanın android platforma entegre edilmesi amaçlanmıştır. Bu amaç doğrultusunda tez çalışmasında Artırılmış Gerçeklik teknolojisinin literatürdeki yeri, geçmişten bugüne nasıl geliştiği, türleri ve eğitim alanındaki yeri ele alınmış olup bu teknolojinin kullanıldığı çalışmalar incelenmiştir. İncelenen çalışmalarda klasik öğretme teknikleri yerine bu teknolojinin kullanıldığı öğretme tekniklerinin öğrenciler tarafından daha ilgi çekici ve eğlenceli olarak karşılandığı söylenmiştir. Ancak incelenen uygulama örneklerinin çoğunluğunun sisteme daha önceden tanıtılan bir işaretçi üzerine kurulu olan işaretçi tabanlı modelle geliştirildiği görülmüştür. İşaretçi tabanlı geliştirilen uygulamaların ortam bağımsızlığı sağlayamaması nedeniyle bu tez kapsamında sisteme daha önceden bir işaretçi tanıtmak yerine köşe, kenar veya şekiller gibi doğal özellikleri referans alma mantığı üzerine kurulu olan ortam bağımsızlığı sağlayan işaretçisiz tabanlı model ele alınmıştır. Yapılan çalışma da işaretçisiz tabanlı modelle Artırılmış Gerçeklik ortamı oluşturmak için gerekli olan teknolojiler incelenmiş bu doğrultuda nesne algılama, tanıma ve takip işlemleri için kullanılması gereken yüksek hesaplama gücü ve yüksek bellek kapasitesi gerektiren ORB, SIFT ve SURF algoritmalarının detaylı bir şekilde açıklaması yapılmış olup masaüstü için Netbeans platformunda, mobil cihazlar için Android Studio platformunda performans durumları analiz edilmiştir. Analiz aşaması için bir örnek video üzerinde değişiklik yapılmadan, renk değişikliği ve ölçeklendirme yapılarak üç farklı durum için özellik algılama, çıkarma, eşleştirme, takip ve çalışama süreleri test edilmiştir. Testler sonucunda elde edilen veriler, grafikler ve tablolarla desteklenip her durum için performans analizleri kıyaslanmıştır. Çalışmanın sonucunda yapılan kıyaslamalar neticesinde SIFT ve SURF algoritmalarının ORB algoritmasına nazaran her durum için daha fazla anahtar nokta ve özellik vektörü elde ettikleri dolayısıyla daha fazla eşleştirme yaptıkları görülmüştür. Elde edilen bu eşleştirmelere belli bir oran kullanılarak filtrelenmesiyle doğru eşleştirmeler ve RANSAC algoritması kullanılarak daha doğru olan eşleştirilmeler bulunmuş ve sanal nesnenin görüntü üzerindeki sapma miktarı her algoritma için test edilmiştir. Yapılan testler ORB algoritmasının kullanıldığı durumlarda sapma oranının daha az olduğunu göstermiştir. Diğer bir parametre olan süre açısından bakıldığında özellikle android platform için SIFT ve SURF algoritmaları ORB algoritmasına kıyasla çok daha yavaş çalışmışlardır. Bu doğrultuda uygun algoritma Artırılmış Gerçeklik ortamı için android platformların işlemci güçleri ve bellek kapasitelerine dikkat edilerek eğitim alanı için 2B geometrik şeklin 3B olarak tanıtılmasını sağlamak amacıyla OpenCV ve OpenGL kütüphanelerinin kullanımıyla geliştirilen basit bir uygulamaya entegre edilmiştir.
Üretim planlama ve kontrol süreçlerinde dijital ikiz teknolojisinin kullanılması: Tekstil sektöründe bir uygulama
Günümüzde, mevcut üretim ve tasarım teknolojilerinin modern bilgi ve iletişim teknolojileriyle birleşmesiyle birlikte üretim ve tasarımda dijitalleşme süreci başlamıştır. Özelikle nesnelerin interneti, bulut bilişim, büyük veri analitiği, yapay zeka ve dijital ikiz gibi Endüstri 4.0 teknolojilerinin ortaya çıkmasıyla birlikte günümüzün üretim paradigması akıllı üretime dönüşmeye başlamıştır. Bu teknolojilerden biri olan dijital ikiz, üretim sistemlerinin veya bileşenlerinin sanal ve gerçek zamanlı bir temsilini oluşturarak sürekli toplanan verilerle ürünler veya üretim sistemleri hakkında geleceğe yönelik bilgiler vermektedir. Ayrıca, süreçlerdeki sorunları tespit etmek, ürünlerin tasarım döngüsünü hızlandırmak, kalite sorunlarının kaynağını belirlemek ve hataları önlemek gibi birçok avantajlar sağlamaktadır. Bu avantajlarından dolayı da akıllı imalat, akıllı bina yönetimi, akıllı şehir, sağlık, petrol, gaz ve daha pek çok alanda giderek daha fazla uygulanmaya başlamıştır. Ancak, ürün ya da sistemlerin dijital ikizlerinin oluşturulması ve uygulanması için öncelikle gerekli olan verilerin toplanması, düzenlenmesi, işlenmesi ve anlamlı hale getirilmesi gerekmektedir. Bu çalışmada, hazır giyim sektöründe faaliyet gösteren öncü bir firmanın üretim tesisinde, veri dijitalleştirme projesi kapsamında süreçlerin uçtan uca incelenmesi ve yeni nesil bilgi teknolojileri kullanılarak veri odaklı süreç tasarımlarının yapılması amaçlanmıştır. Buna bağlı olarak, yeni gelişen ve hızlı büyüyen bir teknoloji olan dijital ikiz modellerinin yapılabilmesi için gerekli olan süreç altyapılarının oluşturulması hedeflenmiştir. Yapılan çalışmada ilk olarak, süreç haritaları oluşturulmuş ve süreçlere ait sürekli değişen verilerin sensörler ve arayüzler yardımıyla elde edilerek sisteme aktarılması sağlanmıştır. Daha sonra, üretim hattındaki makinelerden alınan süreç bazlı süreler ile üretilecek ürüne ait nitelikler arasında bağlantı kurularak, herhangi bir ürünün sürece girdiğinde ne kadar sürede tamamlanacağı lineer regresyon, polinomal regresyon, gradyan destekli karar ormanı regresyonu ve rassal orman regresyon algoritmaları kullanılarak Knime platformunda tahmin edilmiştir. Yapılan tahmin sonuçlarına göre rassal orman regresyon modelinin, en düşük hata metrik değerlerine sahip olduğu tespit edilmiş ve bu regresyon modeli ERP altyapısına entegre edilmiştir. Tahminleme ile ürünler için klasman ve tedarik bazında standart süreler elde edilmiş olup bu standart süreler ile maliyetlendirme, verimlilik ölçme, raporlama ve performans değerlendirme çalışmaları yapılmıştır. Ayrıca, tahmin edilen üretim süreleri ve hat üzerindeki çeşitli parametrelere göre üretim çizelgeleme çalışması tasarımı yapılmış olup firma tarafından test edilecektir. Yapılan çalışma, kendi kendine karar verebilen akıllı bir sistemin altyapısının oluşturulması bakımından önemli olup süreçlerin dijital ikizlerinin oluşturulmasına katkı sağlayacağı düşünülmektedir.
Bir otomotiv firmasında konu modelleme yaklaşımı kullanılarak çalışan önerilerinin değerlendirilmesi
Veri madenciliğinin bir alt kolu olan metin madenciliği, birçok dilde birçok farklı alanda yazılmış metinlerde özellik çıkarımı için kullanılmaktadır. Son yıllarda önem kazanan konu modelleme yöntemleri metin madenciliği uygulamalarında sıklıkla tercih edilmeye başlanmıştır. Konu modelleme, veri madenciliği, gizli veri keşfi ve veri ile metin belgeleri arasındaki ilişkileri bulmak için metin madenciliğinde en güçlü tekniklerden biridir. Büyük boyutlu dokümanlardaki gizli yapıyı denetimsiz şekilde ortaya çıkaran konu modelleme, başarılı bir yöntem olarak kabul görmüştür. Bir doküman kümesi içerisindeki belgelerin konu olarak adlandırılan sözcük grupları dokümanlar içerisinde gizli ve yapılandırılmamış bir biçimde bulunur. Bu konuların özelliği metin içerisinde çoğunlukla birlikte görülmeleri ve genellikle ortak veya birbirine benzeyen temayı paylaşan sözcüklerden oluşmalarıdır. Konu modellemede metinde sıkça birlikte görülen kelimeler kümelenerek soyut konular(abstract topic) üretilir ve ilgili metinler içerdikleri kelimelere göre kendisine en yakın olan bir veya daha fazla kümede konuçlandırılır. Birbirine yakın olabilecek ifadeler anlamsal uzayda soyut konu oluşturulacak şekilde gruplanırlar. Daha sonra bu dokümanlar oluşturulan gruplara ve içerdikleri kelimelere göre kümelenir. Günümüzün en büyük endüstrilerinden biri olan otomotiv endüstrisinde rekabetin fazla olması işletmelerin iyileştirme çalışmalarına önem vermeleri gerekliliğini doğurmuştur. Bu iyileştirmelerin arasında çalışanların önerileri oldukça önemli yer kaplamaktadır.Öneri sistemlerinin içeriğinin metinlerden oluşması, onları ileri metin madenciliği çalışmaları için uygun veri setleri haline getirmiştir. Çalışan önerilerinin konu modelleme ile analiz edilmesi, en çok hangi konularda öneriler geldiğini, hangi konulara yoğunlaşılması gerektiğini ve gelecekteki öneri ve iyileştirmelerle ilgili tahminler yapabilmeyi olanaklı hale getirebilecektir. Bu çalışmada bir otomotiv firmasının öneri sistemlerini analiz etmek için metin madenciliğine ait yöntemlerden Gizli Dirichlet Tahsisi (GDT) kullanılmıştır. Projemizde analiz için Azure Machine Learning aracı kullanılmıştır. En çok verilen öneri çeşiti "getirisi olmayan olumlu öneri"lerdir. Bu öneriler genellikle iş sağlığı ve güvenliği ile ilgili olmaktadır. 2. Sıradaki en çok verilen öneriler ise "öneri" yani getirisi olan, firmaya kazanç sağlayan önerilerdir. 3. Sırada "öneriden hızlı kaizene" yani çok kısa sürede sonuç alınabilen, getirisi yüksek öneriler bulunmaktadır. 4. Sırada "değerlendirilmek üzere havale" edilen öneriler bulunurken, en az verilen öneri türünün ise "devreye alınmayacak öneriler" olduğu görünmektedir.
COVID-19'lu ortamların dezenfeksiyonu için kullanılan insansız bir kara aracının (İKA) otomatik kontrolü
Bu çalışmada, insansız bir kara aracının (İKA) beyin (EEG) sinyalleriyle kontrol edilebilmesi için makine öğrenmesi tabanlı hibrit bir yöntem önerilmiştir. Önerilen hibrit yöntemde, dalgacık dönüşümü ile EEG sinyallerinden gerekli öznitelik vektörleri elde edilmiş ve karar ağacı modeli kullanılarak bu öznitelik sinyalleri sınıflandırılmıştır. Sınıflandırıcı çıkışındaki sinyaller, İKA'nın uygun yönde hareket ettirilebilmesi amacı ile kullanılmıştır. Sistemin eğitimi için 41 kişiden EEG sinyal verileri alınmıştır. Veriler band geçirgen filtreler ile gürültüden arındırılmıştır. EEG sinyallerinden en iyi öz nitelik çıkarımının sağlanabilmesi için sürekli ve ayrık dalgacık dönüşümü yöntemlerinin performansı araştırılmıştır. Baskın özelliklerin yer aldığı bandların eğitim dosyası oluşturulmuştur. Eğitim dosyası k-Katlı Çapraz Doğrulama yöntemi (k-Fold Cross Validation) ile eğitilmiştir. Eğitilen modeller aynı test kümesi üzerinde denenmiş, EEG sinyallerinden elde edilen verilerle, İKA'nın sağ ve sol doğrultuda yönlendirilmesi tahmin edilmeye çalışılmıştır. Sağ ve sol yön tahmini sınıflandırması için bilinen makine öğrenmesi yöntemlerinden performansı en iyi olanın bulunması amaçlanmıştır. Modellerden elde edilen verilerin karşılaştırması sonucunda, ayrık dalgacık dönüşümü ile kullanılan karar ağacı modelinin, diğer modellere göre test verileri üzerinde en fazla doğruluk oranı % 83 ayrıca sürekli dalgacık dönüşümü ve topluluk öğrenmesi ile en fazla doğruluk oranı %95 verdiği sonucuna ulaşılmıştır.
Nesnelerin interneti odağında büyük veri için tahmine dayalı analitik mimarisi
Teknolojik gelişmeler, araştırmacıların imkan ve kabiliyetlerini gün geçtikçe arttırmaktadır. Yapay zeka ve ilintili alanlarda donanımsal, yazılımsal ve hesapsal tekniklerdeki gelişmelerle birlikte veri merkezli iş süreçleri önem kazanmıştır. Bu durum veri saklama, veri aktarma ve veri işleme süreçlerinin yönetilmesi gereksinimini doğurmuştur. Üretim alanlarındaki her bir cihazın veri kaynağı olarak görüldüğü nesnelerin interneti yaklaşımı ile beraber büyük miktarda veri oluşması ve bu verilerden gerçek zamanlı veya gerçeğe yakın zamanlı çıktılar üretilmesine yönelik birçok çözüm literatürde yer bulmuştur. Bulut teknolojileri kullanılarak büyük veri ve nesnelerin interneti başlıkları altında birçok çalışma yapılmış ve çeşitli problemlere odaklanan çözümler ortaya atılmıştır. Bu gelişmeler kurumlarda paradigma değişimlerini de beraberinde getirmiş ve büyük veri enstrümanlarını kullanabilen, analitik süreçleri işletebilen anahtar kişilerin endüstriyel ortamlarda konumlandırılması yönünde bir eğilim oluşmuştur. Kullanıcılar özelinde programlama becerisinin öneminin azaldığı, kodsuz veya az-kodlu yazılım araçlarını kullanma becerisinin ise önem kazandığı görülmektedir. Verinin elde edilmesinden, iş zekası veya operasyonel gösterge araçlarınca raporlanmasına kadar birbirine entegre birçok süreç mevcuttur. Dijitalleşme, izlenebilirlik ve analitik kabiliyetin arttırılması gibi hedefler kuruluşların öncelikleri arasındadır. Analitik kabiliyetler bağlamında makine öğrenmesi algoritmalarının işletilmesi, modellerin eğitilmesi, eğitilen modellerin yazılım servisi olarak sunulması ve çıktılarının çeşitli dijital ortamlara raporlanması başlıkları da büyük veri süreçleriyle entegre bir şekilde çalışmak durumundadır. Bu tez çalışmasında bulut-yerel ortam gereksinimleri de dikkate alınarak nesnelerin interneti odağında büyük veri için tahmine dayalı analitik mimarisi paylaşılmıştır. İlgili mimari yapının ortaya konmasında, tekniğin geldiği son seviye üzerinden işlevsel kırılımlarla birlikte çeşitli açık kaynak kodlu yazılımlara ve yazılım geliştirme platformlarına da işaret edilmiştir. Büyük verinin saklanması ve işlenmesi konusunda ortaya atılmış veri gölü, gölevi benzeri kavramların yanı sıra akan veri işleme konusundaki tasarımsal yaklaşımlar izah edilmiş, kavramların karşıladığı anlama hizmet eden yazılım araçları da örneklenmiştir. Benzer şekilde nesnelerin interneti yaklaşımında literatürde yer bulmuş, olgunluk kazanmış kavramlar ve yazılım araçları da örneklenmiştir. Sunulan mimari hem yazılım geliştiricilerin, hem anahtar kullanıcıların hem de son kullanıcıların faydalanabileceği verinin tüm hikayesini kapsayacak nitelikte bileşenler içermektedir.
ROS tabanlı mobil robotun yapımı ve yönetimi
ROS (Robot Operating System, Robot İşletim Sistemi) oluşturduğu standartta robotları kontrol etmeyi sağlayan, robotu çevresel bileşenlerle haberleştiren yayıncıdinleyici mesajlaşma modeline sahip açık kaynak kodlu bir yazılım geliştirme kitidir. Gün geçtikçe desteklediği ürün, paket ve proje sayısı artan ROS, simülasyon araçları ile dilden bağımsız ve modüler bir yapıya sahip olduğundan robot dünyasında standart konumunu almaktadır. Bu çalışmada ROS tabanlı AMR (Autonomous Mobile Robot, Otonom Mobil Robot) tüm mekanik, elektronik ve yazılım kısımları ile beraber yapılmıştır. Simülasyon ve gerçek ortamda robot çalıştırılmış ve geliştirilen sistemler ile robot yönetilmiştir. Simülasyon araçları olarak ROS'un sağlamış olduğu Gazebo, RViz ve RQt kullanılmıştır. Tasarımı 3 boyutlu tasarım programında yapılan robot, simülasyon ortamına aktarılarak Gazebo'da oluşturulan gerçekçi bir dünya ile simüle edilmiş, RViz üstünden robotun ve fonksiyonların çıktıları gözlemlenmiş ve RQt üzerindeki birçok araç kullanılarak robotun hassas ayarları yapılmış ve sistemdeki veriler gözlemlenmiştir. SLAM (Simultaneous Localization and Mapping, Eşzamanlı Konumlama ve Haritalama) fonksiyonu sayesinde LIDAR (Laser Imaging Detection and Ranging, Lazerli Görüntüleme, Algılama ve Aralık Ölçümü) verisi ile birlikte robotun hiç bilmediği bir alanı haritalaması sağlanır. Sanal kumanda ile manuel sürülerek çıkartılan harita ile birlikte ROS'un sağlamış olduğu paketler kullanılarak robot doğal navigasyon sayesinde ortamda hiçbir belirteç olmadan robot konumlama işlemini yapabilmektedir. Sabit ve hareketli engelleri de dikkate alarak dinamik, güvenli ve maliyeti en düşük yol planlamasını çıkartıp hedefe ulaşması AMR'leri ön plana çıkarmaktadır. SLAM ve navigasyon fonksiyonunun parametreleri optimize edilerek robot üzerinde çalışmaya hazır hale getirilmiştir. Robotun içerisinde geliştirilen web-socket haberleşme protokolü tabanlı arkayüz yazılımı ile robotun dış kaynaklardan yönetilmesi ve izlenmesine olanak sağlanmıştır. Bu imkan ile robot merkezi/akıllı sistemler ile haberleşip süreçlere entegre olabilir. Geliştirilen görev yönetim sistemi ile birlikte robotun otonomi kabiliyeti arttırılmış ve çevre birimler ile birlikte çalışmasına olanak sağlanmıştır. Geliştirilen dinamik konum/hedef sistemi ile birlikte robotun alacağı görevler hızlıca revize edilebilir. İnsan robot etkileşimi hedeflenerek geliştirilen kullanıcı dostu ön arayüz, robot ile web-socket üzerinden haberleşmektedir. Harita fonksiyonunu çalıştırma ve harita kaydetme, daha önceden çıkartılmış haritalar ile navigasyon fonksiyonunu çalıştırma,konum/hedef kaydetme ve robota görev atama ve yönetme işlemleri arayüz üzerinden yapılabilmektedir. Robotun anlık olarak birçok verisi de arayüz üzerinden takip edilebilmektedir. Ek olarak geliştirilen web tabanlı sanal kumanda ile robot manuel olarak sürülebilmektedir. Geliştirilebilecek merkezi/akıllı yönetim sistemleri ile birlikte robotlar birbirleri ile ve binalardaki kapı, asansör sistemleri ile haberleşebilir. Endüstri 4.0 altında makineler ile haberleşip üretim süreçlerine dahil olabilir. Birden çok robot olduğunda ise filo kontrol sistemleri geliştirilerek robotların trafik kontrolü yapılabilir. Veri izleme ve raporlama sistemleri ile takip, bakım, arıza ve verimlilik analizleri yapılabilir.
Yapay zeka tabanlı araç koltuğu tanıma sisteminin geliştirilmesi
Motorlu taşıtların tasarlandığı, üretildiği ve pazarlanarak satıldığı iş alanına otomotiv sektörü denilmektedir. Sektörün yaklaşık %70'inde otomobil imalatları yer almaktadır. Otomobili oluşturan bir çok parça bulunmaktadır. Motor, tekerlek, metal gövde ve kapılar, koltuk, plastik paneller gibi yaklaşık 5.000 parçadan oluşur. Her parçayı imal eden yan sanayiler de sektörde önemli role sahiptir. Bu çalışmada, koltuk üreten bir yan sanayi firmasındaki bir araç modeline ait koltuk tipleri incelenmiştir. Otomotiv sektöründe, senelik yaklaşık 300.000 adet sadece bir modele ait araç üretimi gerçekleşmektedir. Her bir aracın ön sırasında bir adet sürücü koltuğu ve bir adet yolcu koltuğu olmak üzere, toplam iki adet koltuk bulunmaktadır. Koltukların kumaş tiplerine göre ayırım yapıldığında, altı farklı model bulunmaktadır. Koltuk üreten yan sanayi firmalarında, senelik her model için ortalama 600.000 adet koltuk imalatı gerçekleşmektedir. Derin öğrenme temelli bilgisayar görüsü teknolojisinin gelişmesiyle birlikte üretilen koltukların modellerine göre otomatik tanımlanması, stoklanması için uygulama ihtiyacı ortaya çıkmıştır. Yüksek stok maliyetleri, hatalı üretim ve etiket, otomotiv firmalarının en büyük problemleri arasındadır. Endüstri 4.0 ile birlikte akıllı makineler sayesinde akıllı üretimler ve kontroller yapılabilmektedir. Hızlı, yüksek doğruluk oranı ve düşük maliyetler ile yüksek maliyetli problemlerden uzaklaşılmıştır. Yapay zeka teknolojilerinin kullanıldığı akıllı makineler sayesinde, akıllı üretim teknolojileri geliştirilmiştir. Yüksek çözünürlüklü kameralar, hassasiyeti yüksek algılayıcı sensörler, otomasyon taşıyıcı sistemler ile üretilen ürünler daha hızlı ve doğru olmaktadır. Bu çalışmada, otomobil modeline ait farklı versiyon koltuklarını üreten bir otomotiv yan sanayi firmasında, stok alanı ve üretim öncesi ile sonrası koltuk modellerinin otomatik ayrılması amaçlanmıştır. Bu çalışmada daha önce üretim alanlarında ve stok bölgelerinde konumlandırılmış olan araba koltukları kullanılarak otomatik nesne (koltuk) tespitinin yapılması için yapay zeka yönteminden yararlanılmıştır. Koltuk tiplerine göre eğitim ve test verileri oluşturulmuştur. Her bir koltuğa ait modelin fotoğrafları farklı ortamlarda çekilmiştir. Fotoğraflar model tipine göre tek tek etiketlenerek, test ve eğitim verileri oluşturulmuştur. Faster R-CNN, RetineNEt ve EfficientDet modelleri ile yapılan eğitmler sonucunda, Tensorflow Faster R-CNN modelinde yüksek oranda test sonuçları elde edilmiştir.
Konteyner yükleme probleminin çözümü için genetik algoritma bazlı hibrit yaklaşım
Küresel lojistik ve tedarik zinciri yönetiminin hayati bir parçası olan konteyner yükleme sorunları, operasyonel karmaşıklığı ve maliyet etkinliği ile önem kazanır. Çeşitli ürünlerin dünya genelinde çok sayıda noktaya ulaştırılması gereken kapsamlı işlemlerde, konteynerlar ana taşıma mekanizması olarak görev yaparlar. Bu konteynerlar çeşitli boyutlarda olabilir ve ağırlık kapasiteleri birbirinden önemli ölçüde farklılık gösterebilir. Konteynerların etkin bir şekilde yüklenmesi ve boşaltılması, tedarik zincirinin verimliliği ve maliyet etkinliği açısından kritik bir öneme sahiptir. Konteyner yükleme sorunları, bu bağlamda ele alınan ve kesme ve paketleme problemlerinin bir alt grubu olarak literatüre dahil edilmiş olan NP-zor problemlerdir. Bu tür lojistik zorlukların üstesinden gelmek için yöneylem araştırması, matematiksel modeller ve algoritmalar kullanarak karmaşık sistemleri optimize etmek için mükemmel bir araç olarak işlev görür. Yöneylem araştırması ve yapay zekâ, karmaşık problemlerin sezgisel arama ile çözümünde ortak bir ilgi paylaşır. Genetik algoritma gibi yapay zeka tabanlı yöntemler, belirli bir sistemin içsel string temsili aracılığıyla optimizasyon işlemlerini gerçekleştirir. Bu temsilin belirli düzeni, bir kromozom olarak adlandırılan ve optimizasyon sürecinin sonucu üzerinde belirleyici bir etkiye sahip olan yapıdır. Bu çalışmadada genetik algoritma optimizasyonu ve ilk uygun azalan algoritma tekniklerinin bir arada kullanıldığı hibrit bir çözüm sunulmaktadır. Genetik algoritma optimizasyonu, genetik algoritmanın doğal seçim ve evrim süreçlerini simüle ederek, problem alanında en uygun çözümü bulmayı hedefleyen bir optimizasyon tekniğidir. İlk uygun azalan algoritma ise birçok optimizasyon probleminin çözümünde kullanılan güçlü bir yaklaşımdır. Bu teknik, çözüm alanındaki en iyi veya en uygun çözümü ararken, mevcut durumdan daha kötü bir sonuç veren çözümleri kabul etmeme prensibine dayanmaktadır. Bu hibrit çözümün uygulanmasında, genetik algoritma optimizasyonunun ve ilk uygun azalan algoritmanın birleşiminden faydalanmak için Geneticsharp gibi kütüphaneler kullanılmıştır. Geneticsharp, genetik algoritma çözümlerini desteklemek için tasarlanmış, literatürde sıkça kullanılan ve multi-threading gibi birçok avantajı olan bir kütüphanedir. Bu kütüphane, geniş bir kullanıcı tabanı ve olgun bir API ile, genetik algoritma tabanlı çözümler için oldukça kullanışlıdır. Uygulamanın görsel yönü, WebGL tabanlı yapılar kullanılarak gerçekleştirilmiştir. WebGL, 3D grafikler oluşturmak ve işlemek için kullanılan bir web standardıdır ve bu çalışma kapsamında, algoritmanın çalışmasını ve sonuçlarını görselleştirmek için kullanılmıştır. Bu hibrit çözümün etkinliği, literatürdeki diğer mevcut yöntemlerle karşılaştırılarak değerlendirilmiştir. Bulgular, bu hibrit yaklaşımın konteyner yükleme problemlerini çözmede mevcut yöntemlerden daha üstün olmadığını göstermiştir. Ancak, bulgular aynı zamanda bu hibrit yaklaşımın, konteyner yükleme optimizasyonu alanında önemli ve anlamlı bir yer edinebileceğini göstermiştir.
Dokuma işletmelerindeki çözgü makineleri için üretim süresi tahminleme
İşlem süresinin; toplam gecikme, toplam akış süresi, tamamlama süresi gibi planlama sürecinin temel performans göstergeleri üzerinde önemli bir etkisi olduğundan, doğru belirlenmesi sürecin etkin yönetimi bağlamında anahtar role sahiptir. Geleneksel olarak işlem süresi, zaman etüdü veya basit hesaplamalar yoluyla belirlenir ve planlama öncesi kesin bir şekilde önceden bilindiği ve de genellikle sabit bir değer olduğu varsayılır. Bazı durumlarda, işlem süresinin kendisi önceden bilinmese de hesaplanmasında kullanılan fonksiyon önceden bilinmektedir. Bu tür durumlar genellikle kimyasal ve metalürjik işlemlerde ortaya çıkar. Fiili üretim sürecinde bazı beklenmedik durumlar nedeniyle işlem süreleri tam olarak kaydedilememektedir. İşlem sürelerinde belirsizlik olarak adlandırılan bu durumun literatürde farklı şekillerde ele alındığı görülmektedir. Bunlardan ilki işlem süresinin bulanıklaştırılmasıdır. Belirsiz işlem süresini modellemek için kullanılan ikinci bir yaklaşım, aralık sayılarıdır (interval numbers). Rastgele veya stokastik işlem süresi, işlem süresindeki belirsizliği ifade etmenin diğer bir yoludur. Bu yaklaşımda, her işin işlem süresi, bilinen bir olasılık dağılımına sahip rastgele bir değişkendir. Bu çalışmada, işlem süresindeki belirsizlik, makine arızası, elektrik kesintisi gibi olasılıksal değişen faktörlerden değil, önceden bilinen sabit değerlere sahip faktörlerin bir kombinasyonundan kaynaklanmaktadır. Tekstil üretim süreçlerinin önemli bileşenlerinden olan çözgü hazırlama operasyonundan esinlenilen bu çalışmada, çözgü hazırlama operasyonunun işlem süresini tahmin etmek için denetimli makine öğrenmesi yaklaşımları kullanılmıştır. Dokuma makinelerinde kullanılmak üzere çözgü ipliklerinin leventlere sarıldığı ilgili süreçte bir leventin hazırlanması için gereken işlem süresi birçok parametreye bağlı olarak değişmektedir. Öncelikle konunun uzmanları ile görüşmeler yapılmış ve neticesinde işlem süresini etkileyebilecek 11 öznitelik belirlenmiştir. Daha sonra çözgü hazırlama işlem süresinin tahmin edilmesi için 6 doğrusal ve 6 doğrusal olmayan toplam 12 farklı makine öğrenmesi algoritması test edilmiştir. Deneysel çalışma işletmenin ERP sisteminde çekilen gerçek hayat verileri ile yapılmıştır.12 farklı denetimli makine öğrenmesi algoritma hem eğitim hem de test veri seti ile koşulmuş ve sonuçlar karşılaştırmalı bir şekilde sunulmuştur. Hem eğitim/ayar süresi bakımında hem de tahmin doğruluğu bakımından boosting algoritmalarının üstünlük sağladığı gözlemlenmiştir.
Topoloji optimizasyon kullanılarak otobüs koltuklarının hafifletilmesi
Taşıtların ağırlığının azaltılması taşıtlar üzerinde önemli ve çok yönlü bir etkiye sahiptir. Ağırlık azaltma stratejilerinden biride taşıtlarda kullanılan malzemelerin hafifletilmesidir. Bu malzemelerden biri de toplu taşımada fazlaca kullanılan otobüs koltuklarıdır. Otobüs koltuklarının hafifletilmesi, aracın performansında, enerji verimliliğinde, taşıma kapasitesinde ve yolculuk konforunda artışlar sağlar. Aynı zamanda, karbon ayak izinin azaltılmasına katkı sağlayarak çevresel etkilere ve sürdürülebilirliğe de katkı sağlar. Bu nedenle, otobüs endüstrisi, koltuk tasarımında ve malzeme seçiminde sürekli olarak yenilikçi çözümler arayarak hafifletme çalışmalarını sürdürmektedir. Bu yenilikçi yöntemlerden biri de belirtilen yük koşullarını, performansı ve kısıtlamaları karşılayan makul malzeme dağıtımı yoluyla yüksek performanslı, hafif ve çok işlevli yapı konfigürasyonunu elde edebilen gelişmiş bir yapısal tasarım yöntemi olan topoloji optimizasyonudur. Bu çalışmada, topoloji optimizasyonu kullanılarak otobüs koltuğu metal taşıyıcı ayak parçasının hafifletilmesi amaçlanmıştır. Geleneksel metal malzemelerin yerine alüminyum Silafont-36 (AlSi9Mg) ve MGAZ91 malzemeleri tercih edilmiştir. Tasarım modelleri CATIA CAD kullanılarak oluşturulmuş ve topoloji sunucu yönlendirmelerine göre kuvvet analizi yapılmıştır. Elde edilen veriler, HyperWorks 2022 programı kullanılarak detaylı bir şekilde analiz edilmiştir. Topoloji optimizasyonu, malzeme dağılımını en uygun şekilde düzenleyerek ağırlık avantajı sağlayacak şekilde sürekli olarak yapılmıştır. Çalışma sonunda, alüminyum Silafont-36 ve MGAZ91 malzemelerinden elde edilen sonuçlar karşılaştırmalı olarak incelenmiş ve MGAZ91 malzemesi ile en hafif tasarım elde edilmiştir
Çatı üstü fotovoltaik santraller için yapay zeka tabanlı enerji üretim tahmini
Bu çalışmada, çatı üstü fotovoltaik santrallerde enerji üretim miktarlarının tahmini için iki farklı model olan XGBoost ve derin öğrenme algoritması RNN kullanılmıştır. Çalışmanın amacı, geçmiş verilere dayanarak gelecekteki enerji üretim miktarlarını doğru bir şekilde öngörmek, santral performansını optimize etmek ve enerji yönetim stratejilerini geliştirmektir. XGBoost, gradient boosting ve karar ağacı algoritmalarına dayanan, yüksek tahmin gücü ve hız avantajı sağlayan popüler bir makine öğrenme tekniğidir. Özellikle, enerji üretim tahminlerinde karmaşık ilişkileri öğrenme ve verimliliği artırma yeteneği ile öne çıkar. Derin öğrenme algoritmaları, özellikle büyük veri setleri ile çalışırken güçlü performans sergileyen ve veri odaklı çözümler sunan yapay zeka yöntemleridir. Bu çalışmada, özellikle yeniden döngülü sinir ağları (RNN'ler) kullanılmıştır. Yeniden döngülü sinir ağları, sıralı verilerin analizi için uygundur ve geçmiş bilgiyi dikkate alarak gelecekteki verileri tahmin etmede kullanılır. Bu çalışmada, Balıkesir ilinde kurulu ve 1 MW kapasite gücüne sahip güneş enerji santraline ait günlük frekanslı 01.03.2021 – 30.03.2024 zaman dilimi arasındaki veri seti üzerinde değerlendirme yapılmıştır. Bu veriler, güneş enerjisi santrallerinin farklı zaman dilimlerinde kaydettiği üretim miktarlarını içerir. Veri seti, tarih, saat, güneş ışınımı, sıcaklık, hava durumu gibi çeşitli özellikleri barındırır. Bu özellikler, enerji üretim miktarını etkileyen temel faktörler olarak modele dahil edilmiştir. Sonuç olarak, ele alınan derin öğrenme algoritması Yenilenebilir Sinir Ağları RNN olup, diğer uygulama modeli olan makine öğrenme algoritması XGBoost ile değerlendirilmiştir. Veri seti tahminleme sonuçları performansı, 4 farklı hata metrik ile değerlendirilmiştir, (NMSE, MAPE, R2, MedAe). XGBoost modelinin RNN'e göre güneş enerjisi üretim tahmininde yüksek doğruluk sağlamış ve bu alandaki veri odaklı yaklaşımların önemini ortaya koymuştur. Bu çalışma, yenilenebilir enerji sektöründe stratejik planlama ve kaynak yönetimi açısından değerli bilgiler sunmaktadır. Enerji üretim tahminlerinin doğruluğunun artması, enerji arz güvenliğinin sağlanmasına ve enerji maliyetlerinin düşürülmesine katkıda bulunacaktır. Ayrıca, bu yaklaşımlar diğer yenilenebilir enerji kaynaklarının yönetiminde de uygulanabilir, böylece daha sürdürülebilir bir enerji sistemine geçişte önemli bir rol oynayabilir.
Kurumsal ar-ge yönetimi süreçlerinde veri kalitesinin bulanık sistemlerle izlenmesi
Günümüzün hızla değişen ekonomik ve teknolojik koşulları altında, işletmelerin sürdürülebilir büyümesi ve rekabet avantajı elde etmesi, Ar-Ge projelerinin doğru seçilmesi ve yönetimine bağlıdır. Üretim süreçlerinin verimliliğini artırmak, mevcut ürünleri iyileştirmek ve yeni ürünler ve hizmetler geliştirmek için Ar-Ge faaliyetleri, işletmeler için stratejik öneme sahiptir. Ancak, proje seçimi süreci, çeşitli veri kalitesi standartlarının gözden geçirilmesini gerektiren karmaşık bir karar verme sürecidir. Bu bağlamda, uzman karar vericilerin bilgi ve tecrübeleri, projelerin değerlendirilmesinde hayati bir rol oynar. Bununla birlikte, bu süreçte karşılaşılan çeşitli kriterler ve belirsizlikler nedeniyle bulanık mantık gibi gelişmiş karar destek sistemlerinin kullanılması gerekmektedir. Bu tez çalışması, Türkiye'de faaliyet gösteren bir Endüstriyel Elektronik firmasında, Sanayi ve Teknoloji Bakanlığı onaylı Ar-Ge biriminde gerçekleştirilen Ar-Ge proje seçim sürecini detaylandırmaktadır. Araştırmanın odak noktası, proje türlerine ve veri kalitesi kriterlerine bağlı olarak bir bulanık mantık yöntemiyle model önermek ve bu modeli uygulamaktır. Bu kapsamda, beş farklı veri kalitesi kriteri (Veri Doğruluğu, Veri Tamlığı, Veri Tutarlılığı, Veri Güncelliği, Veri Kesinliği) ve bu kriterler üzerinden değerlendirilecek projeler için, beş farklı uzman karar vericinin görüşleri alınmıştır. Uzmanlar tarafından değerlendirilen projeler, her biri farklı özelliklere sahip dört farklı proje tipi (P0, P1, P2, P3) kapsamında incelenmiştir. Her bir proje tipi için oluşturulan formlar aracılığıyla toplanan uzman görüşleri, bulanık mantık modellerine girdi olarak uygulanmıştır. Her bir proje tipi için kabul edilebilir veri kalitesi kriterleri seviyeleri, bulanık mantık modellerinden geçirilerek minimum kabul seviyeleri belirlenmiştir. Proje seçimi amacıyla her bir proje tipinden üç farklı proje uzmanlar tarafından incelenerek veri kalite seviyeleri tespit edilmiştir. Toplam oniki proje kendi proje tipine ait bulanık mantık modelinden geçirilerek sonuçlar alınmış ve minimum kabul seviyesi ile karşılaştırılmıştır. Yapılan değerlendirmede oniki farklı projenin üç adedi veri kalitesi olarak uygun bulunarak proje planına alınması kararlaştırılmıştır. Sonuçlar, önerilen modelin uygulanabilirliğini ve etkinliğini göstermiş, belirli kriterler üzerinden seçilen projelerin, Ar-Ge planlama sürecine dahil edilmesi yönünde kararlar alınmasını sağlamıştır. Önerilen bu yöntem, kurum içi inovasyon ve Ar-Ge projelerinin seçimi ve yönetimi konusunda önemli bir kaynak teşkil etmektedir.
Endüstriyel üretim hatlarında yapay zekâ destekli kalite kontrol sisteminin geliştirilmesi
Görüntü işleme teknolojisi, otomotiv başta olmak üzere bir çok sektörde kullanılmakta ve gün geçtikçe teknolojik altyapısı gelişmektedir. Özellikle imalat sektöründe, ürünlerin kalitesini sağlamak ve üretim süreçlerini optimize etmek için görüntü işleme sistemleri sıkça kullanılır. Üretilen parçaların yüzeylerinin incelenmesi, pürüzlülük, çatlaklar, delikler veya diğer kusurların tespit edilmesi için görüntü işleme teknolojisi kullanılmaktadır. Kamera sistemleri, ürün yüzeylerini yüksek çözünürlüklü görüntülerle tarar ve algoritmalar, belirlenen kriterlere uygun olmayan herhangi bir kusuru tespit eder. Üretilen parçaların boyutları ve geometrisi, görüntü işleme teknolojisi kullanılarak ölçülür. Kamera sistemleri, parçaların belirli ölçülere ve toleranslara uygun olup olmadığını kontrol eder ve herhangi bir sapma tespit ederse uyarı verir. Bunlara ek olarak montaj hattında, parçaların doğru monte edilip edilmediği, etiket doğruluğu ve benzeri bir çok üretim ve kontrol aşamasında görüntü işleme teknolojisi yaygın bir şekilde kullanılmaktadır. Bu tezde, makine öğrenmesi yöntemlerinden yararlanarak endüstriyel parçalar üzerindeki hataların saptanması ve sınıflandırılması için uygun yöntemlerin geliştirilmesi hedeflenmiştir. Öncelikle üretim hattındaki parçaların ölçümsel hatalarının bulunması amacı ile belirlenen toleranslara uygun bir kalite yapay görü kontrol sistemi geliştirilmiştir. Daha sonra parça üzerindeki çizik ve çapak problemleri için toplam 2650 adet görüntüden oluşan bir veri seti oluşturulmuştur. Bu veri setinde hatasız, çizik ve çapak olmak üzere 3 temel sınıf oluşturulmuştur. Veri setinin %80'i eğitim ve %20'si test olarak seçilerek sırasıyla DWT, CWT ve UWT dalgacık dönüşümü yöntemleri uygulanmıştır. Öznitelikleri elde edilen görüntüler farklı tip sınıflandırıcılara giriş olarak verilerek en uygun makine öğrenmesi yönteminin elde edilmesine çalışılmıştır. Öznitelik çıkarma işlemleri sonrasında, yapay sinir ağları, destek vektör makineleri, k-en yakın komşu ve karar ağacı gibi sınıflandırıcı metotları denenmiş ve test edilmiştir. Daha sonra, derin öğrenme yaklaşımı ile parça görüntülerinden elde edilen temel dokusal özellikler kullanarak daha ayırt edici özellikler elde edilmeye çalışılmıştır. Tez çalışması sonucunda, endüstriyel parçaların 0,003 ile 0,05 arası sapma ile boyutsal olarak kontrolleri gerçekleştirilmiştir. UWT ve DT kombinasyonu ile gerçekleştirilen makine öğrenmesi yöntemi ise %98,2 başarı ile endüstriyel parçalardaki görsel kusurları tespit edilerek sınıflandırma yapabilmiştir. Derin öğrenme sürecinde ise Gabor Filtresi ile elde edilen görüntüler YOLOv5 kullanılarak eğitilmiş, çizik ve çapak hatalarının yüksek doğruluk ile sınıflandırılması sağlanmıştır. Tez çalışmasında geliştirilen hem ölçüsel kontrol hem de yapay zekâ temelli kontrol yöntemleri, endüstriyel üretim hatları çıkışındaki parçaların kalite kontrolü için pratikte uygulanabilir bir çözüm sunmaktadır.
Güneş panellerinin kirliliği sonucu temizlik robotlarına yönelik bölgesel yönlendirme sistemi
Günümüzde güneş enerjisi, yenilenebilir enerji kaynakları arasında çevre dostu ve sürdürülebilir bir alternatif olarak öne çıkmaktadır. Güneş enerjisi üretimi, temelde termal sistemler ve fotovoltaik (PV) sistemler aracılığıyla gerçekleştirilmektedir. Bu sistemler arasında, fotovoltaik sistemler enerji dönüşümü ve çevresel etkiler açısından önemli bir yer tutmaktadır. PV sistemler, güneş enerjisini elektrik enerjisine dönüştürebilme kabiliyeti sayesinde çok sayıda enerji santralinde ve bireysel uygulamalarda tercih edilmektedir. Bununla birlikte, bu sistemlerin verimliliği dış etkenlere bağlı olarak zamanla azalabilmektedir. Fotovoltaik paneller, dış ortam koşullarına maruz kaldıkları için toz, yağmur, polen, kuş dışkısı ve diğer çevresel faktörler nedeniyle kirlenmektedir. Bu kirlenme, panellerin ışık alma kapasitesini azaltarak enerji üretim verimliliğini düşürmektedir. Özellikle büyük ölçekli fotovoltaik enerji santrallerinde, paneller arasındaki kirlenme şiddeti eşit dağılmaz; bazı paneller diğerlerine göre daha fazla kirlenir. Geleneksel temizlik yöntemlerinde, panellerin hem temiz hem de kirli olanlarının bir arada temizlenmesi yaygındır. Ancak bu durum, gereksiz enerji ve su tüketimine, temizlik robotlarının aşınmasına ve yedek parça israfına yol açmaktadır. Bu sorunlara yönelik planlanan sistem, PV panellerin temizliğini daha verimli hale getirmeyi hedeflemektedir. Bu sistemde, panellerin kirlenme durumlarını tespit etmek için görüntü işleme teknikleri kullanılarak, kamera sistemleriyle elde edilen veriler analiz edilerek, yalnızca kirli bölgeler belirlenip temizlik robotuna iletilecektir. Bu yöntem, gereksiz enerji ve su tüketimini azaltacak, temizlik sürecini hızlandıracak ve robotun malzeme ömrünü uzatacaktır. Ayrıca, yalnızca kirli alanlara odaklanılması, enerji üretim verimliliğinin artmasını ve sistem performansının iyileşmesini sağlayacaktır. Yalnızca kirli alanlara odaklanarak yapılan bu temizlik, zaman tasarrufu sağlarken, temizlik robotunun bakım ihtiyacını ve aşınma oranlarını azaltacaktır. Geleneksel temizlik yöntemlerinden farklı olarak, bu yöntemle temizlik operasyonlarının çevresel etkileri de minimize edilecektir. Daha az su ve enerji kullanımı, PV sistemlerinin sürdürülebilirliğini arttırırken, ekonomik verimliliğinin de artmasını sağlayacaktır. Sonuç olarak, fotovoltaik panellerin temizliğini optimize etmeye yönelik bu yenilikçi yaklaşım, enerji verimliliğinin artması ve temizlik maliyetlerinin azaltılması adına önemli bir potansiyele sahiptir. Bu çalışma, PV sistemlerinin daha sürdürülebilir, ekonomik ve çevre dostu bir şekilde kullanılmasına katkı sağlayacaktır.
Elektrik enerjisi talep tahmini: Aydın, Denizli ve Muğla bölgesi örneği
Bu çalışma, Türkiye elektrik piyasasında faaliyet gösteren dağıtım ve perakende şirketlerinin enerji tahmin algoritmalarını geliştirme sürecinde karşılaştıkları zorlukları ele alarak, Aydın, Denizli ve Muğla illerinin toplam elektrik tüketimini saatlik olarak tahmin etmeyi amaçlamaktadır. Temel hedef, enerji dağıtımında tahmin doğruluğunu artırmak, mevsimsel ve bölgesel talep değişkenliklerini analiz etmek ve hangi modellerin daha başarılı sonuçlar verdiğini belirlemektir. Bu doğrultuda CatBoost, BiLSTM ve Transformer modelleri kullanılarak saatlik elektrik talep tahminleri gerçekleştirilmiştir. Elektrik tüketim tahminleri, 24 saatlik olarak tahmin edilmiştir. Tahminleri iki farklı senaryo ve iki farklı zaman dilimi üzerinden oluşturulmuştur. Senaryo yapısının amacı, gün içi ve gün öncesi piyasası işlemleri sonuçlarını simüle etmektir. Birinci senaryo ilk olarak her günün tahminini yaparken bir önceki günün son saatine (t-1) kadar olan verilere erişim sağlamaktadır. İkinci senaryoda ise iki gün öncesinin son saat verisine (t-25) erişim sağlamaktadır. Ayrıca modellerin farklı zaman dilimlerine nasıl tepki verdikleri gözlenebilmesi adına mart ve temmuz aylarından 15 günlük tahminler yapılmıştır. Böylelikle farklı durumlara karşı model performansları incelenebilmiştir. Tahmin performansları MAPE ve RMSE metrikleri ile ölçülmüş ve CatBoost modelinin her iki senaryoda da en başarılı tahmin performansını sunduğunu göstermiştir. Transformer modeli, mart ayının stabil talep desenlerinde CatBoost'a yakın sonuçlar üretirken, temmuz ayının dalgalı talep yapısında performansında düşüş gözlemlenmiştir. BiLSTM modeli ise zaman serisi verilerindeki kısa vadeli dalgalanmaları yeterince yakalayamaması nedeniyle her iki senaryoda da daha yüksek hata oranlarına sahip olmuştur. Çalışmada kullanılan yaklaşımların hem gün içi piyasası hem de gün öncesi piyasası işlemlerinde güvenilir tahminlerin yapılabileceğini ve dağıtım ile perakende şirketlerinin piyasa işlemlerinde zararlarını minimize edebilecek stratejiler geliştirebileceğini göstermektedir. Bu çalışma, elektrik talep tahmin modellerinin mevsimsel ve bölgesel dinamiklere adapte edilmesi gerektiğini vurgulamakta ve enerji yönetimi süreçlerinde veri odaklı stratejilerin geliştirilmesine önemli katkılar sunmaktadır. Elde edilen bulgular, enerji planlama ve piyasa stratejilerinin daha güvenilir ve etkin hale getirilmesine olanak sağlayarak sektöre değerli bir rehber niteliği taşımaktadır.
Evrşimsel sinir ağları ile 3D CAD modeller üzerinde benzerlik analizi
3D CAD (Bilgisayar Destekli Tasarım) modelleri üzerinde benzerlik analizi gerçekleştirmek amacıyla derin öğrenme tabanlı Evrişimsel Sinir Ağı (CNN) mimarileri olan ResNet50, EfficientNet, Xception, MobileNetV2, InceptionResNetV2 ve DenseNet121 detaylı bir şekilde incelenmiş ve karşılaştırmalı bir analiz yapılmıştır. Geleneksel yöntemlerin sınırlı başarımına karşın, CNN mimarilerinin sunduğu gelişmiş özellik çıkarımı yetenekleri, endüstriyel tasarım ve üretim süreçlerinde benzerlik analizlerini daha verimli ve etkin bir hale getirmektedir. Araştırma kapsamında oluşturulan veri seti, her bir 3D CAD modelinin x, y ve z düzlemlerinde; 0°, 45°, 90°, 135°, 180°, 225° ve 270° olmak üzere toplam yedi farklı açıdan elde edilen görüntüler kullanılarak hazırlanmıştır. Bu çok açılı görüntüleme yaklaşımı sayesinde, modellerin farklı perspektiflerdeki performansları değerlendirilmiş ve mimarilerin genel benzerlik tespit başarımı detaylı biçimde analiz edilmiştir. Her bir CNN mimarisinin farklı açılarda gösterdiği performanslar, mimarilerin görsel benzerlik analizindeki güçlü ve zayıf yönlerini ortaya koymaktadır. Bu bağlamda, açıya bağlı doğruluk değişimleri önemli bir analiz kriteri olarak ele alınmış ve mimarilerin çok yönlü değerlendirilmesi sağlanmıştır. Ayrıca model karmaşıklığı ve parametre verimliliği üzerine yapılan analizler, yüksek parametre sayısına sahip olmanın her zaman yüksek performansa karşılık gelmediğini göstermiştir. Verimli ve optimize edilmiş mimarilerin, daha az kaynak kullanımıyla da etkili sonuçlar verebildiği gözlemlenmiştir. Bu çalışma, CNN mimarilerinin endüstriyel tasarım süreçlerinde benzerlik analizine başarılı bir şekilde entegre edilebileceğini ortaya koymaktadır. Görsel benzerlik temelli bu yaklaşım, tasarım sürecinin erken aşamalarında daha önce yapılmış çalışmalara hızlı ve anlamlı erişim imkânı sağlayarak proje sürelerini kısaltmakta, araştırma faaliyetlerini azaltmakta ve genel kaynak kullanımını optimize etmektedir. Böylelikle derin öğrenme tabanlı analizlerin, endüstriyel tasarım ve üretim süreçlerinde inovasyonu destekleyici stratejik bir araç haline gelmesi hedeflenmektedir.
Kaynak istasyonunda dijitalizasyon ile kestirimci bakım uygulaması: yapısal ve mekanik özelliklerin incelenmesi
Toplam kestirimci bakım (TPM), işletmelerde karşılaşılan problemlere karşı önlemler almak ve işletme içerisinde her alanda sistematik yaklaşım sergilenmesini sağlayan bir bakım metodudur. Bu alanda yapılan çalışmalar, performans artışını, öngörülü bakım ile herhangi bir arızanın önüne geçilmesini, işletme içerisinde sistematikleşme ile oluşan veya oluşacak problemlerin ve işletmedeki maddi kayıpların önüne geçilmesini hedefler. Bu alandaki son yenilikler dijital takip araçları ile TPM çalışmalarını güçlendirmektir. Bu tez çalışması, işletmede bulunan kapasitör deşarj kaynağı istasyonunda oluşan arızaların, performans kayıplarının ve elektrot sarf tüketiminin İmalat Yürütme Sistemi (MES)'nin bir alt komponenti olarak oluşturulan bir dijital araç yardımı ile analiz edilerek azaltılması sürecini içermektedir. Çalışmanın ilk aşamasında istasyon içerisinde kullanılan elektrotların lazer markalama işlemi ile kimliklendirme işlemi gerçekleştirilmiş ve ayrıca kullanılan elektrotların döngüleri belirlenmiştir. Ardından MES sistemi üzerinden oluşturulan dijital komponentte ilgili elektrotların tanımlama işlemleri gerçekleştirilerek kimliklendirilen elektrotların dijital takip sistemi gerçekleştirilmiştir. Bunun yanında çıkan elektrotlar görsel kusurlarına göre sınıflandırılmış ve bu sınıflandırma ışığında değişim sebepleri dijital sisteme eklenmiştir. Bu değişim sebepleri, çapaklanma, deformasyon, arklanma ve kusur oluşmaması durumunda elektrotun ömrünün bitmesidir. Bunun yanında ilk parti elektrotlar ile üretilen parçalardan farklı elektrotlar ile üretilen 20 adedi elektrotların tasarım değişikliği sonrasında kaynak kalitesinde bir sapma olup olmadığı kontrol edilmek üzere bazı testlere tabi tutulmuştur. 10 adet numuneye basma testi yapılmış kalan 10 numuneye ise Taramalı Elektron Mikroskobu (SEM) analizi gerçekleştirilerek her iki testte de görsel kaynak kalitesi de incelenmiştir. Yapılan test sonuçlarında herhangi bir sapmayla karşılaşılmamıştır. Dijital takip sistemi üzerinden değiştirilen elektrotların çıkış nedenleri ile istasyon içerisindeki mekanik ayar gereklilikleri arasındaki korelasyonlar analiz edilmiştir. Bu analizin sonucunda elektrot değişim nedenleri arasında bulunan çapaklanma ve deformasyon arasında üretilen parçanın pozisyonunda oluşan sapmalar nedeniyle gerçekleştiğini ve bu sapmanın 6 aylık bir periyot içerisinde tekrarlaması nedeniyle otonom bakımlara eklenmiştir. Bunun yanında arklanan elektrotların arklanma sebebi istasyonda gerçekleşen kalibrasyon metodunun eksik yapılması kaynaklı olarak tekil yaşanan bir vaka olması sebebiyle metot güncellenerek ilgili personele eğitimler atanmıştır. Son olarak ömrü dolan elektrotların istasyon istenilen koşulları sağladığı sürece stabil olarak değiştirildiği gözlemlendi ve bu sebeple öngörülü bakım kapsamında takibe alınan bir parametre olmuştur. Tüm bu çalışmalar TPM sütunlarının kapsamında gerçekleştirilmiştir. Çalışmanın sonucunda işletmede hat genelinde %4,7'lik bir iyileşme gözlemlenmiştir. Bununla birlikte işletmedeki ıskarta oranlarında %0,4'lük bir kazanç elde edilmiştir ve bu sayede ıskarta parça adedinde de düşüş sağlanmıştır. Son olarak sarf malzemede %3'lük bir azalma gözlemlenerek elektrot tüketimleri azalmış ve işletmeye maddi getiri sağlanmıştır. Bu çalışma, TPM sistemlerinde dijitalizasyonun işletmeler için önemli bir inovasyon olduğuna dikkat çekerek bu alanda ileriye dönük farklı çalışmalara işletmeleri teşvik etmeyi hedeflemektedir. Elde edilen ve tüm işletmede birer temel performans göstergesi olan makine performans, ıskarta oranlarında elde edilen iyileşmeler bu tür sistemlerin geliştirilmesi yolunda referans sağlamaktadır.
Güneş enerjisi santrali elektrik üretimi tahmininin makine öğrenmesi algoritmalarıyla gerçekleştirilmesi
Bu çalışmanın amacı, bir güneş enerjisi santralinde elektrik üretimini makine öğrenmesi algoritmaları (XGBoost, LightGBM, CatBoost) kullanarak tahmin etmek ve bu modellerin performanslarını karşılaştırmaktır. Çalışmada, saatlik ve günlük elektrik üretim verileri analiz edilmiş ve her bir modelin tahmin doğruluğu MAE, MSE ve R² gibi metrikler ile değerlendirilmiştir. Ayrıca, modellerin farklı üretim seviyelerindeki tahminleri günlük bazda grafiklerle desteklenmiştir. Elde edilen bulgular, XGBoost algoritmasının günlük tahminlerde en düşük ortalama hataya (MAE: 3.594) sahip olduğunu, ancak veri setindeki varyansın açıklanmasında sınırlı bir başarı (R²: 0.362) performansı ortaya koymuştur. LightGBM algoritması, veri varyansının %56'sını açıklayarak (R²: 0.561) diğer modellere göre daha geniş bir kapsama sahip olmuş, ancak hata değerleri (MAE: 2024,321 ve MSE: 8.143.625,10) görece daha yüksek bulunmuştur. CatBoost algoritması ise R²: 0.527 ve MAE: 2123,28 değerleri ile orta düzeyde bir performans sergilemiş; yüksek üretim seviyelerinde tutarlı sonuçlar verirken düşük üretim seviyelerinde daha yüksek hata oranları göstermiştir. Genel olarak, modellerin yüksek ve orta üretim seviyelerinde başarılı olduğu, ancak düşük üretim seviyelerinde ve ani dalgalanmalarda performanslarının sınırlı kaldığı belirlenmiştir. Sonuç olarak, güneş enerjisi santralinden elektrik üretimini tahmin etmede kullanılan makine öğrenmesi algoritmaları, özellikle yüksek üretim dönemlerinde başarılı sonuçlar gösterirken, düşük üretim seviyelerinde hata oranlarının arttığı görülmüştür.
RPA için gerekli minimum robot sayısının belirlenmesi problemine etkili bir çözüm yönteminin geliştirilmesi
Robotik Süreç Otomasyonu (RSO) veya tanınan ismiyle RPA (Robotic Process Automation) günümüzde birçok şirket tarafından iş süreçlerini otomatikleştirmek için kullanılan ve günden güne yaygınlaşan bir teknolojidir. Temelde bu teknoloji insanların bilgisayar üzerinde gerçekleştirdiği rutinleşmiş, tekrarlayan ve belirli kurallara tabi olan işlerini otomatikleştirmek için kullanılır. Bu sayede çalışanlar daha planlı görevlere odaklanırken Robotik Süreç Otomasyonu yazılım robotları ("ajanları, botları") onlar yerine manuel işleri hızlı, kesintisiz ve hatasız şekilde gerçekleştirir. Robotlar çalışabilmek için bir ortama ihtiyaç duyarlar. Bu ortamlar birçok farklı kriter göz önünde bulundurularak seçilir. Kullanılan ortamlar yerel (on-premises) ortam, bulut (cloud) ortamı veya hibrit bir ortam olabilir. RPA robotları farklı çalışma ortamlarında kullanılabilirken, maliyetleri seçilen lisans türüne, robot sayısına veya ek hizmetlere bağlı olarak değişiklik gösterebilir. Şirketlerin rekabet ve maliyet baskısı altında minimum kaynak kullanarak maksimum çıktıyı elde etme ihtiyacı her alanda olduğu gibi RPA robotlarının sayısının optimize edilmesini de önemli hale getirmektedir. Bu tez kapsamında süreç sayısı, işlem süresi, öncelik seviyesi, yineleme düzeni vb. gibi faktörler göz önünde bulundurularak minimum robot lisansı ile maksimum verim elde edilmesi hedeflenmektedir. Tezin giriş bölümünde tezin amacından görevlerin en verimli şekilde yerine getirilmesi için RPA robotlarının sayısının ve kullanımının optimize edilmesi gerektiğinden bahsedilmiştir. Sonrasında olası çözümler arasında en uygun olanın bulunması, iş süreçlerinin en verimli şekilde yürütülmesi ve robot sayısının optimize edilmesi için kullanılacak kombinatoryal optimizasyondan yaklaşımından bahsedilmiştir. İş çizelgeleme kapsamında yeni görevlerin dinamik bir biçimde atanması ve mevcut iş yükünün yeniden yapılandırılması amaçlanmaktadır. Geliştirilen karma tam sayılı programlama yaklaşımıyla robot görevleri arasında tam sayı kısıtlamaları ile atanma yapılması sağlanmaya çalışılmıştır. Sonuç olarak RPA teknolojisi doğru şekilde kullanıldığında operasyonel maliyetleri düşürmesi, hataları azaltması ve iş verimliliğini arttırması beklenmektedir. Bu tezde minimum robot kaynağı kullanarak robotların uygun şekilde çizelgelenmesini sağlayarak hem maaliyetlerin azaltılması hem verimliliğin arttırılması beklenmektedir.
Çoklu sensör tabanlı yapay zeka destekli el beceri değerlendirme sisteminin geliştirilmesi
Motor beceri testlerine karpal tünel sendromu, serebral palsi, parkinson, artrit gibi hastalıkların teşhis ve tedavi aşamalarında, el becerisi gerektiren işlerdeki personel istihdamında mesleki yeterliliklerin kontrol edilmesinde ve ergonomi çalışmalarında ihtiyaç duyulmaktadır. Motor becerilerinin tespit edilebilmesi için çeşitli yöntemler geliştirilmiştir ve bunlar birçok aşamadan ve görevden oluşmaktadır. Bu testler bir uzman gözetiminde gerçekleştirilmektedir. Bu durum özellikle nüfusu fazla olan yerlerde hastalara günler sonrasına randevu verilmesine yol açmaktadır. Ayrıca yapılan ölçümlerdeki insan faktöründen dolayı çeşitli hatalar meydana gelebilmektedir. Bu tezde amaç, üst uzuv motor becerilerinin çoklu sensörler ve yapay zeka algoritmaları ile yüksek doğrulukta otomatik olarak değerlendirilmesi, sonuçların uzmanlara sunulması ve buna bağlı olarak uzmanların iş yükünün ve ölçüm hatalarının azaltılmasıdır. Üst uzuv motor becerileri eklem yapısı, kas kuvveti, duyu, mobilite ve koordinasyon gibi birçok bileşenden oluşur. Motor becerilerinin ölçümü ve belirlenmesi bu bileşenlerin ayrıntılı test edilmesini gerektirir. Bu tez çalışmasında kişilerin el motor beceri performansları çoklu sensörler ve yapay zekâ algoritmaları ile otomatik olarak belirlenmiştir. Performans belirleme aşamasında kişilerin kas kasılma seviyeleri ile hareket sınıflandırması yapılmış ve beceri testi esnasındaki tutma-bırakma hareketi süreleri tespit edilmiştir. Uzuv açısal hız, doğrusal ivme ve hız değişim değerleri ölçülerek kaydedilmiş, görüntü işleme yöntemi ile toplam test süresi ve testte yer alan disklerin her birinin yerleştirme ve çevirme süreleri hesaplanmıştır. Elde edilen tüm bu veriler kullanıcı arayüzü üzerinden uzmanlara sunulmuştur. Bu sayede uzmanların iş yükü azaltılarak günlük hasta kabul sayılarının artırılması sağlanmış, objektif ve doğru ölçümler gerçekleştirilmiştir. Mevcut test yöntemlerinde değerlendirme parametresi olarak kullanılan testi tamamlama süresinin yanında ek metrikler de uzmanlara sunulmuştur. Sistemin çalışma performansı 20 sağlıklı katılımcı ile test edilmiştir. Bu testler sonucunda elde edilen toplam test süresi, disk tutma bırakma süreleri, her bir diskin test düzeneğine yerleştirme ve çevirme süreleri ve uzuv dinamik parametreleri elde edilerek değerlendirilmiştir. Sonuç olarak sistemin el beceri değerlendirmesini otomatik olarak gerçekleştirebildiği ortaya konmuştur.
Yazılım tanımlı çoklu ağlarda yönlendirilmiş döngüsüz graf modelli dijital cüzdan teknolojileri ile servis kalitesi destekli yönlendirme mimarisi
Bilgisayar ağı, en az iki cihazın birbiri ile bağlanarak oluşturduğu iletişim bağıdır.Bu iletişim küçük bir alan içerisinden, kilometrelerce uzak cihazlar arasında kablolu-kablosuz olarak sağlanabilir. Küreselleşmenin artması ve günümüz teknolojisinin hızla gelişmesi birbiri ile iletişim halinde olan cihaz sayısını ve ağ topolojilerinin ölçeklerini oldukça arttırmıştır. Ağ topolojilerinin büyümesi sonucunda merkezi yönetimli ağlar yerine yazılım tanımlı bulut mimarilerininde kullanılmasıyla dağıtık ağ modelleri yaygınlaşmaya başlamıştır. Çoklu ağ yapısı modellerinde, ağlar arasında kurulan iletişimde yaşanan gizlilik, güvenlik ve iletişim kalitesi ile ilgili olarak uçtan uca verilerin aktarımı sırasında bazı kalite sorunları oluşabilmektedir. Bununla ilgili olarak, verilerin bir kaynak noktadan hedef noktaya iletim aşamasında hizmet kalitesi standartları olarak kullanılan bant genişliği, gecikme, güvenilirlik gibi bazı önemli iletişim metriklerinin belirlenmesi ve kontrol edilebilmesi önem arz etmektedir. Bu nedenle, ağ topolojilerindeki verilerin dağıtık dijital cüzdan teknolojilerine dayalı bir şekilde erişilebilir ve güncellenebilir olması, sistem kalitesi, esnekliği , hızı ve güvenliği gibi konuları olumlu yönde etkilemektedir. Bu araştırmada, dağıtık dijital cüzdan teknolojilerinden bir tanesi olan Yönlü Döngüsüz Graf (YDG) modeli tabanlı yazılım tanımlı çoklu ağ mimarilerinde uçtan uca servis kalitesi desteklenerek yol hesaplama mimarisinin oluşturulması planlanmaktadır. YDG'nin verileri tek yönde hareket eden graf formatında düğümlerde taşıması geçmiş ve gelecekteki işlemleri doğrulayamayacak bir formata sahip olması ölçeklenebilirliği artırır. Önerilen mimari, YDG sayesinde, merkezi aracıları ortadan kaldırarak, paralel ve ölçeklenebilir yol hesaplamasını sağlayacaktır. YDG mimarisinde bulunan düğümlerin her biri, işlem ve veri girişini, defter bütünlüğünü ve güvenliğini kriptografik teknikler kullanarak sağlayacaktır. Ayrıca yapının kontrol, veri, uygulama düzleminin birbirinden ayrı olduğu Yazılım Tanım Ağ modeli ile desteklenmesi sistemin esnekliğini, ölçeklenebilirliğini olumlu yönde etkiler .Oluşturulacak YDG tabanlı mimari tedarik zinciri yönetimi, Nesnelerin Interneti (IoT) ve merkezi olmayan finans platformları, vb. uygulamalarda eş zamanlı olarak işlemlerin yapılmasına olanak sağlayacaktır.
Yazılım tanımlı çoklu ağlarda makine öğrenmesi ve blok zinciri ile geliştirilmiş servis kalitesi destekli yönlendirme mimarisi
Geleceğin ağlarının ana görevi, mümkün olduğunca entellektüelleştirme, etkinleştirme ve özelleştirme için akıllı ağ oluşturma mimarileri oluşturmaktır. Yazılım Tanımlı Ağlar (YTA) oluşturma teknolojisi, geleneksel ağ mimarisinde kontrol düzlemi ile veri düzlemi arasındaki sıkı bağlantıyı kırarak ağ kaynaklarının kontrol edilebilirliğini, güvenliğini ve ekonomisini gerçeğe dönüştürür. Yapay zekanın yöntemlerinden biri olan makine öğrenimi, YTA mimarisiyle birleştiğinde ağ kaynak yönetimi, uçtan uca yol planlama, trafik programlama, arıza teşhisi veya ağ güvenliği gibi alanlarda etkin olmaktadır. Günümüz ağ mimarisindeki cihaz sayılarının hızla artışı, güvenlik, gizlilik, hizmet sağlama ve ağ yönetimi gibi operasyonların merkezi bir kontrol sistemi ile yapılmasını zorlaştırmaktadır. Bu nedenle, merkezi olmayan ağ yönetiminin güvenli, akıllı ve verimli olabilmesi için blokzinciri ve makine öğreniminin birlikte kullanımı akademik çalışmalarda ve endüstriyel uygulamalarda ilgi görmektedir. YTA, geleneksel ağlara göre yazılım ile yönetildiğinden kontrolü daha kolaydır. Bu ağlarda, blokzincir işlem hacmini artırmak ve ortalama blok oluşturma süresini azaltmak gibi blokzincir teknolojisi ile ilgili literatürde farklı makine öğrenme teknikleri kullanılmıştır. Bu çalışmanın amacı, Pekiştirmeli Öğrenme (PL) modellerinin yardımıyla blokzinciri ile servis kalitesi destekli uçtan uca çoklu ağlarda yol bulma mimarisinin oluşturulmasıdır.
Derin öğrenme tabanlı segmentasyon modellerinin pankreas görüntüleri üzerinde karşılaştırmalı analizi
Pankreas, özellikle lipaz enzimiyle besinlerdeki yağı parçalayan ve diğer birçok hormonal görevi de olan vücudun hayati organlarından biridir. Endokrin işlevindeki rolü, hormonlar üreterek kan şekeri seviyelerini kontrol etmektir. İnsülin belki de en önemli örnektir ve ayrıca sindirim sisteminin bazı bölgelerinde normal hormon salınımını sağlar. Bu iki işlev bir arada iyi gitmediğinde ciddi sağlık sorunları ortaya çıkabilir. Pankreas patolojileri kanser, diyabet, pankreatit, hormonal düzensizlik veya sindirim sorunlarıdır. Çoğu pankreas bozukluğu yaşamı tehdit edici olduğundan, hekimler tarafında öncelik verilen tetkikler arasında. Pankreas hastalıklarının tespitinde ilk olarak kan ve idrar testleri yapılır. BT (Bilgisayarlı Tomografi), MRG (Manyetik Rezonans Görüntüleme), EUS (Endoskopik Ultrasonografi) gibi ek görüntüleme teknikleri, hastanın ihtiyaç duyması durumunda daha ileri incelemeler için kullanılır. Bu teknikler, pankreasın yapısını ve işlevini ayrıntılı olarak incelemek için kullanılır. Pankreas görüntüleri üzerinde tanımlama ve hatlarının belirlenmesi işlemlerine "pankreas segmentasyonu" denir. Segmentasyon süreci, doğru pankreas değerlendirmesi için gereklidir. Pankreas, bir kişiden diğerine büyük ölçüde boyut ve şekil açısından farklılık gösterir. Manuel segmentasyon zaman alır ve tüm hekimler için aynı şekilde çalışmaz. Bu görev deneyim gerektirir ve uzun, zahmetli bir süreç olabilir. Segmentasyon sürecinde hekime ön değerlendirme olarak segmente edilmiş bir görsel sunmak, değerlendirme sürecinin hızlanmasına ve hekimin dikkatinin daha uzun süre korumasına destek olacaktır. Son yıllarda, bu zorlu sorunları çözmek ve daha doğru sonuçlar elde etmek için derin öğrenme tabanlı organ segmentasyon yöntemlerine ilgi artmıştır. Derin öğrenme, teşhis verileri ve tıbbi görüntülerin yüksek doğruluk oranlarıyla sınıflandırılması gibi işlemlerde detay seviyesini artırmak için yüksek potansiyelli makine öğrenimi uygulaması olduğunu kanıtlamıştır. Derin Öğrenmeye dayalı mevcut segmentasyon teknikleri, insan çabasına kıyasla daha iyi tutarlılık ve hız sunarak burada yaygın olarak uygulanmaktadır. Bu çalışmada kamuya açık veri seti kullanılarak pankreas segmentasyonu için iki ayrı çalışma gerçekleştirilmiştir. Birinci çalışmada U-net ve V-net mimarileri karşılaştırılmıştır. Veri seti eğitim için %80 ve doğrulama için %20 olarak ayrılmıştır. Elde edilen bulgularda U-net mimarisi doğrulama duyarlılığı 99.78 eşitti ve 0.041 doğrulama kaybı elde ettik. V-net mimarisinin doğrulama duyarlılığı 99.75, doğrulama kaybı 0.046 olarak elde edilmiştir. İkinci çalışmada aynı veri seti eğitim için %80, doğrulama için %10 ve test için %10 olarak ayrılmış ve U-net, V-net, Dikkat tabanlı U-Net3B, TransU-Net3B, SwinU-Net3B ve FocalU-Net3B derin öğrenme mimarileri karşılaştırılmıştır. Elde edilen bulgularda Dice skoru; U-net 86.55, V-net 82.09, Dikkat tabanlı U-Net3B 85.47, TransU-Net3B 85.28, SwinU-Net3B 85.63, ve FocalU-Net3B için 84.55 olarak elde edilmiştir. Mimarilerin yüksek doğruluk oranları, derin öğrenme yaklaşımlarının pankreas segmentasyonunda başarılı olduğunu kanıtlamaktadır. Pankreas segmentasyonu, özellikle pankreas hastalıkları için cerrahi bağlamda son derece önemlidir. Cerrahi, pankreas kanseri gibi ölümcül hastalıkların tedavisinde en etkili yöntemlerden biri olarak kabul edilir. Ancak cerrahi sırasında başarılı olmak için pankreasın doğru bir şekilde belirlenmesi, hasta ve hekimler açısından çok önemlidir. Sadece cerrahi müdahale için değil, aynı zamanda hastalık tedavisinin değerlendirilmesi ve tedavinin etkinliğinin analizi için de hekimler açısından önemlidir. Bu nedenle, teşhis ve tedavide hem hız hem de doğruluk açısından segmentasyonun doğruluğu ve hızı esastır. Hastanın bakış açısından hastalığın teşhisinde büyük önem taşıdığı not edilmelidir. Bu süreçlerdeki hataların giderilmesini kolaylaştıran derin öğrenme algoritmalarına dayalı bu metodolojiler, hastalıkların daha erken ve daha doğru bir şekilde tespit edilmesine yardımcı olur.
Trafik sayımı lokasyon problemi için yeni çözüm yaklaşımları
Trafik sayımı, trafik akışını izlemek ve belirli bir süre boyunca bir istasyondan geçen araç nüfusunu ölçmek için kullanılır. Bu sayım bilgileri daha sonra başlangıç-varış seyahat tahmini yapmamızı ve böylece bir ulaşım ağında daha iyi uzun vadeli planlamaya sahip olmamızı sağlar. Ancak bu süreç çok fazla zaman, yatırım ve iş gücü gerektirebilir. Birçok araştırmacı, daha gerçekçi başlangıç-varış seyahat tahmini amacıyla mevcut kaynakların (örneğin emek, zaman, para) optimum kullanımına odaklanmaktadır. Bu nedenle, yönetici veya karar verici, trafik sayım istasyonlarının konumunu, başlangıç-varış çiftleri arasındaki seyahatlerin nasıl gerçekleştiği hakkında bilgi toplayacak şekilde seçer. Konumlama çabasının maliyetini en aza indirirken (yani, minimum sayma istasyonu sayısını bulma), sayım istasyonlarının en uygun yerini bulmayı amaçlayan bu problem literatürde trafik sayımı lokasyon problemi olarak bilinir. Trafik sayımı lokasyon problemleri literatüründe iki temel sorun ortaya çıkmaktadır. (1) Mevcut kesin çözüm yöntemleri düşük hesaplama performansına sahiptir ve bu nedenle yalnızca bir dizi küçük veya orta ölçekli ağa uygulanabilir. (2) Çözülebilecek sınırlı ağ kümesi, bu alandaki yeni sezgisel yöntemlerin etkinliğini değerlendirmek için kullanılabilecek ölçüt kümesini tam olarak kısıtlar. Bu tezin motivasyonu, her iki sorunun çözümünde iyileştirme yapmanın, bu sorunların bir devletin veya ajansın kaynaklarını etkin bir şekilde yönetmek gibi önemli yönetsel kaygıları ele alan büyük, gerçek hayat durumlarına uygulanmasına olanak sağlamada önemli bir adım olduğudur. Bu bağlamda, çalışmamız, tüm başlangıç-varış yolculuk çiftlerinin bağlantısını kesmeyi amaçlayan yeni ve etkili Tamsayı Programlama modelleri sunmaktadır. Tüm potansiyel yolların üretilmesine ihtiyaç duymadan başlangıç-varış çiftlerini izleyebilen bu çalışmadaki önerilen modellerin, iyi bilinen ulaşım ağları üzerinde test edilen kapsayıcı hesaplama deneylerimize göre problemi çözmek için gereken süreyi büyük ölçüde azalttığını gözlemlenmiştir. Bu nedenle, bu tezde önerilen modeller, kısa sürede en uygun çözümü geri getirmenin yanı sıra izlenebilirlik nedeniyle, trafik sayımı lokasyon problemi literatüründeki önemli boşluğu doldurmaktadır.
Konveyör bant üzerinde yapay zekâ tabanlı balık sınıflandırma
Günümüzde yapay zekâ teknolojilerinin gelişimi, birçok sektörde olduğu gibi balıkçılık alanında da çeşitli sorunlara çözüm sunmaktadır. Balıkçılık sektöründe, aynı anda yakalanan farklı türdeki balıkların manuel olarak sınıflandırılması hem zaman alıcıdır hem de hata payı yüksektir. İnsan eliyle yapılan bu sınıflandırma işlemleri, balık türlerinin doğru tespit edilememesine ve dolayısıyla verimliliğin düşmesine neden olmaktadır. Bu durum, maliyet artışı ve kalite kontrolünde sorunlar yaratmakta, sınıflandırma sürecinin otomatikleştirilmesi gerekliliğini ortaya koymaktadır. Bu çalışmada, hareketli bir konveyör üzerinde ilerleyen balıkların görüntüleri alınarak, bu görüntülerden elde edilen verilerle yapay zekâ tabanlı nesne tespiti ve sınıflandırma işlemleri gerçekleştirilmiştir. Çalışma kapsamında üç farklı balık türüne ait toplam 3915 görüntü toplanarak özel bir veri seti oluşturulmuştur. Görüntü işleme ve nesne tanıma alanında güçlü bir performans sergileyen YOLO algoritmasının son sürümleri olan YOLOv8, YOLOv10 ve YOLOv11 modelleri bu çalışmada kullanılmıştır. Modellerin ortalama mAP50-95 performans değerleri sırasıyla YOLOv8 için %77.7, YOLOv10 için %78.9 ve YOLOv11 için %79.4 olarak elde edilmiştir. Elde edilen sonuçlar, YOLO algoritmalarının balık türlerinin otomatik sınıflandırılmasında yüksek doğruluk ve hız sunduğunu göstermektedir. Bu sistemin uygulanmasıyla birlikte insan müdahalesine olan ihtiyaç azalmakta, sınıflandırma süreci daha tutarlı ve ekonomik hale gelmektedir.
Dijital sürdürülebilirlik perspektifinden tekstil üretiminde bir BT yatırım değerlendirme çerçevesi
The textile industry, one of Türkiye's and the world's leading and most significant industries, is undergoing an intensive digitalization process driven by the need to enhance competitiveness through operational efficiency, social compliance, and sustainability requirements. This paper presents a comprehensive assessment framework to evaluate IT (Information Technologies) investments in textile production from a digital sustainability perspective. The framework structured around eight key criteria: technological infrastructure, cost, data security, strategic fit, organizational culture, management support, environmental impact, incentives and policies. Each main criterion is further broken down into sub-criteria to facilitate a systematic and detailed analysis. The evaluation applied on nine IT investment alternatives: Internet of Things (IoT), Digital Twin(DT), Enterprise Resource Planning ERP) Systems, Image Processing (IP), Energy Management Systems (EMS), Manufacturing Execution Systems (MES), Smart Logistics and Inventory Management (SL/IM), Block-chain (BC), and Augmented Reality and Virtual Reality Applications (AR/VR) across eight criteria and twenty-two sub-criteria. To address the uncertainties inherent in decision-making processes, Spherical Fuzzy Logic integrated with AHP and TOPSIS are employed. This hybrid approach combines expert opinions and industry insights, providing a robust and flexible prioritization process under complex, real-world conditions. Preliminary findings indicate that the proposed framework not only helps decision- makers in selecting the most suitable IT solutions for digital transformation but also supports sustainable development in the textile industry by balancing economic, environmental and social objectives. Although the primary focus is on Türkiye's textile industry, the adaptable nature of the framework supports its application in a variety of industries and international environments. Future research directions and potential limitations of the study are discussed, paving the way for further improvements and empirical validation.
Nesnelerin interneti bazlı uç bulut sistemleri için konteyner taşıma yaklaşımı
The increasing demand for edge computing and the rise of cloud systems have led to the need for efficient resource management and workload distribution across edge and central cloud environments. Containerization has emerged as a popular solution for application deployment and management due to its lightweight and portable nature. However, migrating containers between edge and cloud environments horizontally and vertically poses challenges in terms of network latency, resource constraints, and service availability. This research project aims to develop a container migration approach specifically tailored for edge-cloud systems. The objective is to design and implement a mechanism that enables seamless and efficient container migration between edge devices and cloud infrastructure. By leveraging the advantages of both edge and cloud computing, it will be possible to allocate resources dynamically based on workload demands and optimize the overall system performance. Key aspects of this project include investigating the challenges and requirements of container migration in edge-cloud systems, designing an efficient migration mechanism that considers network latency, resource availability, and service continuity, evaluating the performance and reliability of the migration approach under various scenarios and workloads, analyzing the cost-effectiveness and resource utilization of the proposed solution compared to traditional deployment models, and developing strategies for load balancing, fault tolerance, and workload optimization to enhance the overall system efficiency. This project aims to provide insights into the feasibility and benefits of container migration in edge-cloud systems. The findings will contribute to the development of more efficient resource management strategies and enable the seamless deployment and migration of containers across edge and cloud environments.
Akıllı kentsel sahne analizi için derin öğrenme mimarileri
Smart city analysis becomes an emerging field in autonomous urban life problems. Image semantics is a complex problem where the image classification, the semantic segmentation and the object detection subroutines are staged in a cascade framework through spatio-temporal datasets. Urban scene analysis has been coupled in several applications such as aviation, robotics, city security, autonomous vehicles, and mass transport. The initial problem of an urban scene is characterized as the pursuit of discrete 2D-3D movements on the streets of a city. Therefore, an accurate segmentation of the scene is required to minimize the spatial gap in the scene. The complete framework provides critical decision-making tools to protect the human beings and the moving objects. To prevent the accidents, new generation autonomous systems turn on their real time sensors to monitor all possible movements in a street. The task of semantic segmentation is to label every pixel including the background into a semantic class. The object detection locates the presence of objects with a bounding box and types or classes of the located objects in an image. Therefore, the detection requires the invariant representations whereas the segmentation needs the equivariant representations. The instance segmentation contains these two tasks: object detection and semantic segmentation. This thesis is composed of the instance segmentation of base objects through Cityscapes dataset. YOLACT deep learning architecture has been applied on high resolution images. The method has been found fast as it requires one stage segmentation. The quality of the masks was better for the large-scale objects.
Akıllı tarım uygulamaları
With climate change, global warming and population growth, agricultural problems grew and product sustainability came under risk with classical agriculture. For this reason, digitalization has been directed in agriculture. It has been an effective approach that provides critical advantages to producers to make agriculture more sustainable. The main purpose of digitalization in agriculture is optimizing complex agricultural systems by applying information and data technologies. The basis of smart agriculture is the IoT technologies. However, the focus of smart agriculture is accessing data such as temperature and humidity in real time and processing collected data in useful way. The processing of data collected by using different sensors with machine learning is making the collected information meaningful and usable. The purpose of my project is instantly observing the temperature and humidity values collected through sensors, determining the optimum values suitable for agriculture and taking action as soon as the threshold point is exceeded. So DHT11 sensor, ESP8266 and Google Cloud are used for this. Today, cloud technologies provide effective solutions for real-time monitoring collected data from devices and machines. Different types of gateways are used transfering the collected data to cloud platforms. Here mosquitto was used as the MQTT server for the performance analysis. Near this machine learning methods used detecting disease in grown lettuce leaves. Detection of plant diseases is one of the most applied developments in agriculture determining whether the plant's leaves are healthy or ill. For this the data were preprocessed by image processing techniques using machine learning algorithm.
RFM segmentasyonu ile bir hibrit öneri sistem uygulamasi
A recommendation system is a type of information filtering system established to suggest items or content to users based on their preferences and behavior by using data analysis techniques. The system is designed to predict what users might like based on their past interactions with the system or other users like them. To build a recommendation system, commonly used data analysis techniques are collaborative filtering, content-based filtering, and hybrid filtering. Collaborative filtering analyzes the past behavior of users and the items they have interacted with to identify patterns and similarities between users. Content-based filtering uses similar items, such as type or keywords, that the items have their own characteristics. Hybrid filtering combines these two approaches to provide more accurate recommendations. To implement a recommendation system, data is collected from various sources such as user ratings, user behavior, user demographics, and item characteristics. This data is then analyzed to identify patterns and relationships between users and items, and the results are used to suggest personalized recommendations to users. Overall, recommendation systems are a powerful tool for businesses to increase user engagement and improve customer satisfaction by providing personalized and relevant recommendations to users. Many online service providers use a recommendation system to assist their customers' decision- making by generating recommendations. Accordingly, this thesis proposes a new recommendation system for tourism customers to make online reservations for hotels with the features they need, saving customers time and increasing the impact of personalized hotel recommendations. This new system combined collaborative and content-based filtering approaches and created a new hybrid recommendation system. Two datasets containing customer information and hotel features were analyzed by Recency, Frequency, Monetary (RFM) method in order to identify customers according to their purchasing nature. The main idea of the recommendation system is to establish correlations between users and products and make the decision to choose the most suitable product or information for a particular user. As a result of the exponential growth of online data, this vast amount of information for use in the tourism industry can be leveraged by decision-makers to make purchasing decisions. Filtering, prioritizing, and beneficially presenting relevant information reduces this overload. There are following three main ways that recommendation systems can generate a recommendation list for a user; content-based, collaborative-based, and hybrid approaches. This thesis describes each category and its techniques in detail. RFM Analysis is used to identify customer segments by measuring customers' purchasing habits. It is the process of labeling customers by determining the Recency, Frequency, and Monetary values of their purchases and ranking them on a scoring model. Scoring is based on how recently they bought (Recency), how often they bought (Frequency), and purchase size (Monetary). Experimental results show that the accuracy of behavior analysis using Manhattan distance- based hybrid filtering is greatly improved compared to collaborative and content-based algorithms.
Döngüsel tedarik zincirleri: Toplam gıda endüstrisinde bozunmuş ürün tespiti için bir IoT uygulaması
Today, majority of food created is wasted rather than consumed, which has a negative impact on worldwide hunger and the economy. Improvements to aggregate supply chains are at the forefront of the actions needed to meet these problems. One of such improvements noted in this research was aggregate food storage. ESP8266 Microcontroller, along with DHT11 temperature and humidity sensor and MQ3 alcohol sensor, is used to measure the storage conditions of fruit products. Data gathered is sent to AWS-Cloud-Computing-Service via MQTT protocol and is stored in databases using rules defined. As result, the sensor data in the database is examined using AWS IoT Analysis. As temperature rises, crops begin to decompose. Accordingly, a rule in cloud is defined to fire with out-of-range measurements, and AWS Simple Notification Service is triggered to send ambient readings to user via SMS and e-mail. Convolutional Neural Network model was developed to classify fruits based on their variety and freshness using binary and multiclass classification. Models was first taught using images of 1693 fresh apples, 1581 fresh bananas, 1466 fresh oranges, 2342 rotten apples, 2224 rotten bananas, and 1595 rotten oranges and tested with images of 395 fresh apples, 381 fresh bananas, 381 fresh oranges, and 388 rotten apples, 601 rotten bananas, and 530 rotten oranges over 50 epochs. Binary model had 99.15% training and 97.59% testing accuracy whereas multi class model had training accuracy of 99.59% and testing accuracy of 98.99%.
Çalışanların eğitim ağının karmaşık ağ analizi
The advances in technology and data science affect many fields positively. One of these fields is education. Learning analytics have the potential to develop new ways of achieving excellence in teaching and learning. The companies try to use learning analytics techniques for their employees' education and aim to improve employee performance. The education data sets of Softtech employees are used in this study. Softtech is a software company in Turkey, and those data sets include different types of technical, non-technical, online, and offline education. All data sets are combined, and an employee network is created by connecting employees via education. In this study, complex network analysis, dynamic and static network analysis, link prediction, and machine learning techniques are applied with the aim of creating an education recommendation system. The study initially began with community detection in dynamic networks. During the application phase, it was concluded that due to the changes caused by the impact of the COVID-19 pandemic in the data, it was not suitable for community detection in dynamic networks. Therefore, it was decided to proceed with the link prediction method in the study. But the network is extensively examined as a dynamic network. In method section, all the methods used in the study are explained in detail. Firstly, information about how dynamic and static networks are generated is provided. Subsequently, information regarding the analysis of all micro, macro, meso, and time series required for the analysis of a complex network is shared. Descriptions of all the parameters used in the analyses are provided. After the information about network generation and analysis, a literature review on link prediction methods is shared. Afterwards, information regarding machine learning algorithms to be used for link prediction and performance evaluation metrics for these algorithms are shared. Finally, the method stage is completed by creating a template for machine learning-based link prediction for the education network of employees. When it comes to the application part, dynamic networks are firstly created. These dynamic networks are analyzed using the methods described in the method section, and the results are shared. There is data available for a period of 5 years, from January 2017 to December 2021. These data sets are separated on a monthly basis to create dynamic networks. At the end, a total of 59 monthly network files are obtained. Networks are generated from each network file. The connections between employees in relation to their education and the evolution of these connections are visualized on a monthly basis. Visuals from the year 2017 are shared to provide an idea. Sequentially, macro, micro, and meso analyses are conducted for each network. Based on these analysis results, the node counts, link counts, network structures, centrality measures, and community structures of each network are visualized. Information such as the node with the highest degree, the node with the highest betweenness centrality, and the nodes belonging to the same community can be accessed from these visualizations. Some of this information is shared to provide an idea. In the time series analysis section, each parameter is examined over time, and it is checked whether predictions can be made for the future. The impact of the COVID-19 pandemic is evident here. During the quarantine period, all employees work from home, resulting in an increase in the number of employees receiving education (node count) and the number of education sessions (link count) during the COVID-19 pandemic. Due to the lack of a regular distribution, successful results are not observed in terms of prediction. Additionally, the sudden decrease in the number of nodes (employees receiving education) in August 2018 indicates a period of mandatory collective leave. After analyzing and examining the data, the link prediction process is initiated. After explaining the raw data, the newly created education dictionary, and the newly generated static network structure, link prediction methods are applied in sequence. A total of 15 different link prediction methods are applied. Data until 2021 is used as training data, and data for 2021 is used as test data. These operations are performed using both training and test data. The output file contains 15 attributes corresponding to 15 methods. The output file also includes a label attribute indicating whether there is a connection between nodes in the network. Some of the connection prediction results are shared for illustrative purposes. Ultimately, two separate output files are generated, one for the training data and one for the test data, with 21 columns and 222778 rows each. The output files generated in the previous step are used as input files in the machine learning step. Prediction is being attempted using machine learning algorithms such as XGBoost, gradient boosting, random forest, logistic regression, support vector machines, and multilayer perceptron. Accuracy, precision, recall, and F1 score values are being examined to compare the accuracy of the models. The results of these values are shared in tables. Different preferences can be made for the model, but generally, support vector machine seems to be more preferred due to its consistency. All of its values are greater than 98%. The results indicate that the machine learning-based connection prediction method can be used in our study. It is observed that it is applicable to our data, and the results are usable. The subject of how to improve it is addressed. In the next stage, education information can also be recorded on the connections. The strength of the connection can be considered based on the number of shared education received. It is possible to advance and improve the study with different methods.
Mikroişletme organizasyon yapısı türü perspektifinden, BSU kullanarak yapay zekanın sürdürülebilirlik üzerindeki iş etkilerine ilişkin önerilen bir değerlendirme çerçevesi
The increasing incorporation of Artificial Intelligence (AI) into corporate structures demands a thorough investigation of the implications for sustainability, especially in the complex environment of micro-enterprises. This study aims to provide a comprehensive assessment framework designed for examining the complex interactions between AI implementation and sustainability results, with a particular emphasis on the organizational structures characteristic of micro-enterprises. In order to acknowledge and account for the inherent uncertainties and imprecisions that characterize sustainability indicators in this dynamic setting, the proposed approach leans on fuzzy intuitionistic extensions. With a primary focus on sustainability issues, this study attempts to close current gaps in the academic discussion by offering a methodologically valid approach to evaluate the complex business implications of AI integration in the particular microenterprise environment. By utilizing fuzzy intuitionistic logic, the framework takes into account the natural desires and errors that come with sustainability metrics. This allows for a more realistic and nuanced representation of the complex relationships that exist between AI technologies and the organizational structures that are essential to micro-enterprises. Important components of the suggested assessment system include defining relevant sustainability aspects, creating fuzzy intuitionistic indicators relevant to micro-enterprises, and including a strict assessment process. By systematically utilizing this paradigm, our research aims to provide insightful information about the possible benefits and difficulties associated with implementing AI in micro-enterprises, so contributing to a more nuanced understanding of the technology's implications for sustainable business practices. The expected results of this study will provide fundamental information for later academic investigations and guide policy decisions intended to promote ethical and sustainable AI adoption in the microenterprise space.
Kablosuz sinyalleri kullanarak duygu tanıma
Emotion recognition is a critical aspect of human-computer interaction and affective computing, with applications ranging from personalized user interfaces to mental health monitoring. This study explores the performance of various machine learning algorithms for emotion recognition using physiological signals obtained from subjects under diverse experimental conditions. The methodology involves conducting a series of carefully designed experiments to collect physiological data from participants. These experiments vary in environmental conditions, including distance from the transmitter and receiver, heart rate variability, and subject posture. Several machine learning algorithms are evaluated in the study and the performance of these algorithms is assessed using various metrics. The results of the experiments demonstrate significant variations in algorithm performance across different experimental conditions. Through comparative analysis, Random Forest emerges as the top-performing algorithm, consistently achieving the lowest MAE values across experiments. However, SVM also demonstrates competitive performance, especially in scenarios involving high heart rates. These findings underscore the importance of algorithm selection and optimization in achieving accurate emotion recognition in real-world applications. In conclusion, this study provides valuable insights into the performance of machine learning algorithms for emotion recognition using physiological signals. By understanding how different factors influence algorithm performance, researchers and practitioners can develop more effective emotion recognition systems for a wide range of applications, including healthcare, human-computer interaction, and affective computing.
Sezgisel bulanık küme kullanılarak Z kuşağı işgücü perspektifinden kurumsal kültürün sürdürülebilirliğini etkileyen öncelikli çalışan bağlılığı alanlarının tespiti
This article addresses issues affecting corporate culture sustainability, such as high turnover rates and declining employee commitment observed with the entry of Generation Z (Gen-Z) into the workforce. Given the increasing importance of corporate culture sustainability in the business world, understanding these issues and developing effective solutions has become critical, leading human resources professionals to conduct studies in this field. In this context, this research, conducted using data analysis methods, focuses on accurately identifying the challenges that arise during the integration of Gen-Z into the workplace. The main objective of the study is to determine the primary causes behind the increased turnover rates and decreased employee commitment in the workplaces of the younger generation compared to the past. The research concentrates on consistent changes that organizations can make to overcome these issues. The research findings will identify organizational culture type that should be chosen and key areas contributing to the reduction in employee commitment from the perspective of the young workers. The results will contribute to the literature by providing strategic recommendations that focus on improving corporate culture sustainability. These outcomes will guide the business world in facilitating the integration of Gen-Z in-to the workforce and help companies take steps toward creating a sustainable work environment.
E-ticarette satın alma kararlarını etkileyen faktörlerin özellik önemi metodları ile tespiti ve metodların kıyaslanması
Online retail enterprises engage in two primary activities to foster revenue generation and thrive in the market. The initial focus involves augmenting user traffic to the online shopping platform, followed by the subsequent task of converting this traffic into tangible revenue. Marketing endeavors are dedicated to attracting customers to online shopping platforms, often incurring substantial costs. Given the financial implications of obtaining traffic, it becomes imperative to not only draw users but also incentivize them to make purchases on the platform. Consequently, comprehending the pivotal factors influencing customer purchase decisions is crucial for online shopping platforms. This study aims to scrutinize the factors shaping consumer purchase decisions by utilizing an illustrative case from an e-commerce platform. The objective is to ascertain the most influential factor among various possibilities, such as traffic source types (Google, campaign, direct, etc.), customer persona or segment, types of pages or components visible on the platform, product placement on the page, customer participation in campaigns or discounts, product review scores and counts, and whether the product was recommended by the platform's recommendation system. Throughout the data collection phase, performance issues will be addressed through SQL optimization and other techniques. Additionally, data quality concerns will be rectified to ensure uniform and reliable results. Subsequently, statistical methods, supervised machine learning, and deep learning approaches will be employed on the data to derive feature importance values. These values will illuminate which factors play the most decisive role in customer purchase decisions. Finally, the study will compare and evaluate the performances of seven methods, presenting a comprehensive examination unprecedented in the existing literature in terms of methodological diversity.
Otomatik makine öğrenimi yöntemlerini kullanarak anomali tespit çerçevesi oluşturma
In terms of both research academic and general purposes, the importance of machine learning techniques is undeniable. However, these methods rely heavily on manual intervention for data refinement and parameter optimization, posing a challenge for researchers of varying levels of expertise. This reliance creates significant barriers for users with varying expertise levels, as existing frameworks struggle to manage diverse data types—structured, unstructured, and semi-structured—thereby compromising effective anomaly detection and limiting comprehensive data analysis. This thesis introduces an Automated Machine Learning (AutoML) framework designed for robust outlier detection across multiple data structures. Unlike traditional AutoML systems that necessitate some pre-classification of data or manual algorithm selection, this framework autonomously classifies datasets, discerns their characteristics, and directs them through a tailored pipeline to apply suitable outlier detection algorithms. This end-to-end automation is rare in the realm of outlier detection and represents a significant advancement. The framework's core functionality includes an automatic classification of datasets into categories like spatial, time-series, and dimensional statistical, based on intrinsic characteristics. This classification informs tailored preprocessing techniques that enhance data quality for effective outlier detection. For example, spatial datasets undergo geospatial transformations, while time-series data are adjusted for seasonality. The framework was tested across 100 diverse datasets from fields including finance, healthcare, and social media. It demonstrated a reduction in processing time and anincrease in precision, with a maintained recall rate exceeding 85 percent across majority of datasets. Additionally, the framework dynamically selects outlier detection algorithms based on the data type, enhanced by a meta-learning component that utilizes historical data to optimize algorithm selection. An early stopping mechanism conserves resources by halting processing once performance thresholds are met, ensuring efficiency and scalability. Overall, this paper contributes a novel and versatile framework that streamlines the outlier detection process, offering a systematic approach similar to an AutoML system. It paves the way for enhanced efficiency and effectiveness in outlier detection tasks across different domains and datasets. Furthermore, the integration of outlier detection mechanisms within this enhanced data environment is anticipated to yield faster identification of irregularities without compromising accuracy or reliability. The framework aims to accelerate the detection process and increasing the efficiency of outlier identification tasks. The comprehensive evaluation across diverse datasets seeks to showcase the framework's adaptability and consistent performance, validating its ability to automate outlier detection across varying data types and scenarios. The successful demonstration of this framework would mark a substantial step in simplifying and refining outlier detection processes in data analysis across multiple domains and datasets.
Otomobil satışı yapan alışveriş sitelerinin bulanık çok kriterli karar verme yöntemleri kullanılarak E-S-QUAL'e dayalı değerlendirilmesi
E-S-QUAL, internet hizmet kalitesinin ölçülmesinde kullanılan bir hizmet kalitesi ölçeği olup, tüketici ve web siteleri arasındaki etkileşimi "sistem etkinliği", "sistem uygunluğu", "işlem gerçekleştirme yetisi" ve "gizlilik" boyutları ile değerlendirir. Sistem etkinliği, bir web sitesine erişmenin ve onu kullanmanın kolaylığını ve hızını ifade eder. Sistem uygunluğu, web sitesinin teknik işlevselliğini ifade eder. İşlem gerçekleştirme yetisi, web sitesinin sipariş teslimatı ve ürünün mevcut olma durumu ile ilgili vaatlerinin ne ölçüde yerine getirildiğini ifade eder. Son olarak gizlilik, bir web sitesinin güvenli olma derecesini ve müşteri bilgilerinin korunmasını ifade eder. E-S-QUAL yöntemi hizmet kalitesini ölçen ve uygulayıcılara organizasyonlarındaki hizmet kalitesinin seviyesi hakkında ipuçları veren önemli bir yaklaşım olarak dikkat çekmektedir. Ancak müşterilerin düşüncelerini değerlendirirken aralıklı ölçek kullanıldığı için objektif ölçümler yapmakta eksik kalmaktadır. Bulanık kümeler bu eksikliğin giderilmesinde önemli katkılar sunmaktadır. Ülkemizde ve dünyada özellikle pandemi sonrası 2. el online binek ve hafif ticari araç pazarında yaşanan büyüme bu sektörün hizmet kalitesine duyulan ilgiyi artırmıştır. Yapılan bu çalışmada, müşteriler açısından e-ticaret sektöründe yer alan otomobil satışı yapan öncü alışveriş sitelerinin performansları E-S-QUAL kriterleri bazında bulanık çok kriterli karar verme yöntemlerinden Pisagor bulanık Analitik Hiyerarşi Prosesi (AHP) ve Pisagor bulanık İdeal Çözüme Benzerlik Bakımından Sıralama Performansı Tekniği (TOPSIS) ile değerlendirilmiştir. E-S-QUAL ve bulanık çok kriterli karar verme tekniklerinin entegre edilmesi ile, hizmet kalitesi ölçümünde belirlenen kriterlerin ağırlıklandırılması ve önem düzeylerine göre sıralanarak daha kapsamlı bir hizmet kalitesi değerlendirmesinin yapılması sağlanmıştır. Müşterilerin kalite beklentilerini değerlendirmek üzere belirlenen kriterler, otomobil satışı konusunda uzman kişilerin görüşleri alınarak ağırlıklandırılmıştır. Ayrıca Türkiye'nin önemli otomobil satışı yapan alışveriş siteleri, bu siteleri daha önce deneyimlemiş aynı uzmanların değerlendirmelerine göre kıyaslanarak hizmet kalitelerine göre sıralanmıştır.
Bir ankastre fabrikasında sipariş gecikmelerinin tip-2 bulanık kural tabanlı hata türü ve etkileri analizi ile incelenmesi
İşletmeler, günümüz rekabet koşullarında ayakta kalabilmek için ürün ve hizmet kalite seviyelerini sürekli olarak iyileştirme arayışı içindedir. Vaktinde karşılanamayan her talep müşteri memnuniyetsizliğine, problemin çözülmeyip tekrarlanması durumunda ise müşteri kayıplarına sebep olabilmektedir. Hata Türü ve Etkileri Analizi (HTEA) (Failure Mode and Effects Analysis-FMEA) olası veya bilinen hataların risklerini tanımlayan ve bu risklere göre hata türlerini önceliklendiren bir tekniktir. Bu teknik hataların oluşmadan veya müşteriye ulaşmadan önlenmesi prensibine dayandığından, önleyici bir teknik olarak yaygın bir şekilde kullanılmaktadır. HTEA'da hataların ortaya çıkma olasılığına, ortaya çıktığı durumlarda müşteri üzerindeki etkisini gösteren şiddetine ve saptanabilirliğine göre hataları sıralamak ve bu sıralamaya göre iyileştirme aksiyonu alarak kalitesizlik kaynaklı iç ve dış başarısızlık maliyetlerini azaltmak amaçlanmaktadır. Bu çalışmada bir ankastre firmasındaki siparişlerin müşterilere geç teslimatı problemi, AIAG (Automotive Industry Action Grup) & VDA (Verband Der Automobilindustrie) tarafından 2019 yılında yayınlanan kılavuza göre aksiyon önceliğini belirleyerek hata türlerini sıralayan Proses HTEA (P-HTEA) formu esas alınarak analiz edilmiştir. HTEA'da olasılık, şiddet ve saptanabilirlik dereceleri dilsel ifadelere dayandığı için bulanık mantık yaklaşımından yararlanılmıştır. MATLAB Fuzzy Logic Designer kullanılarak Tip-1, Tip-2 ve Aralık Tip-2 bulanık kümeleri için hesaplamalar yapılmış ve sonuçlar karşılaştırılmıştır. Yapılan analizler sonucunda farklı önceliklendirmeler elde edildiğinden, ortak bir öncelik sıralaması elde etmek üzere gri ilişki analizinden yararlanılmıştır. Elde edilen sıralama, sipariş gecikmelerinden hammadde ve yarımamül stok sapmalarının öncelikli olarak sorumlu olduğuna işaret etmiştir.
Stratejik yönetim modeli olarak sürdürülebilirlik dengeli hedef kartı ve bir işletmede uygulanması
Teknolojinin gelişmesi ile küreselleşen dünyada işletmeler daha rekabetçi bir ortamda varlıklarını sürdürmeye çalışmaktadır. Bu rekabetçi ortamda fark yaratmak isteyen işletmelerin modern yönetim sistemlerini benimsemesi ve yürüttükleri süreçlerin performansını ölçerek izlemeleri şarttır. Maddi ve maddi olmayan varlıkların birbirleriyle ilişkilerini inceleyen ve bir performans yönetim aracı olarak ortaya çıkan Dengeli Hedef Kartı (DHK), işletme stratejisini görünür hale getirmekte ve bu özelliğinden dolayı stratejik yönetim modeli olarak anılmaktadır. Sürdürülebilirlik kavramı ise günümüzde çevresel ve sosyal duyarlılığın bir göstergesi olarak işletmeler tarafından benimsenmektedir. Sürdürülebilirlik boyutu, dengeli hedef kartında müşteri, içsel süreçler ve öğrenme gelişme boyutları gibi gayrı maddi varlıklar arasında yerini almakta ve önemini artırmaktadır. Bu çalışmada dengeli hedef kartı yöntemi tanımlanmış, stratejik yönetim modeli olarak hangi yönleriyle ele alındığı açıklanmıştır. Çıkış noktasında belirlenen dört boyut (finansal, müşteri, içsel süreçler, öğrenme ve gelişme) haricinde sürdürülebilirlik boyutunun yönteme dahil edilmesi sürecinden bahsedilmiştir. Literatürde yeni yer almaya başlayan görüntü bulanık AHP ile dengeli hedef kartında yer alan boyutlar, stratejik amaçlar ve kritik başarı faktörlerinin ağırlıklandırılması amaçlanmıştır. Bir cam işleme işletmesinde öncelikle dengeli hedef kartı çerçevesi stratejik amaçlar, boyutlar ve kritik başarı faktörleri belirlenerek çizilmiş, ardından PF-AHP yöntemi ile amaç, boyut ve kritik başarı faktörlerinin ağırlıkları bulunmuştur. Belirlenen göstergelerin performansı OMAX (Objective Matrix) yöntemi ile puanlandırılmış ve bu puanlar ağırlıklar ile birleştirilerek şirket için bir performans puanı hesaplanmıştır. Ayrıca şirketin hedeflerini gerçekleştirme başarısının ölçümü için de bir hesaplama yöntemi geliştirilerek hedef gerçekleştirme puanı hesaplanmıştır. Hesaplanan bu puanlar doğrultusunda şirketin performansı yorumlanmış ve iyileştirme için önerilerde bulunulmuştur.
Dağıtık istemci kontrollü akıllı sulama robotu
Bilim ve teknoloji alanında her geçen gün yeni gelişmeler yaşanmaktadır. Bu gelişmelerle birlikte insanların yaşam standartları iyileşmeye devam etmekte ve konfor anlayışları da değişmektedir. Geçmişte insan eliyle yapılan bir çok işlem yeni teknolojilerin insanlığa sağladığı imkanlar sayesinde artık akıllı sistemler aracılığı ile yapılmaktadır. Bu çalışmada kapalı ortamlarda (evler, AVM'ler, seralar vb.) kullanılabilecek robotik sulama sistemi yapılmıştır. İçerik, toprağın nemini nem sensörü ile tespit ederek veri toplayan ve bilgiyi anlamlı bir veriye dönüştürmek için o bilgininin işlenmesinin gerçekleşeceği devreyi içermektedir. Çoklu istemcilerde bulunan sensörler yardımı ile elde edilen veriler sulama robotunun yapay zekası tarafından değerlendirilerek bilgiyi anlamlı bir veriye dönüştürmekte ve bu sayede sulama işlemi gerçekleşmektedir. Çoklu istemci ve robottan oluşan bu sistem sulama işlemini gerçekleştirebileceği gibi suda çözünen bitki besin maddelerini, sıvı formda ki tarımsal ilaçların da bitkilere verilmesini sağlayacaktır.
Elektroensefalografi işaretlerinin makine öğrenme tabanlı sınıflandırılmasında en iyi öznitelik seçiminin araştırılması
Anksiyete, üretkenliği ve yaşam kalitesini etkilediği kadar insan yeteneklerini ve davranışlarını da etkiler. Depresyon ve intiharın ana nedeni olarak kabul edilebilir. Günümüzde klinisyenler anksiyete bozukluklarını teşhis etmek için belirli kriterler kullanılmaktadır. Anksiyete tespitinin karmaşık görevini yerine getiren, invaziv olmayan güvenilir tekniklere ihtiyaç vardır. Bu çalışma, elektroensefalografi (EEG) sinyallerini analiz ederek ikili ve dörtlü sınıfları daha az EEG kanalı ve öznitelik sayısı kullanarak sınıflandırmayı amaçlamıştır. 23 kişinin 14 kanallı EEG sinyalini içeren DASPS veri tabanı kullanılmıştır. EEGLAB kullanarak 14 kanaldan 4 kanal seçilmiştir. Öznitelik çıkarımı için dalgacık dönüşümü, fourier dönüşümü ve istatistiksel yöntemler kullanılmıştır. MATLAB sınıflandırma öğrenicisi araç kutusundaki 4 farklı yöntem ile sınıflandırma yapılmıştır. En yüksek doğrulukta oranları, ikili sınıflandırmada %68,3 doğrulukta destek vektör makinesi, dörtlü sınıflandırmada %61 doğrulukta destek vektör makinesi ile elde edilmiştir.
Kararsız bulanık çkkv yaklaşımı ile e-atık toplama kutuları için CBS tabanlı yer seçimi
Teknolojinin gelişimine ve farklı alanlara yayılmasına bağlı olarak teknolojik alet kullanımı son yıllarda hızla artmaktadır. Kullanım ömrünü tamamlayan teknolojik aletler ise elektronik atık adı verilen atık türünün çoğalmasına sebep olmaktadır. İçerdikleri zararlı maddeler sebebiyle geri dönüşümü veya bertarafı yetkili kuruluşlar tarafından kontrollü şekilde yapılamadığı takdirde e-atıklar havaya, toprağa ve suya karışarak insan sağlığını tehdit etmektedir. Bunun yanı sıra e-atıklar içerdikleri değerli madenler sebebiyle geri dönüşümü ile ekonomiye katkı sağlamaktadır. Resmi Gazete'de yayımlanan Atık Elektrikli ve Elektronik Eşyaların Kontrolü Yönetmeliğince bu atıklar 6 grupta incelenmektedir. Bu çalışmada Çevre, Şehircilik ve İklim Değişikliği Bakanlığı tarafından, 3. ve 4. kategoride yer alan elektrikli ve elektronik atıkların toplanmasında 2015 yılında yetkilendirilmiş kuruluş olan Türkiye Bilişim Sanayicileri Derneği'nin sorumlu olduğu e-atık kutuları için Samsun iline bağlı Atakum ilçesinde en uygun yerin belirlenmesi amaçlanmaktadır. Bu doğrultuda öncelikle alanında uzman beş kişinin desteği ve literatürdeki çalışmalar doğrultusunda e-atık kutularının konumlandırılmasında önem arz eden dokuz kriter belirlenmiştir. Ardından bu kriterler Kararsız Bulanık SWARA yöntemi ile ağırlıklandırılmıştır. Sonrasında Coğrafi Bilgi Sistemleri (CBS) yardımıyla veri setleri oluşturulup, her bir kriter için haritalar elde edilmiştir. Haritalar oluşturulurken Öklid Mesafe Analizi ve Kernel Yoğunluk Analizi kullanılmıştır. Akabinde haritalar 0 ile 1 arasında normalize edilmiş ve kriter ağırlıkları dikkate alınarak ağırlıklı toplam yöntemi ile uygunluk haritası oluşturulmuştur. Bu harita ile e-atık toplama kutuları için alternatif noktalar elde edilmiştir. Elde edilen alternatif noktalar TOPSIS yöntemi ile sıralanmış ve son aşamada kriter ağırlıklarındaki değişimin alternatiflerin sıralamasını nasıl etkilediğini görebilmek adına iki farklı senaryo ile duyarlılık analizi yapılmıştır.
Küresel bulanık karar verme yaklaşımı ile Türkiye'deki illerin yaşam endeksleri açısından değerlendirilmesi
Yaşamın değerlendirilmesinde refah ölçümü kavramı önemli bir olgudur. Refahın ölçümüyle bireylerin ve toplumların gelişmişliklerini değerlendirmek için bir ölçek oluşturulmaktadır. Önceleri, refahın artırılması yalnızca ekonomik büyümeyle ilişkilendirilmiştir. Değişen dünya koşulları, ekonomik büyümenin yanı sıra doğal çevre ve bireylerin temel ihtiyaçlarının karşılanmasının da dikkate alınmasını sağlayarak çok boyutlu çalışmaların gelişmesine yardımcı olmuştur. Çok boyutlu değerlendirme çalışmaları sürdürülebilir kalkınma kavramının ortaya çıkmasıyla hız kazanmıştır. Bu kavramla yaşam; sosyal, ekonomik ve çevresel boyutlarda ulusal ve uluslararası çalışmalarla değerlendirilmeye başlanmıştır. Uluslararası çalışmalar kapsamında Ekonomik İşbirliği ve Kalkınma Teşkilatı (Organisation for Economic Co-Operation and Development-OECD) 2011 yılında Daha İyi Yaşam Endeksi (DİYE) olarak adlandırılan kapsamlı bir endeks geliştirmiştir. Ülkemizde de Türkiye İstatistik Kurumu (TÜİK) ulusal düzeyde çalışmalar kapsamında 2015 yılında 11 boyut ve 41 göstergeden oluşan illerde yaşam endeksi çalışmasını gerçekleştirmiştir. Yaşam endeksi çalışmasında boyutlar ve göstergeler hiyerarşik olarak eşit ağırlıklandırılarak genel endeks elde edilip iller sıralanmıştır. Bu çalışmada, yaşam endeksi verilerindeki 11 boyut kriter olarak dikkate alınarak önem ağırlıklarının belirlenmesi ve illerin yaşam endeksleri açısından sıralanması amaçlanmıştır. Kriterler sürdürülebilir kalkınmanın sosyal, ekonomik ve çevresel boyutları açısından gruplandırılarak değerlendirilmiştir. Değerlendirme için farklı meslek gruplarına mensup beş kişiden uzman ekip oluşturulmuştur. Küresel Bulanık Analitik Hiyerarşi Prosesi (KB-AHP) yöntemiyle değerlendirmeler yapılarak kriter ağırlıkları elde edilmiştir. Kriterlere ilişkin değerlendirmelerde sosyal boyutun ekonomik ve çevresel boyuta göre daha önemli olduğu görülmüştür. Sosyal boyutta eğitim kriterinin diğer kriterlere göre; ekonomik boyutta ise gelir ve servet kriterinin çalışma hayatı kriterine göre daha yüksek öneme sahip olduğu gözlemlenmiştir. Elde edilen ağırlıklar kullanılarak CoCoSo ve TOPSIS yöntemleriyle illerin sıralamaları yapılmıştır. CoCoSo yöntemine göre ilk sıradaki il Isparta olurken, TOPSIS yönteminde ilk sırada İstanbul yer almıştır. Son olarak duyarlılık analizi ile nihai sıralamanın esnekliği değerlendirilmiştir.
Gıda güvenliğinin sağlanmasında görüntü işleme uygulaması
Gıda güvenliği yönetiminin etkin bir şekilde sağlanmasının temelinde iyi hijyen uygulamaları bulunmaktadır. Gıda işletmecileri, iyi hijyen uygulamaları için kimyasal, biyolojik ve fiziksel nedenlerden kaynaklı her türlü bozulma ve bulaşmaya sebep olan etkenin farkında olmalı ve tüketicinin sağlığını korumak için gerekli önlemleri alarak gıda hijyenini sağlamalıdır. Gıda hijyeninin sağlanarak gıda kaynaklı sorunların önlenmesinde temizlik ve sterilizasyon, atık yönetimi, ekipman bakımı ve kontrolü, personelin kişisel hijyeni gibi iyi hijyen uygulamaları yer almaktadır. Bu kapsamda personelin kişisel koruyucu ekipman (KKE) kullanımı gıda güvenliğini sağlama hususunda başvurulan temel önleyici tedbirler arasında ele alınmaktadır. Tüm personelin hijyen açısından işe uygunluğunu temin etme yönetimin sorumluluğundadır. Yemek hazırlık ve servis alanlarında önlük, eldiven, şapka ve maske gibi KKE'lerin personel tarafından kullanımı süreklilik esasına dayandırılmalıdır. İnsanların çoğu kontrol edildiğini bildiğinde kurallara uyma konusunda daha fazla özen gösterdiğinden bu konuda personel takibi önem arz etmektedir. Ancak söz konusu takibin sürekliliği zor olup, kimi zaman ekstra iş yükü getirebilmektedir. Yapay zekanın gelişmesiyle birlikte görüntü işleme uygulamaları, otomatik ve süreklilik esasına dayalı kontrolün gerçekleştirilmesinde büyük fayda sağlamaktadır. Tez çalışması kapsamında, restoran mutfaklarında gıdaların hazırlık ve pişirme aşamalarında gıda güvenliği ve hijyenini sağlamak için personel tarafından KKE kullanımı ile ilgili uygunsuzlukların görüntü işleme teknolojisi kullanılarak tespit edilmesi hedeflenmiştir. Bunun sağlanması için gerçek zamanlı, hızlı işlem gücüne ve yüksek doğruluk oranlarına sahip derin öğrenme tabanlı Yolo algoritması tercih edilmiştir. Çalışmada maske, üniforma, eldiven ve şapka gibi gıda sektöründe kullanılan KKE'ler farklı epoch sayılarında Yolov5, Yolov8 ve Yolov9 nesne tespit algoritmaları kullanılarak tespit edilmiştir. En iyi sonuçlar Yolov9 algoritması kullanılarak elde edilmiş olup %88,5 kesinlik, %90,9 duyarlılık, %92,7 mAP değerine ulaşılarak yüksek bir başarı sağlanmıştır.