İstatistiksel kalite kontrol kartlarında yapay sinir ağları ile örüntü tanıma
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: CANER KONUK
Danışman: Burcu Hüdaverdi
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:İstatistiksel kalite kontrolü, veriye dayalı süreçlerden elde edilen ürünler veya hizmetler için kalite kontrol standartlarına uygunluğun ölçülmesini sağlayan bir yaklaşımdır. Kontrol kartları ise istatistiksel kalite kontrol yöntemlerinden birisidir. Kontrol kartları, süreçlerde ilgilenilen kalite karakteristiklerine göre sürecin görsel bir görünümünü sunmaktadır. Dolayısıyla, ilgili süreç için kontrol kartlarında ortaya çıkan örüntülerin incelenmesi sürecin kararlılığı açısından büyük önem taşımaktadır. Bu çalışmanın asıl amacı, temel kontrol kartı örüntülerine ek olarak eş zamanlı kontrol kartı örüntülerinin de yapay sinir ağı modelleri ile tanınmasının gerçekleştirilmesidir. Literatür incelendiğinde çoğu yapay sinir ağı yöntemi içeren çalışmada sadece temel örüntülerin tanınmasının gerçekleştirildiği ve eşzamanlı örüntüler için ise çoğunlukla derin öğrenme yöntemlerinin kullanıldığı görülmektedir. Dolayısıyla, bu çalışmanın bir diğer amacı ise çok katmanlı algılayıcı ve öğrenmeli vektör kuantizasyon, yapay sinir ağı modellerinin eşzamanlı örüntüler açısından ortaya koydukları örüntü tanıma performanslarının da detaylıca incelenmesini sağlamaktır. Bu çalışmada, kontrol kartlarında örüntü tanıma literatüründeki iki güçlü yapay sinir ağı modeli olan çok katmanlı algılayıcı ve öğrenmeli vektör kuantizasyon modelleri kullanılarak 7 temel ve 9 eşzamanlı örüntü olmak üzere toplamda 16 adet Shewhart kontrol kartı örüntüsü için kontrol kartı örüntü tanıma çalışması gerçekleştirilmiştir. Elde edilen sonuçlar detaylı olarak incelenmiş ve en iyi örüntü tanıyıcı modelinin belirlenmesi sağlanmıştır. Ayrıca sonuçlara göre kontrol kartı örüntü tanıma literatüründe sıkça kullanılan bu iki yapay sinir ağı modelinin detaylı olarak karşılaştırılması ve yorumlanması gerçekleştirilmiştir.