Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi
Yıl: 2018 Cilt: 24 Sayı: 4 Sayfa Aralığı: 713 - 719 Metin Dili: Türkçe DOI: 10.5505/pajes.2017.37267 İndeks Tarihi: 12-09-2019
Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi
Öz: Günümüzde bilgisayar teknolojisi hızla ilerlemekte, bilgisayarkapasiteleri artmakta, bu da bilgi kaydı yapılan alan sayısını artırarakveriye ulaşmayı kolaylaştırmaktadır. Ancak üretilen ve kaydedilenveriler tek başlarına bir anlam ifade etmemekte, belli bir amaçdoğrultusunda işlendiği zaman anlamlı hale gelmektedir. Ham veriyianlamlı bilgiye dönüştürme işlemleri ise veri madenciliği ileyapılabilmektedir. Bu çalışmada bir iplik üretim tesisinde verimadenciliği yöntemlerinden biri olan sınıflandırma ile kural çıkarımıgerçekleştirilmiştir. Sınıflandırma öncesinde iplik kalitesine etki edennitelikler belirlenmiş, Taguchi deneysel tasarım yöntemi ile etkinnitelikler tespit edilerek nitelik seçimi yapılmıştır. Kural çıkarımıaşaması ise hem yanlış sınıflandırma hataları sayısını en küçüklemeyiamaçlayan maliyete-duyarsız, hem de beklenen yanlış sınıflandırmamaliyetini en küçüklemeyi amaçlayan maliyete-duyarlı sınıflandırmaşeklinde uygulanmıştır. Sınıflandırma ile kural çıkarımı için Weka3.8.1 ve MT-VeMa 1.0 paket programları kullanılmıştır. Elde edilenkurallar, kaliteli iplik üretimi için işletmeye yol gösterici özellikteolmuştur. Bu çalışma ile veri madenciliği ve deneysel tasarımuygulamalarının, bir tekstil şirketinde gerçek verilerle nasıl sonucaulaştığı gösterilmiş ve ilgili sürece katkıda bulunulmuştur.
Anahtar Kelime: Determining the yarn quality by feature selection and classification in a yarn production facility
Öz: Nowadays, computer technology is rapidly advancing, computer capacities are increasing, which makes it easier to reach the database by increasing the number of information recording areas. However, when the produced and recorded data are meaningless on their own, they become meaningful when processed for a certain purpose. Converting raw data to meaningful information can be done by data mining. In this study, rule extraction is realized in a yarn production facility by classification which is one of the data mining methods. Prior to classification, the features that affect the yarn quality are determined, and feature selection is realized by choosing the effective features by Taguchi experimental design method. Rule extraction phase is applied for both cost-insensitive classification that aims to minimize the number of misclassification errors and cost-sensitive classification that aims to minimize the expected misclassification cost. For rule extraction Weka 3.8.1 and MT-VeMa 1.0 package programs are used. The resulting rules guide the firm for producing qualified yarns. This study presents how data mining and experimental design applications at a textile firm have been achieved with actual data and the contributions to the processes of the firm.
Anahtar Kelime: Belge Türü: Makale Makale Türü: Derleme Erişim Türü: Erişime Açık
- Kalikov A. Veri Madenciliği ve Bir e-ticaret Uygulaması. Yüksek Lisans Tezi, Gazi Üniversitesi, Ankara, Türkiye, 2006.
- Thuraisingham BM. Web Data Mining and Applications in Business Intelligence and Counter Terrorism. Boca Raton, FL, USA, CRC Press LLC, 2003.
- Zhou Z. “Three perspectives of data mining”. Artificial Intelligence, 143(1), 139-146, 2002.
- Savaş S, Topaloğlu N, Yılmaz M. “Veri madenciliği ve Türkiye’deki uygulama örnekleri”. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 21, 1-23, 2012.
- İnan O. Veri Madenciliği. Yüksek Lisans Tezi, Selçuk Üniversitesi, Konya, Türkiye, 2003.
- Ye N. The Handbook of Data Mining. 1 st ed. Mahwah, NJ, USA, Lawrence Erlbaum, 2003.
- Ranjit KR. A primer on the Taguchi method. New York, USA, Van Nostrand Reinhold, 1990.
- Güral G. Gaz kaynağında proses parametrelerinin optimizasyonu. Yüksek Lisans Tezi, Dokuz Eylül Üniversitesi, İzmir, Türkiye, 2003.
- Lee JH, Yeh WC, Chuang MC. “Web page classification based on a simplified swarm optimization”. Applied Mathematics and Computation, 270, 13-24, 2015.
- Chuang LY, Yang CH, Wu KC, Yang CH. “A hybrid feature selection method for DNA microarray data”. Computers in Biology and Medicine, 41, 228-237, 2011.
- Kim YJ, Heo J, Park KS, Kim S. “Proposition of novel classification approach and features for improved real- time arrhythmia monitoring”. Computers in Biology and Medicine, 75, 190-202, 2016.
- Tapkan P, Özbakır L, Baykasoğlu A, Kulluk S. “A cost sensitive classification algorithm: BEE-Miner”. Knowledge-Based Systems, 95, 99–113, 2016.
- Zadrozny B, Elkan C. “Learning and making decisions when costs and probabilitiesare both unknown”. 7 th International Conference on Knowledge Discovery and Data Mining, San Francisco, CA, USA, 26-29 August 2001.
- Tapkan P, Özbakır L, Baykasoğlu A. “Weka ile veri madenciliği süreci ve örnek uygulama”. Endüstri Mühendisliği Yazılımları ve Uygulamaları Kongresi, İzmir, Türkiye, 30 Eylül -1/2 Ekim 2011.
- Frank E, Witten IH. “Generating accurate rule sets without global optimization”. 15 th International Conference on Machine Learning, Madison, Wisconsin, USA, 24-27 July 1998.
- Quinlan JR. C4.5: Programs for Machine Learning. San Francisco, CA, USA, MorganKaufmann, 1993.
- Breiman L, Friedman J, Stone CJ, Olshen RA. Classification and Regression Trees. Monterey, California, USA, Wadsworth, 1984.
- Cohen W. “Fast effective rule induction”. 12 th International Conference on Machine Learning, Tahoe City, California, USA, 9-12 July 1995.
- Kohavi R. “Scaling up the accuracy of naive-bayes classifiers: A decision-tree hybrid”. 2 nd International Conference on Knowledge Discovery and Data Mining, Portland, Oregon, USA, 2–4 August 1996.
- Kohavi R. “The power of decision tables”. 8 th European Conference on Machine Learning, Heraclion, Crete, Greece, 25-27 April 1995.
- Domingos P. “MetaCost: A general method for making classifiers cost-sensitive”. 5 th International Conference on Knowledge Discovery and Data Mining, San Diego, CA, USA, 15-18 August 1999.
- Kulluk S, Özbakır L, Baykasoğlu A, Tapkan P. “Cost- sensitive meta-learning classifiers: MEPAR-miner and DIFACONN-miner”. Knowledge-Based Systems, 98, 148–161, 2016.
- Pham DT, Ghanbarzadeh A, Koç E, Otri S, Rahim S, Zaidi M. “The bees algorithm-A novel tool for complex optimisation problems”. Proceedings of Innovative Production Machines and Systems Virtual Conference, Cardiff, UK, 3–14 July 2006.
| APA | TAPKAN P, ÖZMEN T (2018). Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. , 713 - 719. 10.5505/pajes.2017.37267 |
| Chicago | TAPKAN PINAR ZARİF,ÖZMEN Tayfun Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. (2018): 713 - 719. 10.5505/pajes.2017.37267 |
| MLA | TAPKAN PINAR ZARİF,ÖZMEN Tayfun Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. , 2018, ss.713 - 719. 10.5505/pajes.2017.37267 |
| AMA | TAPKAN P,ÖZMEN T Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. . 2018; 713 - 719. 10.5505/pajes.2017.37267 |
| Vancouver | TAPKAN P,ÖZMEN T Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. . 2018; 713 - 719. 10.5505/pajes.2017.37267 |
| IEEE | TAPKAN P,ÖZMEN T "Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi." , ss.713 - 719, 2018. 10.5505/pajes.2017.37267 |
| ISNAD | TAPKAN, PINAR ZARİF - ÖZMEN, Tayfun. "Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi". (2018), 713-719. https://doi.org/10.5505/pajes.2017.37267 |
| APA | TAPKAN P, ÖZMEN T (2018). Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 24(4), 713 - 719. 10.5505/pajes.2017.37267 |
| Chicago | TAPKAN PINAR ZARİF,ÖZMEN Tayfun Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi 24, no.4 (2018): 713 - 719. 10.5505/pajes.2017.37267 |
| MLA | TAPKAN PINAR ZARİF,ÖZMEN Tayfun Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, vol.24, no.4, 2018, ss.713 - 719. 10.5505/pajes.2017.37267 |
| AMA | TAPKAN P,ÖZMEN T Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi. 2018; 24(4): 713 - 719. 10.5505/pajes.2017.37267 |
| Vancouver | TAPKAN P,ÖZMEN T Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi. 2018; 24(4): 713 - 719. 10.5505/pajes.2017.37267 |
| IEEE | TAPKAN P,ÖZMEN T "Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi." Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 24, ss.713 - 719, 2018. 10.5505/pajes.2017.37267 |
| ISNAD | TAPKAN, PINAR ZARİF - ÖZMEN, Tayfun. "Bir iplik üretim tesisinde nitelik seçimi ve sınıflandırma ile iplik kalitesinin belirlenmesi". Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi 24/4 (2018), 713-719. https://doi.org/10.5505/pajes.2017.37267 |
