ÖzGeleceğin üretim sektörünü geleneksel olandan ayırt eden otonom robotlar, nesnelerin interneti ve veri analitiği teknolojileri olacaktır. Bu hedefler doğrultusunda kurumsal dönüşüm süreçleri gerçekleştirilecektir. Buna karşılık ülkemiz de birçok küçük ve orta ölçekli üretici, üretim süreçlerinde üretim verilerini hala kâğıtlara kaydederek sakladığı görülmektedir. Bunun sonucunda tüm bu saklanan veriler karar verme süreçlerine de dâhil edilememektedir. Verilerin otomasyonlar kullanılarak dijital ortamda tutulması ve rapor edilmesine yönelik birçok çalışma bulunmasına rağmen verilerin anlık olarak analiz edilip raporlanmasına yönelik çalışma bulunmamaktadır. Anlık veri analizi kullanarak üretim süreçlerinde takip edilebilirliği arttırmak ve bu sayede üretim performansını ve verimliliğin arttırılması amaçlanmaktadır. Çalışma kapsamında üretim süreçlerinde etkinliğin artırılmasına yönelik gömülü sistemler kullanılmış ve uygulama geliştirilmiştir. Yeni sistemin verimliliğinin ölçülmesi için performans verileri ve maliyet verileri kullanılmıştır. Sonuç olarak yeni sistemin kullanıldığı tezgâh aynı özelliklere sahip diğer tezgâha göre daha yüksek bir üretim artışı göstermiştir. Elde edilen sonuçlara göre üretim sürecinde iş akışını ve zaman yönetimini ve karar alma süreçleri iyileştirilecektir. AbstractAutonomous robots, internet of things and data-analysis technologies will be the distinguishing factors between the future manufacturing industry and the traditional one. On the other hand, many small and medium-sized production companies in Turkey seem to keep their production records on paper within their production processes. As a result, all these stored data cannot be included in the decision-making process. Although there are many studies about storing and reporting data in digital environment using automations, there is no study to analyze and report data instantaneously. This study aims to increase traceability in production processes by using instantaneous data analysis and to increase production performance and productivity as a result of this increment. In the scope of the study, embedded systems were used and an application was developed to increase efficiency in production processes. Performance data has been used to measure productivity in production processes. As a result, the machine in which the new system was used showed a higher production increase than the other machine with the same characteristics. According to these results the workflow, time management and decision making processes can be improved.
Günümüzde imalat sektöründe bulunan şirketlerin, üretim performansını, miktarını ve diğer değişkenleri tahmin edebilmesi rekabet ortamında rakiplerine ciddi bir avantaj sağlamalarına sebep olmaktadır. Üretim miktarlarının tahmin edilmesi tesisin gelecekteki giderlerini, üretim tezgâhlarındaki hata oranlarını ve karşılaşılacak krizlerin önceden tespit edilmesini sağlayarak verimlilik (etkililik) artışı sağlanmasına olanak tanımaktadır. Bu kapsamda talaşlı imalat sektöründe üretim performansının zaman serisi analizi kullanılarak yüksek doğrulukla ve hızlı bir şekilde tahmin edilmesi amaçlanmaktadır. Bunun için AR ve ARIMA metotları karşılaştırılarak uygun model seçimi gerçekleştirilmiştir. Seçilen model kullanılarak gerçeğe yakın tahmin değerlerine ulaşılmıştır. Modellenmiş üretim performansı değerinin üretim miktarı, üretim tonajı, üretilen parça başı ağırlık, kalıp revizyon süresi ve bakım arıza süresi değerlerinin her biri ile polinom regresyon yöntemi ile analizi yapılıp model oluşturulmuş ve performans tahmin değerinden yola çıkarak bu değerlerin her birisi için ileriye dönük tahmin edilmiştir. Bu modelin test MSE (Ortalama Karesel Hata), RMSE (Ortalama Karesel Hatanın Karekökü) ve MAPE (Ortalama Mutlak Hata yüzdesi) değerleri hesaplanmıştır. Elde edilen tahmini performans değerinden belirli ortalama hata payları ile tezgâhlarda üretilen adet sayısı, tonaj miktarı, bakım-arıza süresi, kalıp revizyon süresi, adet başı tonaj oranı gibi diğer verilerle ile ilgili tahminlerin yapılması sağlanmıştır.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.