Seyrek Öğe Seti Madenciliği Kullanılarak Otomotiv Sektöründe Dişli Üretimi Duruşlarında Anomali Tespiti-Reference-Cited by-同舟云学术

Seyrek Öğe Seti Madenciliği Kullanılarak Otomotiv Sektöründe Dişli Üretimi Duruşlarında Anomali Tespiti

Published:2022-10-19 Issue: Volume: Page:
ISSN:2587-1943
Container-title:International Journal of Innovative Engineering Applications
language:en
Short-container-title:ijiea, IJIEA

Author:

AKDAŞ Devrim Naz¹,BIRANT Derya²,YILDIRIM TAŞER Pelin³

Affiliation:

1. Dokuz Eylül University, Graduate School of Natural and Applied Sciences

2. Dokuz Eylul University, Department of Computer Engineering

3. Izmir Bakircay University, Department of Computer Engineering

Abstract

Üretimdeki duruşlar üretkenliği önemli ölçüde etkiler ve duruşların analizi başarılı ve esnek üretim için gereklidir. Üretim alanında makine duruşları ile ilgili bazı sınıflandırma ve regresyon çalışmaları yapılmış olsa da, şimdiye kadar mevcut duruş çalışmalarında seyrek öğe kümesi madenciliği (RIM) tekniği hiç uygulanmamıştır. Ayrıca, RIM kullanılarak otomotiv sektöründe dişli üretimi duruşlarında anomali tespiti henüz keşfedilmemiştir. Bu boşluğu doldurmak için, bu çalışma, iş makinelerinin dişli imalatı duruşlarındaki anomalileri tespit etmek için ilk kez RIM yönteminin uygulanmasını önermektedir. Bu çalışmada, duruşlardaki anomalileri gösteren seyrek öğe kümelerini keşfetmek için iş makinelerinin dişli imalatındaki duruşlarından oluşan gerçek dünya veri seti üzerinde Rare Pattern Growth (RP-Growth) algoritması yürütülmüştür. Deneylerde, farklı minimum destek (minsup) ve minimum seyrek destek (minraresup) eşik değerleri kullanılarak duruş verilerindeki seyrek öğe kümeleri (anomaliler) tespit edilmiştir. Elde edilen sonuçlar ayrıca öğe kümesi sayısı, yürütme süresi ve maksimum bellek kullanımı açısından da değerlendirilmiştir. Deneysel sonuçlar, Seyrek Öğe Seti Madenciliği ile Anomali Tespiti (ADRIM) isimli önerilen yaklaşımın, makine duruşlarındaki anomalieri tespit etmek için etkili bir yöntem olduğunu ve özellikle otomotiv sektöründe üretim alanında başarıyla kullanılabileceğini göstermektedir.

Publisher

International Journal of Innovative Engineering Applications

Subject

Applied Mathematics,General Mathematics

Reference23 articles.

1. Patale, G., Turukmane, R., Gulhane, S., Kolte, P., & Gupta, K. K. (2021). Causes of machine down time and its impact on nylon manufacturing process. Man-Made Textiles in India, 49(5), 158-160.

2. Böhmer, K., & Rinderle-Ma, S. (2020). Mining association rules for anomaly detection in dynamic process runtime behavior and explaining the root cause to users. Information Systems, 90, 101438.

3. Taşer, P. Y., Birant, K. U., & Birant, D. (2020). Multitask-based association rule mining. Turkish Journal of Electrical Engineering & Computer Sciences, 28(2), 933-955.

4. Mucchielli, P., Bhowmik, B., Ghosh, B., & Pakrashi, V. (2021). Real-time accurate detection of wind turbine downtime-An Irish perspective. Renewable Energy, 179, 1969-1989.

5. Wang, D. J., Liu, F., & Jin, Y. (2019). A proactive scheduling approach to steel rolling process with stochastic machine breakdown. Natural Computing, 18(4), 679-694.