Toplam Ekipman Etkinliğine Etki Eden Faktörlerin Makine Öğrenim Yöntemleri ile Analizi

Author:

Vupa Çilengiroğlu Özgül1ORCID,Genç İlke2ORCID

Affiliation:

1. DOKUZ EYLÜL ÜNİVERSİTESİ, FEN FAKÜLTESİ

2. DOKUZ EYLÜL ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ

Abstract

Amaç: Üretim sektöründeki bir firmanın 2018-2019 yılı orjinal verilerinden türetilmiş sıralı ölçekteki Toplam Ekipman Etkinliği (TEE) puanı üzerinde etkili olan değişkenlerin makine öğrenim algoritmaları ile modellenmesi, yorumlanması ve model performanslarının karşılaştırılması çalışmanın temel amacıdır. Yöntem: TEE puanının modellemesinde karar ağaçları (CART, CHAID), lojistik regresyon (LogR) ve yapay sinir ağları (YSA) kullanılmıştır. Kurulan modellerin performans değerleri “duyarlılık”, “seçicilik”, “kesinlik” ve “doğruluk” kriterlerine göre hesaplanmıştır. Modelleri yorumlarken karar ağaçları ve YSA sonuçları için yüzdelerden, LogR için odds oranından yararlanılmıştır. Bulgular: Modellerde TEE puanı üzerinde “saat”, “üretim”, “tecrübe” ve “kayıp metre” değişkenleri incelenmiştir. Performans karşılaştırmasında en iyi sonuç veren algoritmanın sıralı LogR olduğu ve bu modele göre üretimin düşük ve çalışanlarının daha az tecrübeli olduğu firmalarda daha “düşük” TEE puanı elde edilirken, kayıp metresi daha az olan firmalarda daha “yüksek” TEE” puanı alma şanslarının olduğu saptanmıştır. Özgünlük: Literatürde sürekli olarak modellenen TEE puanının kategorik hale getirilerek sınıflar arasındaki farklılığın belirlenmesiyle firmaların kendi konumlarını belirlemesi sağlanmıştır. Böylece firmalar kategorisini belirleyip seçilen modeldeki önemlilik sırasındaki faktörlerini değiştirerek bir üst kategoriye daha hızlı çıkabilecektir. Literatürde kategorik olanTEE puanını makine öğrenim algoritmaları ile çözümleyen modellerin olmaması bu çalışmanın özgünlüğü olarak belirlenmiştir.

Funder

yoktur

Publisher

Stratejik Arastirmalar ve Verimlilik Genel Mudurlugu Verimlilik Dergisi

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3