Kalıp üretim aşamalarının standart zamanlarının belirlenmesi
| dc.contributor.advisor | Özmutlu, Seda | |
| dc.contributor.author | Göklü, Gizem | |
| dc.contributor.department | Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Endüstri Mühendisliği Anabilim Dalı. | tr_TR |
| dc.date.accessioned | 2020-01-17T11:11:01Z | |
| dc.date.available | 2020-01-17T11:11:01Z | |
| dc.date.issued | 2013 | |
| dc.description.abstract | Üretim planlamanın başarılı şekilde gerçekleştirilebilmesi, üretim aşamalarının sürelerinin doğru şekilde tahmin edilebilmesine bağlıdır. Kalıpçılık sektöründe, üretilen ürün karmaşık ve üretim süreci uzun olduğu için üretim sürelerinin tahmin edilmesi özellikle zordur. Bu çalışma, kalıp üretim aşamalarının sürelerinin tespiti ve tahmini ile ilgilidir. Kalıp üretim aşamaları sürelerinin belirlenebilmesi için üretim süresini etkileyen kalıp teknik parametre değerlerinin tahmin edilebilmesi gereklidir. Bu sebeple bu çalışmada, kalıp üretim aşamalarının sürelerinin belirlenmesi amacına yönelik olarak kalıp teknik parametre değerlerinin tahmini için regresyon analizi ve yapay sinir ağları yaklaşımı olmak üzere iki farklı yaklaşım uygulanmıştır. Çalışmada, öncelikle kalıpların üretim süresine etki eden teknik parametreler belirlenmiş, parametrelerle ilgili veri analizine uygun bağımsız ve bağımlı değişkenlerin bir arada olduğu veri setleri hazırlanmıştır. Daha sonra bu veri setleri kullanılarak, regresyon analizi ve yapay sinir ağları metotları ile teknik parametre değerlerini tahmin etmek üzere tahmin modelleri geliştirilmiştir. Bu tahmin modelleri ile örnek bir uygulama yapılmış ve elde edilen süreler gerçek sürelerle karşılaştırılmıştır. | tr_TR |
| dc.description.abstract | The succesful realization of production planning depends on the correct time estimation of the stages of production. In die industry, the manufactured product is complicated and the manufacturing process is a long period of time, because of that, estimated of production time is especially difficult. This study is about the detection and prediction of the duration of the production stages of the die. For determining the duration of the stages of production die, prediction of the values of technique parameters which affects the duration of production time is required. Thus, in this study, for the purposes of determination of the duration time of die manufacturing stages, two different approaches which are regression analysis and artificial neural network were applied. In the study, firstly the technique parameters which affects the duration time of the die manufacturing were determined and then, about these parameters, the data sets which have the dependent and also independent variables were prepared in accordance with te data analysis. Thereafter, with these data sets, the prediction models were developed using the regression analysis and artificial neural network methods for the prediction of the technique parameters values. An application is implemented with the prediction models and the times which were obtained from the prediciton models and the real-times are compared. | tr_TR |
| dc.format.extent | VI, 91 sayfa | tr_TR |
| dc.identifier.citation | Göklü, G. (2013). Kalıp üretim aşamalarının standart zamanlarının belirlenmesi. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Fen Bilimleri Enstitüsü. | tr_TR |
| dc.identifier.uri | http://hdl.handle.net/11452/6327 | |
| dc.language.iso | tr | tr_TR |
| dc.publisher | Uludağ Üniversitesi | tr_TR |
| dc.relation.publicationcategory | Tez | tr_TR |
| dc.subject | Kalıp üretimi | tr_TR |
| dc.subject | Üretim süreleri tahmini | tr_TR |
| dc.subject | Regresyon analizi | tr_TR |
| dc.subject | Yapay sinir ağları | tr_TR |
| dc.subject | Die manufacturing | tr_TR |
| dc.subject | Estimating of manufacturing time | tr_TR |
| dc.subject | Regression analysis | tr_TR |
| dc.subject | Artificial neural networks | tr_TR |
| dc.title | Kalıp üretim aşamalarının standart zamanlarının belirlenmesi | tr_TR |
| dc.title.alternative | Determination of standart time in die manufacturing stages | tr_TR |
| dc.type | masterThesis | tr_TR |