Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13087/263
Title: Üretim sürecinin doğal dil işleme ile düzenlenmesi
Other Titles: Manufacturing process modeling with natural language processing
Authors: Öztürk, Gürkan
Ay, Hatice
Keywords: Endüstri ve Endüstri Mühendisliği
Industrial and Industrial Engineering
Issue Date: 2019
Publisher: Eskişehir Teknik Üniversitesi
Abstract: Doğal dil işleme, yapay zeka ve dilbiliminin alt bilimi olarak yer almakta ve doğal dillerdeki metinlerin, ses dalgalarının algılanarak yazılımlarda çözümlenmesi ve bilgisayar ortamına aktarılması olarak tanımlanmaktadır. Doğal dil işlemede girdiler metin veya ses olabilir. Birçok alanda uygulanan doğal dil işlemenin bir uygulama alanı olan metin işleme ise, istenilen amaç doğrultusunda metne ait kelimeleri sınıflandırarak veya kümeleyerek analiz için işlenmeye hazır hale getirme işlemidir. Gerçekleştirilen çalışmada doğal dil işleme ile üretim süreçlerinin modellenmesini sağlayacak bir program Python 3.7 kullanılarak yazılmıştır. Girdi olarak verilen metinde program metin işleme teknikleri ile metin üzerinde bir ön işleme gerçekleştirmektedir. Ardından üretimin hücre tipi, u tipi, atölye tipi veya seri üretim tiplerinden hangisi olduğunu belirlemekte ve buna uygun şekilde mevcut makineleri yerleştirip süreci modellemektedir. Daha sonra modellenen süreç kaydedilebilmekte/yazdırılabilmekte veya modellenen süreç üzerinden simülasyon aşamasına geçilebilmektedir. Simülasyon kısmında işlem sürelerine ait dağılım tipi ve parametre değerleri girilerek üretime ait çıktı miktarlarına ve makinelere ait kullanım oranlarına ulaşılmaktadır. Eğer veriye ait dağılım tipi bilinmiyor ise veri analizi kısmında verinin dağılım tipi Ki- kare ve Kolmogorov- Smirnov testleri kullanılarak belirlenebilmektedir. Çalışmanın amacı, üretim süreçlerinin modellenmesi ve simülasyonun gerçekleştirilmesi için, başka bir programa ihtiyaç duyulmadan, sadece sesli anlatım ile tüm sonuçların elde edilmesini sağlayacak bir program için başlangıç niteliğinde bir temel oluşturmaktır.
Natural language processing is a sub-science of artificial intelligence and linguistics and it is defined as the analysis of texts in natural languages, sound waves and their transfer to the computer environment. In natural language processing, the inputs can be text or sound. Text processing, which is an application area of natural language processing applied in many fields, is the process of getting ready for processing for analysis by classifying or clustering the words of the text for the desired purpose. In this study, a program that will enable the modeling of natural language processing and production processes was written using Python 3.7. In the text given as input, the program performs a preprocessing on the text with text processing techniques. It then determines which type of production is cell type, u type, workshop type or mass production type, and accordingly locates existing machines and models the process. Then the modeled process can be saved/printed or the simulation process can be started over the modeled process. In the simulation section, by entering the distribution type and parameter values of the process times, the output amounts of the production and the usage rates of the machines are reached. If the distribution type of the data is unknown, the distribution type of data can be determined using Chi-square and Kolmogorov-Smirnov tests. The study aims to provide an initial basis for a program that will provide all the results with only audio expression without the need for any other program for modeling and simulation of production processes.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=vjszP7PzV0HebcjFEvDfwFlc4Pv29EQfIUrKdpPqnBIC7AqE5icyEoTntDvAOHXx
https://hdl.handle.net/20.500.13087/263
Appears in Collections:Tez Koleksiyonu

Show full item record

CORE Recommender

Page view(s)

70
checked on Oct 3, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.