Prediction of production wastage via data mining

Abstract

Üretim sistemlerinde verimlilik en önem verilen kriterlerden biridir. Üretimde yaşanan kayıp, fire miktarı ile doğru orantılıdır ve fire verimliliği azaltır. Üretim sürecinin dinamizmine bağlı olarak şirket tarafından belirlenen kabul edilebilir bir fire oranı olabilir. Bu çalışma bir ambalaj üretim firmasının belirlediği kabul edilebilir fire miktarı üzerindeki fireyi veri analizi yöntemlerini kullanarak tahmin edebilmeyi araştırmaktadır. Bu şirkette dikkate alınan 2 çeşit fire vardır. Bunlar setup firesi ve üretim firesidir. Setup firesi, makineyi ve ürünleri üretime hazırlarken ortaya çıkar. Aynı kaynaklar kullanılarak değiştirilmesi kolay değildir. Setup miktarı bu çalışma için %15 olarak belirlenmiştir. Ek olarak, çalışmanın detaylarında, belirlenen miktar aralığı daraltılarak daha detaylı tahminleme yapılmıştır. İlk analiz için tahminleme yapılan değer yes, no olarak belirlenmiştir. Fire yüzdesi %15 ten küçük ise no, büyük ise yes denilmiştir. Tahmin edilecek fire aralığı genişletilirken gruplar üçe ayrılarak S, M, L olarak belirlenmiştir. Fire miktarı %14 ten küçükse S, %14-%16 arasında ise M, %16 dan büyükse L olarak belirtilmiştir. Üretim parametrelerinin fire üzerindeki etkisini gözlemlemek amacıyla her grup için 10 tane version yaratılmıştır. Versiyonlar farklı üretim parametrelerini içerektedir. 20 algoritma bu 20 veri setine uygulanmıştır. Çalışmanın sonucunda, fire oranı yüzde 15 kabul edildiğinde ve yüzde 14 – 16 aralığında kırılım dikkate alınarak analiz yapıldığında NaiveBayes algoritmasının Grup1 ve Grup2 nin 4. versiyonlarında en iyi sonucu ürettiği gözlemlenmiştir. Bu ay ve müşteri bilgisinin fireyi diğer üretim parametreleri kadar çok etkilemediğini gösterir.Anahtar Kelimeler: üretim sistemleri, veri analizi, fire, üretim parametreleri

Efficiency is the most important criteria in production systems. The more wastage rate means the less efficiency in the production. However, companies accept wastage to some extent due to dynamism of production. There are two wastage types in production such as setup wastage and production wastage. Setup wastage is not changeable without changing resources. It occurs while preparing materials and machines to the production. This part forms fifteen percent of the total wastage in this study. Therefore, the acceptable wastage is fifteen percent. This research aims to estimate the wastage rate of a packaging company by using data mining methods. In addition, the wastage rate range is decreased gradually in order to make more accurate estimations. The predicted result is specified as yes, no. If the wastage range is less than 15%, the prediction is no, otherwise yes. In the second analysis, the range is divided to three categories to make prediction more specific which are S, M, L. If the wastage rate is less than 14% it is defined as S. If the wastage is between 14% and 16%, the prediction is M and if it is more than 16%, then it is L. In order to investigate the effect of the parameters in production, 10 versions are generated for each group. Each version has different production parameters. Twenty algorithms are applied these twenty data sets.As a result of the study, either the range limit is taken as 15% or in the range of 14% and 16% same results are obtained. Naïve Bayes algorithm with version 4 has the best result for Group1 and Group2. It shows that the wastage is not related with month and customer information as much as other parameters.Key Words: production systems, data mining, wastage, production attributes