Toplam Ekipman Etkinliğine Etki Eden Faktörlerin Makine Öğrenim Yöntemleri ile Analizi

Autor: İlke Genç, Özgül Vupa Çilengiroğlu
Jazyk: English<br />Turkish
Rok vydání: 2024
Předmět:
Zdroj: Verimlilik Dergisi, Vol 58, Iss 2, Pp 171-184 (2024)
Druh dokumentu: article
ISSN: 1013-1388
2757-6973
DOI: 10.51551/verimlilik.1266852
Popis: 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.
Databáze: Directory of Open Access Journals
Externí odkaz: