Line Balancing Based on Error Rate Estimation with Artificial Neural Networks in Assembly Line Operations
Özet
In this study, in the assembly line systems consisting of the operations in
interaction with each other; To reduce the number of faulty products, to prevent poor
quality and to reduce the production time, Error Ratio Estimation with Artificial Neural
Networks and probabilistic Line Balancing method have been performed. The error rate
estimation provides information on which jeans models should be applied in the
improvement work to eliminate existing errors in place. In the study, using the Levenberg
- Marquardt Learning Algorithm, machine learning was determined by the experimental
design method. At the same time, it has been used as an artificial intelligence algorithm in
the multi-directional decision making stages, estimation and line balancing parts. In
Assembly Line Equilibration, it has been aimed to re-stabilize the unbalanced line with
the influence of post-forecasting process recovery. The Probabilistic Line Balancing
method has been used because the processing times are stochastic (variable) and
statistical data and mathematical algorithms (digital algorithms can be created). When
the results are examined, a successful forecasting process has been carried out for two
different five-pocket jeans models which has been selected and it has been seen that the
work components of the probabilistic line balancing method enable it to be precisely
assigned to work stations. And it has given reliable results. Bu çalışmada birbiri ile etkileşim halinde olan operasyonlardan oluşan montaj
hattı sistemlerinde; Hatalı ürün sayısını azaltmak, kalitesizliği önlemek ve üretim süresini
azaltmak için Yapay Sinir Ağları ile Hata Oranı Tahmini ve olasılıksal Hat Dengeleme
yöntemi yapılmıştır. Hata oranı tahmini, mevcut hataları yerinde gidermek için
iyileştirme çalışmasında hangi kot modellerinin uygulanması gerektiği hakkında bilgi verir. Levenberg–Marquardt Öğrenme Algoritması kullanılarak yapılan çalışmada
deneysel tasarım yöntemiyle makine öğrenmesi belirlenmiştir. Aynı zamanda çok yönlü
karar verme aşamalarında, tahmin ve hat dengeleme kısımlarında yapay zekâ algoritması
olarak kullanılmıştır. Montaj Hattı Dengeleme ‘de, tahmin sonrası süreç iyileştirme etkisi
ile dengesiz hattın yeniden dengelenmesi amaçlanmıştır. İşlem süreleri stokastik
(değişken) ve istatistiksel veriler ve matematiksel algoritmalar (dijital algoritmalar
oluşturulabilir) olduğu için Probabilistic Hat dengeleme yöntemi kullanılmıştır. Sonuçlar
incelendiğinde seçilen iki farklı beş cepli kot pantolon modeli için başarılı bir tahmin
süreci gerçekleştirilmiş ve olasılıksal hat dengeleme yönteminin iş bileşenlerinin iş
istasyonlarına tam olarak atanmasını sağladığı ve güvenilir sonuçlar görülmüştür.
Cilt
10Sayı
1Bağlantı
https://hdl.handle.net/11363/4698Koleksiyonlar
Aşağıdaki lisans dosyası bu öğe ile ilişkilidir: