Kalite kontrolde yapay sinir ağlarının denetimsiz kullanımı üzerine bir deneme: Lokal ve Seyrek Darbeli Sinir Ağı


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, Türkiye

Tezin Onay Tarihi: 2019

Tezin Dili: Türkçe

Öğrenci: ÖZGÜR TAPAN

Danışman: Hakan Yıldırım

Özet:

Eko-verimlilik ve eko-etkinlik açısından sürdürülebilir bir ekonominin gerçekleştirilebilmesi yeni endüstriyel metotların geliştirilmesiyle mümkündür. Üretim süreçlerinde karşılaşılan kusurlar, kaynakların ürüne dönüşmesini engeller ve ürün kalitesini düşürerek ürünün yaşam ömrünü kısaltır. Eko-verimli bir üretim süreci kaynaklardan tamamen faydalanmalıdır. Uzman denetimine erişimin mümkün olduğu süreçlerde kalite kontrol yüksek bir doğrulukla uygulanabilse de karmaşık üretim süreçlerinde veya uzman denetimine erişimin mümkün olmadığı süreçlerde yeni bir kalite kontrol metoduna ihtiyaç duyulmaktadır. Bu çalışma kapsamında 3. nesil darbeli sinir ağları kullanılarak denetimsiz eğitilebilen bir kalite kontrol metodu tanıtılmıştır. Oluşturulan ağın, tekstil sektöründen alınan kusurlu ürün görsel verilerini denetimsiz bir şekilde tanımlayabildiği ve sınıflandırabildiği gözlemlenmiştir. -------------------- Performing sustainable economy in terms of eco-efficiency and eco-effectiveness is possible with development of new industrial methods. Defects encountered in manufacturing processes hinders processing resource into product and shorten product life span due to reduced product quality. An eco-efficient manufacturing process should be completely benefit from resources. Even quality control can be done in high accuracy when its possible to access to supervision of expert, a new quality control method is needed in complex manufacturing processes or in processes where access to supervision of expert is not possible. In the scope of this research, a quality control method that can be trainable in unsupervised manner which is using 3. generation spiking neural network was introduced. Introduced network's capability of describing and classifying defective product data images, that taken from textile industry, was observed.