Publication:
Investigating the effect of feature selection methods on the success of overall equipment effectiveness prediction

dc.contributor.authorYılmaz, Ümit
dc.contributor.authorKuvat, Özlem
dc.date.accessioned2024-04-25T08:10:27Z
dc.date.available2024-04-25T08:10:27Z
dc.date.issued2023-07-13
dc.description.abstractOverall equipment effectiveness (OEE) describes production efficiency by combining availability, performance, and quality and is used to evaluate production equipment’s performance. This research’s aim is to investigate the potential of the feature selection techniques and the multiple linear regression method, which is one of the machine learning techniques, in successfully predicting the OEE of the corrugated department of a box factory. In the study, six different planned downtimes and information on seventeen different previously known concepts related to activities to be performed are used as input features. Moreover, backward elimination, forward selection, stepwise selection, correlation-based feature selection (CFS), genetic algorithm, random forest, extra trees, ridge regression, lasso regression, and elastic net feature selection methods are proposed to find the most distinctive feature subset in the dataset. As a result of the analyses performed on the data set consisting of 23 features, 1 output and 1204 working days of information, the elastic net - multiple linear regression model, which selects 19 attributes, gave the best average R2 value compared to other models developed. Occam's razor principle is taken into account since there is not a great difference between the average R2 values obtained. Among the models developed according to the principle, the stepwise selection - multiple linear regression model yielded the best R2 value among those that selected the fewest features.en_US
dc.description.abstractToplam ekipman etkinliği (TEE); kullanılabilirliği, performansı ve kaliteyi birleştirerek üretim etkinliğini tanımlamaktadır ve üretim ekipmanının performansını değerlendirmek için kullanılmaktadır. Bu araştırmanın amacı, bir kutu fabrikasının oluklu mukavva departmanının TEE’sinin başarılı bir şekilde tahmin etmede, öznitelik seçim tekniklerinin ve makine öğrenmesi tekniklerinden biri olan çoklu doğrusal regresyon yönteminin potansiyelini araştırmaktır. Çalışmada girdi öznitelikleri olarak altı farklı planlı duruş süresi ve onyedi farklı gerçekleşecek faaliyetlere ilişkin önceden bilinen kavramlara ilişkin bilgiler kullanılmıştır. Ayrıca veri kümesinde en ayırt edici özellik alt kümesini bulmak için geriye doğru eleme, ileri doğru seçim, adımsal seçim, korelasyon tabanlı öznitelik seçim, genetik algoritma, rastgele orman, ekstra ağaç, ridge regresyon, lasso regresyon ve elastik net öznitelik seçim yöntemlerinden faydalanılmıştır. 23 öznitelikten, 1 çıktıdan ve 1204 iş günlük bilgiden oluşan veri seti üzerinde yapılan analizler neticesinde 19 adet öznitelik seçen elastik net – çoklu doğrusal regresyon modeli, geliştirilen diğer modellere kıyasla en iyi ortalama R2 değerini vermiştir. Elde edilen ortalama R 2 değerleri arasında çok büyük bir fark olmaması dolayısıyla Occam’ın usturası ilkesi dikkate alınmıştır. İlkeye göre geliştirilen modellerden en az öznitelik seçenler arasında en iyi R2 değerini stepwise selection - çoklu doğrusal regresyon modeli vermiştir.tr_TR
dc.identifier.citationYılmaz, Ü. ve Kuvat, Ö. (2023). ''Investigating the effect of feature selection methods on the success of overall equipment effectiveness prediction'. Ülüdağ Üniversitesi Mühendislik Fakültesi Dergisi, 28(2), 437-452.tr_TR
dc.identifier.doihttps://doi.org/10.17482/uumfd.1296479
dc.identifier.endpage452
dc.identifier.issue2
dc.identifier.startpage437
dc.identifier.urihttps://dergipark.org.tr/tr/pub/uumfd/issue/79446/1296479
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/3140085
dc.identifier.urihttps://hdl.handle.net/11452/41256
dc.identifier.volume28
dc.language.isoenen_US
dc.publisherBursa Uludağ Üniversitesitr_TR
dc.relation.journalUludağ Üniversitesi Mühendislik Fakültesi Dergisitr_TR
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectMachine learningen_US
dc.subjectOverall equipment effectivenessen_US
dc.subjectFeature selectionen_US
dc.subjectÖznitelik seçimitr_TR
dc.subjectMakine öğrenmesitr_TR
dc.subjectToplam ekipman etkinliğitr_TR
dc.titleInvestigating the effect of feature selection methods on the success of overall equipment effectiveness predictionen_US
dc.title.alternativeÖznitelik seçim yöntemlerinin toplam ekipman etkinliği tahmin başarısı üzerindeki etkisinin araştırılmasıtr_TR
dc.typeArticleen_US
dspace.entity.typePublicationen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
28_2_7.pdf
Size:
881.21 KB
Format:
Adobe Portable Document Format