KUMAŞ HATA TESPİTİ İÇİN YAPAY ÖĞRENME TABANLI BİR YAKLAŞIM ÖNERİSİ: BÜYÜK ÖLÇEKLİ BİR DENİM KONFEKSİYON FİRMASINDA UYGULANMASI VE HATA KAYNAKLI KARBON AYAK İZİ HESAPLAMA

Abstract

Bu çalışmada, büyük ölçekli bir denim konfeksiyon işletmesine ait üretim ve kalite kontrol kayıtları kullanılarak kumaş hata düzeylerinin makine öğrenmesi yöntemleriyle sınıflandırılması ve hata kaynaklı yeniden işlem faaliyetlerinin karbon ayak izi üzerindeki etkisinin hesaplanması amaçlanmıştır. Çalışma kapsamında 652 gözlemden oluşan veri seti kullanılmış; pamuk oranı, geri dönüştürülmüş lif oranı, polyester oranı, elastan oranı ve diğer lifler oranı bağımsız değişkenler olarak değerlendirilmiştir. Kumaş hata adedi iki farklı sınıflandırma yapısına dönüştürülmüş; iki sınıflı yaklaşımda gözlemler “Normal” ve “Yüksek”, üç sınıflı yaklaşımda ise “Düşük”, “Orta” ve “Yüksek” hata düzeyleri olarak ele alınmıştır. Sınıflandırma sürecinde KNN, Random Forest, Cost-Sensitive Random Forest, RUSBoost, Bagged Trees, Decision Tree, Naive Bayes, Boosting, SVM-RBF, LDA, Logistic Regression, Linear SVM, ANN ve alt uzay tabanlı modeller karşılaştırılmıştır. Model performansları accuracy, precision, recall ve F1-score ölçütleriyle değerlendirilmiştir. Ayrıca Shapiro-Wilk normallik testiyle korelasyon analizinde kullanılacak değişkenlerin dağılım özellikleri incelenmiş; normal dağılım varsayımının sağlanmaması nedeniyle lif oranları ile kumaş hata adedi arasındaki ilişki Spearman korelasyon analiziyle değerlendirilmiştir. Random Forest temelli değişken önem analiziyle lif oranlarının model içindeki göreli katkıları belirlenmiştir. Bulgulara göre iki sınıflı yaklaşımda en yüksek F1-score değeri RUSBoost modelinde 0,4883 olarak hesaplanmıştır. Bu modelde accuracy 0,6979, precision 0,4215 ve recall 0,5802 olarak belirlenmiştir. Üç sınıflı yaklaşımda da en başarılı model RUSBoost olmuş, bu modelde accuracy 0,4586, precision 0,4660, recall 0,4584 ve F1-score 0,4589 olarak hesaplanmıştır. Spearman korelasyon analizinde lif oranları ile kumaş hata adedi arasında istatistiksel olarak anlamlı ve güçlü bir ilişki bulunmamıştır. Buna karşılık değişken önem analizinde en yüksek katkı COT oranında elde edilmiş; değişken önem sıralaması COT oranı, EA oranı, Diğer lifler oranı, Recycle oran ve PES oranı şeklinde gerçekleşmiştir. Karbon ayak izi hesabında toplam 31.943 kumaş hatasının 559 saat ek rework süresi, 5.590 kWh ek elektrik tüketimi ve yaklaşık 2,34 ton CO2e/yıl düzeyinde karbon etkisi oluşturduğu belirlenmiştir. Elde edilen sonuçlar, denim konfeksiyon üretiminde kalite hatalarının yalnızca üretim verimliliği açısından değil, enerji tüketimi ve karbon emisyonu açısından da ölçülebilir etkiler oluşturduğunu göstermektedir.