ÜRETİM SÜREÇLERİNDE DOĞAL DİL İŞLEME KULLANILARAK MAKİNE ÖĞRENİMİ
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: ELİF MELİKE DEDELEROĞLU
Danışman: Ali Fuat Güneri
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Güncel teknolojik konulardan biri olan doğal dil işleme, insanoğluna pek çok alanda kolaylıklar sağlamayı amaçlamaktadır. Doğal dil işleme, yazılım kütüphanelerinin kullanılarak tasarlandığı uygulamalar ve sistemler ile makinelerin metinleri kontrol edebilmeleri, sözlü komutları anlayıp yönlendirmeleri ve kendi kendilerini eğiterek üretim süreçlerinde iyileştirmeler yapılmasına katkıda bulunmaktadır. Ancak doğal dil işleme gibi teknolojinin getirdiği kolaylıkların varlığı bilinmesine rağmen, günümüz dünyasında bu alandaki oluşumlar henüz yaygınlıkla kullanılmamaktadır. Doğal dil işleme algoritmaları ve makine öğrenimi algoritmaları bir arada çalıştırılarak sonuç alınmasına gayret edilmektedir. Bu bileşik algoritma çalışmalarıyla sistemlerin kalitesini belirlemede önemli ölçerler olarak tanımlanan üç temel unsur: 1) Güvenilirlik, 2) Sürdürülebilirlik, 3) Anında müdahale oldukça kolay hale gelmektedir. Bu ölçerlerin istenilen düzeyde süreklilik arz edebilmesi de peyder pey etkili kontroller ile mümkün olabilmektedir. Bu tezde makine öğrenimi ve doğal dil işleme algoritmalarının analiz edilmesi, birlikte kullanım alanlarının çıkarılması ve birlikte kullanılmak için en uygun yöntemlerin belirlenmesi amaçlanmıştır. Çalışma neticesinde üretim süreçlerinde analiz, tasarım, uygulama ve test aşamalarında hangi iyileştirmelerin, hangi algoritmalar kullanıldığında mümkün olacağı analiz edilmiştir. Ürün tasarımında müşteri taleplerinin işlenmesi ve önceliklendirilmesi için doğal dil işleme yöntemlerinden biri olan semantik analizin oldukça etkili sonuçlar verdiği, müşteri memnuniyetini yüksek oranda arttırdığı ve süreçleri kolaylaştırdığı gözlemlenmiştir. Proje yönetimi süreçlerindeki proje statülerinin güncellenmesinde KNN ve Naive Bayes sınıflandırma yöntemlerinin, projelerin statülerinin güncellenmesinde 'proje yöneticilerinin beyanlarına' olan bağlılığı azalttığı ve proje statülerinin standardize edilmesine yardımcı olduğu gözlemlenmiştir. Durum tabanlı analizlerinde, 'stemming', 'lemmatizasyon' ve 'n gram' algoritmalarının oldukça etkin olduğu gözlemlenmiştir. Bu izlenimlere ek olarak, literatür taramasında doğal dil işleme ve makine öğrenimi algoritmalarının transfer öğrenimi algoritmaları ile birlikte kullanılabildiği gözlenmiştir. Müşteri memnuniyetinin arttırılması için gerekli olan hataların giderilmesi ve belirlenmesinde kullanılan pareto analizinin oluşturulması ve etüd edilmesinin, doğal dil işleme, makine öğrenimi ve transfer öğrenimi algoritmalarının birlikte kullanılması ile kolaylaştığı izlenmiştir.