DEMİR ÇELİK SEKTÖRÜNDEKİ ÜRÜNLERİN GÖRÜNTÜ İŞLEME, VERİ MADENCİLİĞİ YÖNTEMLERİYLE TESPİTİ VE KARAR DESTEK SISTEMİNİN OLUŞTURULMASI

Abstract

ÖZET

Demir ve çelik endüstrisi, ülkelerin ekonomik gücüne katkıda bulunan öncü sektörlerden biridir. Profiller, köşebentler, lama, kare, yuvarlak ve inşaat demirleri başta olmak üzere tüm demir çelik ürünleri; otomotiv, inşaat, imalat, tarım, savunma ve sağlık dahil birçok alanda kullanılmaktadır. Günümüzde bu ürünlerde olan artan arz ve talep dengesi, ürünlerin stok yönetimi ve kontrolünü kritik hale getirmektedir. Demir ve çelik endüstrisindeki büyük miktar ve çeşitlilik, stok yönetimini zorlaştırmaktadır. İşletme için stok oluşturmak oldukça maliyetli bir süreçtir ve işletmenin önemli unsurlarından biridir. Başarılı stok yönetimi, işletmeyi finansal olarak avantajlı kılabilir. Bu çalışma, farklı tarihlerde demir çelik işletmesinde bulunan farklı ürün ve miktarların stok maliyetlerini veri madenciliği kullanarak tahmin etmeyi amaçlamaktadır. Bu amaçla, veri madenciliği kümeleme modelleri kullanılmış ve maliyet tahmininde bulunulmuştur. Görüntü işleme teknikleri kullanılarak bir otomasyon sistemi geliştirilmiş ve demir çelik ürünleri analiz edilmiştir. Otomasyon sisteminde, kümeleme analizi yöntemlerinden olan K-ortalamalar kümeleme yöntemi (K-means) ve İki Aşamalı Kümeleme yöntemi (Two-Step) uygulanmıştır. yaklaşımıyla geliştirilen karar destek sistemi SDSS (Steel Decision Support System) ve BIPS (Burak’s Image Processing System) geliştirilmiştir. SDSS-BIPS otomasyon sistemi ile yapılan ölçümlerin %94,4 oranında başarılı olduğu tespit edilmiştir.

ABSTRACT

The iron and steel industry are one of the leading sectors contributing to the economic strength of countries. Products such as profiles, angles, sheets, squares, rounds, and construction steels play a crucial role in various industries including automotive, construction, manufacturing, agriculture, defense, and health. The current balance of increasing supply and demand in these products makes inventory management and control critical. Creating inventory for a business is a costly process and is one of its significant elements. Successful inventory management can provide financial advantages to the business. This study aims to predict the inventory costs of different products and quantities present in the business at different dates using data mining. For this purpose, data mining clustering models are used, and cost estimates are made. An automation system has been developed using image processing techniques to analyze iron and steel products. In the automation system, clustering analysis methods, including K-means and Two-step, have been applied. A decision support system developed with a data mining approach to determine the inventory costs of iron and steel products is named SDSS (Steel Decision Support System) and BIPS (Burak’s Image Processing System). It has been determined that measurements with the SDSS-BIPS automation system were 94.4% successful.