AI-Based cost estimation for automotive suspension and steering parts
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, VERİ BİLİMİ VE YAPAY ZEKA ENSTİTÜSÜ, VERİ BİLİMİ VE YAPAY ZEKA ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: AHMET BİLAL ARIKAN
Danışman: ŞENER ÖZÖNDER
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez, süspansiyon ve yönlendirme parçalarına ait iki boyutlu teknik resimlerden birim üretim maliyetini doğrudan tahmin eden bir makine öğrenmesi yaklaşımı sunar. Veri kümesi, yirmi dört ürün kategorisinde gruplanmış 13,684 çizimden oluşur. Çizimler, geometrik ve boyutsal objeleri çıkarmak için çözümlenmiş ve her çizim için yaklaşık iki yüz özellik türetilmiştir. Bu özellikler; çizgi, yay ve çember gibi öğeler ile boyut değerleri için tanımlayıcı istatistikleri; on iki bölmeli histogram özetlerini; ve çizim düzeyindeki histogramların ürün grup referanslarıyla karşılaştırılmasından elde edilen uzaklıkları (Öklid uzaklığı ile Kullback–Leibler ayrışımı) içerir. Maliyet, karar ağaçlarıyla gradyan artırma (gradient boosting) kullanan yöntemlerle modellenmiştir. XGBoost, CatBoost ve LightGBM olmak üzere üç makine öğrenmesi algoritması değerlendirilmiştir. Modeller, ortak bir doğrulama ve optimizasyon protokolü altında ürün grubu bazında eğitilmiştir. Yirmi dört grup genelinde, XGBoost, CatBoost ve LightGBM için ortalama MAPE performansı yaklaşık %11 olarak elde edilmiştir. Özellik önemi ve SHAP ile yapılan yorumlama, boyut uzunluklarının maksimumlarının, yay geometrisine ilişkin istatistiklerin ve histogram karşılaştırmalarından gelen uzaklık ölçülerinin maliyetin çoğunluklu belirleyicileri olduğunu göstermektedir. Önerilen uçtan uca metot, ayrıntılı süreç planlarına gerek kalmadan çalışma, teklif hazırlama sürelerini kısaltma, parça aileleri içinde tutarlılığı artırma ve tasarım ya da kurumsal sistemlere bağlanarak gerçek zamana yakın maliyet geribildirimi sağlama potansiyeline sahiptir.