İmalat sektöründeki firmaların pazardaki rekabetlerini ve gelişimlerini sürdürebilmeleri için sürekli olarak performanslarını takip etmeleri gerekmektedir. Bu çalışmada üretim sistemleri için Anahtar Performans Göstergeleri kullanılarak dinamik bir performans değerlendirme sistemi hazırlanmıştır. İşletmelerin performanslarını yükseltmesi amacıyla tasarlanan sistem, Anahtar Performans Göstergeleri ile elde edilen performans değerlerini üç ayrı modül içerisinde analiz ederek anlaşılır bir şekilde karar vericiye sunmaktadır. Tasarlanan sistemin ilk modülü olan performans izleme modülü içerisinde, anahtar performans göstergelerinin değerleri anlık ve dinamik olarak görselleştirilmektedir. Bir diğer modül olan performans değerlendirme modülünde, anahtar performans göstergelerinin değerleri İstatistiksel Süreç Kontrolü teknikleriyle değerlendirilerek kullanıcıya sunulmaktadır. Tasarlanan sistemin son modülü olan performans tahminleme modülünde ise, derin öğrenme tekniklerinden LSTM modeli kullanılarak geçmiş dönem performans değerleri incelenerek gelecek periyotların tahminlemesi gerçekleştirebilmekte ayrıca What-If analizleriyle karar vericiye seçenekler sunabilmektedir.
İşletmelerin performanslarını izlemesi ve yükseltmek için gerekli adımları atması amacıyla tasarlanan sistem, kullandığı teknikler ve açık kaynak kodlu programlama alt yapısıyla özelleştirilmeye ve sürekli gelişmeye elverişlidir. Böylelikle tasarlanan sistemin endüstride kullanılabilir olması sağlanmıştır
Companies in the manufacturing sector need to constantly monitor their performance in order to maintain their competition and development in the market. In this study, a dynamic performance evaluation system is designed using Key Performance Indicators for production systems. Designed to increase the performance of businesses, the system analyzes the performance values obtained with Key Performance Indicators in three modules and presents them to the decision maker in an understandable way. In the performance monitoring module, which is the first module of the designed system, the values of key performance indicators are instantly and dynamically visualized. In the performance evaluation module the values of key performance indicators are evaluated with Statistical Process Control techniques and presented to the user. In the performance estimation module, which is the last module of the designed system, by using the LSTM model, one of the deep learning techniques, make future predictions by examining historical data and also offer options to the decision maker through what-if analysis.
This system is designed for production companies to monitor their performance and take the necessary steps to improve their performances. It uses the open source programming infrastructure. The designed system is suitable for customization and development in industry
