Üretim tesisindeki günlük elektrik enerjisi tüketiminin regresyon analizi ve yapay sinir ağları ile tahmin edilmesi ve karşılaştırılması
| dc.contributor.advisor | Ayana, Hatice Başak | |
| dc.contributor.author | Dizmenler, Aydın | |
| dc.date.accessioned | 2024-03-09T17:41:21Z | |
| dc.date.available | 2024-03-09T17:41:21Z | |
| dc.date.issued | 2023 | |
| dc.department | Enstitüler, Lisansüstü Eğitim Enstitüsü, Akıllı Sistemler Mühendisliği Ana Bilim Dalı | en_US |
| dc.description.abstract | Enerji faturaları bir işletmenin önemli maliyet kalemlerinden birisidir. Üretim kalitesi ve üretim miktarı düşüşüne yol açmadan, birim veya ürün miktarı başına enerji tüketiminin azaltılması işletmeler için enerji verimliliğini tanımlar. Gelişmişliğin bir göstergesi olarak değerlendirilen kişi başına düşen enerji tüketimi işletmeler için de üretimin boyutunu gösterir. Enerji tüketim tahmini; arz-talep dengesinin korunabilmesi, bütçe düzenlemeleri, enerji verimli çalışma ve sürdürülebilirlik, sera gazı emisyonu, karbon ayak izi ve çevrecilik konuları açısından işletmeler için önem arz etmektedir. Bu çalışmada Türkiye'de beyaz eşya ve elektronik eşya üretimi yapan bir üretim tesisinin günlük elektrik enerjisi tüketim değerlerini tahmin edebilmek için regresyon analizi ve yapay sinir ağları yöntemleri kullanılmıştır. Her iki yöntemde de girdi değerleri olarak günlük üretim sayıları ve günlük ortalama hava sıcaklıkları alınmıştır. Yöntemlerden hangisinin enerji tahmin uygulamalarında daha yüksek doğruluk oranıyla sonuç verdiğini tespit etmek amacıyla MSE (Mean Square Error) ve R-sq (Determinasyon katsayısı) değerleri hesaplanmıştır. Yapılan çalışma üretim tesislerinde enerji yönetimi ve doğru planlama için alternatif algoritmalar kullanılması açısından yenilik niteliğindedir. | en_US |
| dc.description.abstract | Energy bills are one of the important cost items of a business. Reducing energy consumption per unit or product quantity without causing a decrease in production quality and production quantity defines energy efficiency for businesses. Energy consumption per capita, which is considered as an indicator of development, also shows the size of production for businesses. Energy consumption estimation; maintaining the supply-demand balance is important for businesses in terms of budget arrangements, energy efficient working and sustainability, greenhouse gas emissions, carbon footprint and environmentalism. In this study, regression analysis and artificial neural network methods were used to estimate the daily electrical energy consumption values of a production facility producing white goods and electronic goods in Turkey. In both methods, daily production numbers and daily average air temperatures were taken as input values. MSE (Mean Square Error) and R-sq (Determination coefficient) values were calculated in order to determine which of the methods gave results with higher accuracy in energy estimation applications. The study is an innovation in terms of using alternative algorithms for energy management and accurate planning in production facilities. | en_US |
| dc.identifier.endpage | 77 | en_US |
| dc.identifier.startpage | 1 | en_US |
| dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=a0OMTmEd_3mfOBxT8SiBTM1V2hb3kbasBdCBIWi6LxcejzXelR-WgCukP53UOloM | |
| dc.identifier.uri | https://hdl.handle.net/20.500.14034/1154 | |
| dc.identifier.yoktezid | 810927 | en_US |
| dc.institutionauthor | Dizmenler, Aydın | |
| dc.language.iso | tr | en_US |
| dc.publisher | İzmir Bakırçay Üniversitesi Lisansüstü Eğitim Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Elektrik ve Elektronik Mühendisliği | en_US |
| dc.subject | Electrical and Electronics Engineering | en_US |
| dc.subject | Enerji | en_US |
| dc.title | Üretim tesisindeki günlük elektrik enerjisi tüketiminin regresyon analizi ve yapay sinir ağları ile tahmin edilmesi ve karşılaştırılması | en_US |
| dc.title.alternative | Estimation and comparison of daily electric energy consumption with regression analysis and artificial neural networks methods for the facility | en_US |
| dc.type | Master Thesis | en_US |
Dosyalar
Orijinal paket
1 - 1 / 1
