PDF hazırlanıyor, lütfen bekleyin...
PDF
BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ
LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
VERİ BİLİMİ VE ANALİTİĞİ - YL
(2025 - 2026)
Ders Bilgi Formu
Ders Adı
Kodu
Yarıyıl
T+U Saat
AKTS
Z / S
İstatistiksel Kalite Kontrol Yöntemleri
VBL5051
1
3 + 0
7,5
Seçmeli
Birim Bölüm
Veri Bilimi ve Analitiği - YL -
Lisansüstü
(Yüz yüze)
Amaç
Bu dersin amacı, öğrencilere süreçlerin izlenmesi, kontrol edilmesi ve iyileştirilmesi için gerekli olan ileri düzey istatistiksel yöntemleri kazandırmaktır. Veri bilimi perspektifiyle, büyük veri setleri üzerinden varyansın (değişkenliğin) azaltılması, hata tespiti ve süreç performansının makine öğrenmesi destekli analitik araçlarla optimize edilmesi hedeflenmektedir.
Ders İçeriği
Ders; toplam kalite yönetimi ve istatistiksel süreç kontrolünün (SPC) temel felsefesiyle başlar. Değişken ve nitel veriler için kontrol diyagramları, süreç yeterlilik analizleri ve kabul örneklemesi teknikleri derinlemesine incelenir. İleri aşamalarda ise çok değişkenli (multivariate) kalite kontrolü, zaman serisi bazlı izleme yöntemleri ve Endüstri 4.0 kapsamında gerçek zamanlı kalite analitiği konularına odaklanılır.
EBS Koordinatörü
Serpil TÜRKYILMAZ
Hafta
Konu
1
Kalite Kontrolün Temelleri: Kalite kavramı, veriye dayalı kalite yönetimi ve Yalın Altı Sigma metodolojisi.
2
İstatistiksel Süreç Kontrolü (SPC) Felsefesi: Rastgele ve atanabilir nedenler, kontrol diyagramlarının mantığı.
3
Değişkenler İçin Kontrol Diyagramları I
4
Değişkenler İçin Kontrol Diyagramları II
5
Nitel (Niteliksel) Veriler İçin Kontrol Diyagramları
6
Süreç ve Ölçüm Sistemi Yeterliliği
7
İleri Kontrol Diyagramları: Hassas değişimler için CUSUM (Kümülatif Toplam) ve EWMA (Üssel Hareketli Ortalama) diyagramları.
8
Ara Sınav / Uygulama Projesi Teslimi
9
Çok Değişkenli İstatistiksel Süreç Kontrolü (MSPC): Birden fazla değişkenin aynı anda izlenmesi ve Hotelling’s T2 analizi.
10
Kabul Örneklemesi: Örnekleme planları, riskler (Üretici ve Tüketici Riski) ve OC eğrileri.
11
Regresyon ve Zaman Serileri ile Kalite Kontrol: Verilerdeki trend ve mevsimselliğin kalite üzerindeki etkisinin modellenmesi.
12
Makine Öğrenmesi ve Kalite Analitiği: Anomali tespiti algoritmaları ve kestirimci kalite (Predictive Quality) modelleri.
13
Endüstri 4.0 ve Gerçek Zamanlı İzleme: Sensör verileriyle Dashboard tasarımı ve otomatik hata tespiti.
14
Vaka Analizleri ve Final Sunumları: Veri bilimi araçlarıyla (Python/R) gerçekleştirilen kalite kontrol projeleri.
Program Çıktıları
1
Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2
Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3
Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4
Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5
Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6
Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7
Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8
Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9
Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10
Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11
Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme
Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)
Ders Öğrenme Çıktısı
PÇ 1
PÇ 2
PÇ 3
PÇ 4
PÇ 5
PÇ 6
PÇ 7
PÇ 8
PÇ 9
PÇ 10
PÇ 11
Bir sürecin istatistiksel olarak kontrol altında olup olmadığını analiz eder ve yorumlar.
-
-
-
-
-
-
-
-
-
-
-
Karmaşık süreçler için çok değişkenli kontrol diyagramları (Hotelling’s T2 vb.) kurgular.
-
-
-
-
-
-
-
-
-
-
-
Süreç yeterliliğini ölçerek iyileştirme stratejileri geliştirir.
-
-
-
-
-
-
-
-
-
-
-
Büyük veri ortamlarında sensör verileriyle anomali tespiti ve kalite tahmini yapar.
-
-
-
-
-
-
-
-
-
-
-
Ortalama Değer
-
-
-
-
-
-
-
-
-
-
-
https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451277