O
Orclever
Back to Journal
Research Article Open AccessOrclever Native

A Comparative Study of Classification and Clustering Methods for Data Analysis in Digital Transformation and IoT Systems

Turgay Tugay Bilgin1,
Süleyman Burak Altınışık2,
Nihat Aydın Adıgüzel3
1Bursa Teknik Üniversitesi
2Mert Yazılım
3Mert Yazılım
Published:December 31, 2023
DOI: 10.56038/oprd.v3i1.280
Vol. 3, No. 1 · pp. 1–18

Abstract

This study employs classification and clustering methodologies on datasets derived from digital transformation and Internet of Things (IoT) initiatives within the cable and automotive sectors. The analytical procedures are conducted utilizing the KNIME platform, employing Support Vector Machines (SVM) and K-Means algorithms. The results indicate that SVM exhibits superior accuracy rates compared to K-Means within both industries. The data collection methodology facilitated by the Mert Software IoT platform is identified as reliable and efficacious. The primary objective of this article is to augment decision-making precision in digital transformation software and contribute to the scholarly discourse within this domain.

Keywords
Machine LearningClassificationCluster AnalysisIndustry 4.0.

References

  1. 1.Çark, Ö. (2020). İşletmelerin dijital dönüşüm sürecinde “nesnelerin interneti” teknolojisinin etkisi. Turkish Studies-Economy, 15(3), 1247-1266.
  2. 2.Çakmak, Z.. Uzgören, N., & Keçek, G. (2005). Kümeleme analizi teknikleri ile illerin kültürel yapılarına göre sınıflandırılması ve değişimlerin incelenmesi.
  3. 3.Klein, M. (2020). İŞLETMELERİN DİJİTAL DÖNÜŞÜM SENARYOLARI - KAVRAMSAL BİR MODEL ÖNERİSİ . Elektronik Sosyal Bilimler Dergisi , 19 (74) , 997-1019 . DOI: 10.17755/esosder.676984 (Erişim Tarihi: 25.06.2023)DOI
  4. 4.Kılıç, H. & Timur, M. (2022). Üretim Takip Sistemleri ve Kavramsal Veri Analizi ile Dijital Fabrika Oluşumu. Avrupa Bilim ve Teknoloji Dergisi , (33) , 285-289. DOI: 10.31590/ejosat.996760 (Erişim Tarihi: 25.06.2023)DOI
  5. 5.Yılmaz Altuntaş, E. (2018). DİJİTAL DÖNÜŞÜM UYGULAMALARININ KURUMLARIN MARKA DEĞERİ ÜZERİNDEKİ ETKİSİ. Ege Üniversitesi İletişim Fakültesi Medya ve İletişim Araştırmaları Hakemli E-Dergisi , (2) , 1-18 . Retrieved from https://dergipark.org.tr/en/pub/egemiadergisi/issue/36758/384936 (Erişim Tarihi: 25.06.2023)Link
  6. 6.Gürkan, Ç. Endüstri 4.0 ve Dijital Dönüşüm Teknolojileri ile Desteklenen Akıllı Fabrika Yönetim ve Bilişim Sisteminin Geliştirilmesi. (Erişim Tarihi: 25.06.2023)
  7. 7.Kaynar, O., Görmez, Y., Yıldız, M., & Albayrak, A. (2016, September). Makine öğrenmesi yöntemleri ile Duygu Analizi. In International Artificial Intelligence and Data Processing Symposium (IDAP'16) (Vol. 17, No. 18, pp. 17-18). (Erişim Tarihi: 25.06.2023)
  8. 8.Aksan, C.e. 2022. KNIME Nedir?. https://cekasan.com/tr/knime-nedir (Erişim Tarihi: 05.06.2023)Link
  9. 9.Data Mining Software in Java, www.cs.waikato.ac.nz/~ml/weka/ (Erişim Tarihi: 16.06.2023)
  10. 10.Ardıl, E., (2009). Esnek Hesaplama Yaklaşımı İle Yazılım Hata Kestirimi, Yüksek Lisans Tezi, Trakya Üniversitesi, Fen Bilimleri Enstitüsü, 86s.
  11. 11.14 - Aha, D. W., Kibler, D., & Albert, M. K. (1991). Instance-based learning algorithms. Machine learning, 6(1): 37-66.
  12. 12.15 - Ruiz-Gonzalez, R.; Gomez-Gil, J.; Gomez-Gil, F.J.; Martínez-Martínez, V. An SVM-Based Classifier for Estimating the State of Various Rotating Components in Agro-Industrial Machinery with a Vibration Signal Acquired from a Single Point on the Machine Chassis. Sensors 2014, 14, 20713-20735.
  13. 13.Peker, M., & Özkaraca, O. (2018). Büyük ölçekli veri setleri için GPU hızlandırmalı melez bir GA- SVM: Cu-GA-SVM. Gazi University Journal of Science Part C: Design and Technology, 6(3), 581-591.
  14. 14.Larose D. T., Discovering Knowledge in Data an Introduction to Data Mining, WILEY, ABD, 2005
  15. 15.Dündar, S. (2023). TR83 bölgesinde K-Means ve ARAS yöntemiyle kompost tesisi kuruluş yeri seçimi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 38(4), 2607-2624.
Download PDF
Cite This Article
Bilgin, T. T., Altınışık, S. B., Adıgüzel, N. A. (2023). A Comparative Study of Classification and Clustering Methods for Data Analysis in Digital Transformation and IoT Systems. *Orclever Proceedings of Research and Development*, 3(1), 1-18. https://doi.org/10.56038/oprd.v3i1.280

Bibliographic Info

JournalOrclever Proceedings of Research and Development
Volume3
Issue1
Pages1–18
PublishedDecember 31, 2023
eISSN2980-020X