🏭 Bosch Quality ML Pipeline

Zero2End Machine Learning Bootcamp - Final Projesi

End-to-end machine learning projesi: Bosch üretim hattındaki parçaların kalite kontrol testlerinden geçip geçmediğini tahmin eden bir yapay zeka sistemi.

📋 İçindekiler

Proje Özeti
İş Problemi
Model Performansı
Kurulum
Kullanım
Proje Yapısı
Notebook'lar
API Dokümantasyonu
Teknik Detaylar
Sonuçlar ve Öneriler

🎯 Proje Özeti


Problem	Üretim hattında hatalı parça tespiti (Failure Prediction)
Veri Seti	Kaggle - Bosch Production Line Performance
Problem Tipi	Binary Classification (0: Sağlam, 1: Hatalı)
Zorluklar	Aşırı dengesiz veri (1:228), %81 eksik veri, 968 özellik
Çözüm	XGBoost + Feature Engineering + Threshold Optimization

💼 İş Problemi

Problem Tanımı

Bosch üretim hattında her gün binlerce parça üretiliyor. Manuel kalite kontrol süreçlerinde bazı hatalı parçalar gözden kaçarak müşteriye ulaşabiliyor.

Maliyet Etkisi

Hata Tipi	Birim Maliyet	Açıklama
False Negative (Kaçan hata)	$500	İade + garanti + lojistik + prestij kaybı
False Positive (Yanlış alarm)	$10	Ekstra inceleme işçiliği

Çözüm

Yapay zeka tabanlı erken uyarı sistemi ile hatalı parçaları üretim hattından çıkmadan tespit etmek.

📊 Model Performansı

Metrik Karşılaştırması

Metrik	Baseline	Final Model	İyileşme
AUC-ROC	0.62	0.635	+2.4%
F1-Score	0.0116	0.0146	+26%
Precision	0.0062	0.0078	+26%
Recall	0.40	0.514	+29%

Uygulanan Teknikler

✅ Clean Data Pipeline: Missing oranı <%50 olan 157 sütun, eksik değeri olmayan satırlar
✅ Feature Engineering: Satır bazlı istatistikler (6 yeni özellik)
✅ XGBoost: scale_pos_weight=228 ile dengesizlik yönetimi
✅ Threshold Optimization: Recall-optimize edilmiş eşik değeri (0.35)

Confusion Matrix (Test: 20,000 parça)

                 Tahmin: Sağlam    Tahmin: Hatalı
Gerçek: Sağlam      19,829            57
Gerçek: Hatalı         106             8

🚀 Kurulum

⚠️ Veri Dosyaları (Önemli!)

Bu proje büyük veri dosyaları kullanmaktadır. GitHub'ın dosya boyutu limiti nedeniyle veriler repo'ya dahil edilmemiştir.

📥 Temizlenmiş veri dosyalarını indirin:

Google Drive - Temizlenmiş Veriler

İndirilen dosyaları data/ klasörüne yerleştirin:

train_numeric_clean.csv - Eğitim verisi (temizlenmiş)
test_numeric_clean_alt.csv - Test verisi (temizlenmiş)

Not: Orijinal ham veriyi kullanmak isterseniz Kaggle - Bosch Production Line Performance adresinden train_numeric.csv dosyasını indirebilirsiniz.

Docker ile (Önerilen)

# 1. Repo'yu klonla
git clone https://github.com/demircigoksu/bosch-quality-ml-pipeline.git
cd bosch-quality-ml-pipeline

# 2. Veriyi indir (yukarıdaki Google Drive linkinden)
# Dosyaları data/ klasörüne yerleştirin

# 3. Docker container'ları başlat
docker-compose up -d

# 4. Erişim:
# API:  http://localhost:8080
# UI:   http://localhost:8501
# Docs: http://localhost:8080/docs

Manuel Kurulum

# 1. Virtual environment
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

# 2. Bağımlılıklar
pip install -r requirements.txt

# 3. API başlat
uvicorn app.main:app --host 0.0.0.0 --port 8080

# 4. UI başlat (yeni terminal)
streamlit run app/ui.py --server.port 8501

📖 Kullanım

Streamlit UI

http://localhost:8501 adresine git
"🎲 Load Random Sample" butonuna tıkla
Model otomatik tahmin üretir
Sonuç: ✅ Sağlam veya ❌ Hatalı

API ile Tahmin

# Tek tahmin
curl -X POST "http://localhost:8080/predict" \
  -H "Content-Type: application/json" \
  -d '{"features": {"L0_S0_F0": 0.5, "L0_S0_F2": 1.2}}'

# Response
{
  "prediction": 0,
  "probability": 0.15
}

Batch Tahmin

curl -X POST "http://localhost:8080/predict/batch" \
  -H "Content-Type: application/json" \
  -d '{"samples": [{"L0_S0_F0": 0.5}, {"L0_S0_F0": 1.2}]}'

📁 Proje Yapısı

bosch-quality-ml-pipeline/
├── 📂 data/                          # Veri klasörü
│   └── train_numeric.csv             # Kaggle veri seti (1.99 GB)
├── 📂 notebooks/                     # Jupyter notebook'ları
│   ├── 01_eda.ipynb                  # Keşifçi Veri Analizi
│   ├── 02_baseline.ipynb             # Baseline Model
│   ├── 03_feature_engineering.ipynb  # Feature Engineering & Optimization
│   ├── 04_optimization.ipynb         # Hiperparametre Optimizasyonu
│   └── 05_pipeline_final.ipynb       # Final Pipeline & SHAP Analizi
├── 📂 src/                           # Kaynak kodları
│   ├── __init__.py                   # Package init
│   ├── config.py                     # Konfigürasyon
│   ├── train.py                      # Model eğitim
│   └── inference.py                  # Tahmin modülü
├── 📂 app/                           # Deployment
│   ├── main.py                       # FastAPI REST API
│   └── ui.py                         # Streamlit Arayüzü
├── 📂 models/                        # Eğitilmiş modeller
│   ├── bosch_quality_classifier.pkl  # Ana model
│   ├── feature_columns.pkl           # Feature listesi
│   ├── model_config.pkl              # Model konfigürasyonu
│   └── final_report.pkl              # Sonuç raporu
├── 📂 docs/                          # Dokümantasyon
│   ├── TECHNICAL_REPORT.md           # Teknik Rapor
│   ├── final_model_results.png       # Model sonuçları
│   ├── feature_importance.png        # Feature importance
│   ├── cost_analysis.png             # Maliyet analizi
│   └── threshold_tradeoff.png        # Threshold trade-off
├── Dockerfile                        # Docker image
├── docker-compose.yml                # Container orchestration
├── requirements.txt                  # Python bağımlılıkları
├── project.md                        # Proje blueprint'i
└── README.md                         # Bu dosya

📓 Notebook'lar

1. EDA (01_eda.ipynb)

Veri yükleme (450,519 satır temizlenmiş veri)
Hedef değişken analizi (Class Imbalance: 1:228)
Eksik veri analizi (%81 ortalama - temizleme öncesi)
İstasyon ve üretim hattı analizi

2. Baseline Model (02_baseline.ipynb)

XGBoost ile ilk model
scale_pos_weight ile dengesizlik yönetimi
Sonuç: AUC: 0.6655, F1: 0.0711

3. Feature Engineering (03_feature_engineering.ipynb)

24 yeni özellik (satır istatistikleri, istasyon agregasyonları)
SMOTE ile oversampling
Threshold optimization
Sonuç: AUC: 0.6684, F1: 0.0894

4. Optimization (04_optimization.ipynb)

GridSearchCV ile hiperparametre araması
Stratified K-Fold cross-validation
En iyi parametrelerin belirlenmesi

5. Final Pipeline (05_pipeline_final.ipynb)

SHAP ile model açıklanabilirliği
Confusion Matrix maliyet analizi
Threshold trade-off analizi
İş önerileri ve ROI hesabı

🔌 API Dokümantasyonu

Endpoints

Endpoint	Method	Açıklama
`/`	GET	API bilgisi
`/health`	GET	Sağlık kontrolü
`/predict`	POST	Tek tahmin
`/predict/batch`	POST	Toplu tahmin
`/docs`	GET	Swagger UI

Request/Response Formatı

Request:

{
  "features": {
    "L0_S0_F0": 0.5,
    "L0_S0_F2": 1.2,
    "L0_S1_F24": -0.3
  }
}

Response:

{
  "prediction": 1,
  "probability": 0.85
}

🔧 Teknik Detaylar

Veri Seti Özellikleri

Özellik	Değer
Orijinal satır	1,183,747
Orijinal sütun	970
Temizlenmiş satır	450,519
Temizlenmiş sütun	158 (157 feature + Response)
Hedef dağılımı	99.56% / 0.44% (1:228)
Eksik veri	%0 (temizlenmiş)
Üretim hatları	L0, L3

Model Konfigürasyonu

XGBClassifier(
    objective='binary:logistic',
    scale_pos_weight=228,
    max_depth=6,
    learning_rate=0.05,
    n_estimators=200,
    min_child_weight=3,
    subsample=0.8,
    colsample_bytree=0.8,
    eval_metric='auc',
    random_state=42
)

Bağımlılıklar

Paket	Versiyon	Kullanım
pandas	>=1.5.0	Veri işleme
numpy	>=1.23.0	Sayısal hesaplamalar
scikit-learn	>=1.2.0	ML algoritmaları
xgboost	>=1.7.0	Gradient boosting
imbalanced-learn	>=0.11.0	SMOTE
shap	>=0.43.0	Model açıklanabilirlik
fastapi	>=0.104.0	REST API
uvicorn	>=0.24.0	ASGI server
streamlit	>=1.28.0	Web arayüzü

📈 Sonuçlar ve Öneriler

Başarılar

✅ End-to-end ML pipeline tamamlandı
✅ Baseline'a göre %26 F1 iyileşmesi
✅ Production-ready deployment (Docker)
✅ Kullanıcı dostu UI (Streamlit)
✅ REST API (FastAPI)
✅ Kapsamlı dokümantasyon

İş Önerileri

Pilot Test: Tek üretim hattında 1 aylık canlı test
Threshold Ayarı: İş gereksinimlerine göre recall/precision dengesi
Bakım Önceliği: L3-S30, S32, S33 istasyonlarına öncelik
Model İzleme: Performans degradasyonu için monitoring

İyileştirme Fırsatları

Öneri	Beklenen Etki
Tüm veri kullanımı	+5-10% AUC
Kategorik veri ekleme	+3-5% AUC
Ensemble modeller	+1-3% AUC

📂 Dokümantasyon

🖼️ Ekran Görüntüleri

Model Sonuçları

Feature Importance

Maliyet Analizi

Threshold Trade-off

🎓 Zero2End ML Bootcamp

Bu proje, Zero2End Machine Learning Bootcamp final projesi gereksinimlerini karşılamaktadır:

Gereksinim	Durum
Tabular veri seti (Kaggle)	✅
Binary classification	✅
EDA Notebook	✅
Baseline Model	✅
Feature Engineering	✅
Hiperparametre Opt.	✅
Final Pipeline	✅
Streamlit UI	✅
FastAPI	✅
Docker Deployment	✅
GitHub Repository	✅
README.md	✅
Sunum/Rapor	✅

👤 Yazar

Göksu Demirci

GitHub: @demircigoksu

📝 Lisans

MIT License - Detaylar için LICENSE dosyasına bakın.

Bu proje, Bosch Production Line Performance veri seti kullanılarak geliştirilmiştir.

Teslim Tarihi: 9 Aralık 2025

Name		Name	Last commit message	Last commit date
.streamlit		.streamlit
app		app
data		data
docs		docs
models		models
notebooks		notebooks
scripts		scripts
src		src
.dockerignore		.dockerignore
.gitattributes		.gitattributes
.gitignore		.gitignore
Dockerfile		Dockerfile
Dockerfile.render		Dockerfile.render
README.md		README.md
README_HF.md		README_HF.md
docker-compose.yml		docker-compose.yml
render.yaml		render.yaml
requirements.txt		requirements.txt

Latest commit

History

Folders and files

Repository files navigation