Data-driven prediction and decision-making for maintenance of railway door systems
Demiryolu kapı sistemlerinin bakımı için veri odaklı tahmin ve karar verme
- Tez No: 1004219
- Danışmanlar: PROF. DR. MEHMET TANKUT ÖZGEN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, modern demiryolu altyapılarında kullanılan Peron Ayırıcı Kapı Sistemlerinin (PAKS) arıza teşhisi ve durum izlemesi için makine öğrenimi yaklaşımının uygulanabilirliği incelenmektedir. PAKS, metro ve demiryolu peronlarının kenarlarına yerleştirilen ve tren raylarla hizalanana kadar peronu raylardan izole eden emniyet elemanıdır. PAKS, yalnızca yolcu emniyetini artırmakla kalmaz, aynı zamanda operasyonel verimliliğe, enerji tasarrufuna ve hizmet güvenilirliğine de katkıda bulunur. PAKS'ın kentsel ulaşım sistemlerindeki kritik rolü göz önüne alındığında, sürekli ve hatasız operasyonu sağlamak çok önemlidir. PAKS'taki arızalar genellikle tam sistem arızası meydana gelmeden önce ince sinyal anomalileriyle kendini gösterir. Bu araştırmada, arızaların proaktif olarak tahmin edilmesi ve PAKS işletim sürecinde gereken önleyici bakım görevlerinin en aza indirilmesi için nasıl kullanılabileceği araştırılmıştır. Çalışma, PAKS hata kütüphanesinin oluşturulmasını, bilinen çeşitli hatalı durumlarda veri toplanmasını ve hata türlerini doğru bir şekilde sınıflandırabilen gözetimli öğrenme modellerinin geliştirilmesini içermektedir. En iyi sonuçları veren model, evrişimli sinir ağı (CNN) tabanlı OvR modelidir. Ortaya çıkan modeller, yapay zeka tabanlı çevrimiçi kestirimci bakım sistemlerinin geliştirilmesini destekleyecek ve gerçek zamanlı izleme ve karar alma süreçlerini mümkün kılacak şekilde tasarlanmıştır. Çalışma, uluslararası endüstriyel Ar-Ge girişimi olan ECOMAI projesi kapsamında yürütülmüştür. Proje ile, birçok sektörde motor kontrolü ve bakım uygulamalarına değer katılması hedeflenmektedir. Sonuçlar, PAKS arızalarının önemli ölçüde azaltılarak daha emniyetli ve güvenilir bir ulaşım sistemi geliştirilmesinde kullanılacaktır.
Özet (Çeviri)
This dissertation aims to study the applicability of machine learning (ML) approach for the condition monitoring and fault diagnostics of the Platform Screen Door (PSD) systems used in modern railway infrastructures. PSDs are electromechanical safety components located on the edges of subway and railway platforms, designed to isolate the platform from the railway track until the train is aligned with it. PSD systems not only enhance passenger safety but also contribute to operational efficiency, energy savings, and increased service reliability. Given the critical role of PSDs in urban transportation systems, ensuring their continuous and fault-free operation is essential. Faults in PSD systems often manifest through subtle signal anomalies before full system failure occurs. This research explores how such signals can be used to predict faults proactively and minimize the preventive maintenance tasks required during the PSD operation process. The study involves the creation of a PSD fault library, data collection under various known fault conditions, and development of supervised learning models capable of classifying fault types accurately. Best performing model was the Convolutional Neural Network (CNN) based One-vs-Rest model. The resulting models are designed to support the deployment of AI-based online predictive maintenance systems, enabling real-time monitoring and decision-making. The study is conducted within the framework of the ECOMAI project, a multinational industrial R&D initiative. The project aims to add value to motor control and maintenance applications across a wide range of sectors. The outcomes of the study will significantly reduce downtime for PSD systems, ultimately leading in a safer and more reliable transportation system for passengers and operators.
Benzer Tezler
- Raylı sistem kazalarının analizi için bayes ağı tabanlı bir yaklaşım
A bayesian network-based approach for analyzing railway accidents
DERYA CEPHE
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Improvıng the predıctıon of oıl and gas productıon usıng artıfıcıal ıntellıgence algorıthms
Yapay zeka algoritmalarını kullanarak petrol ve gaz üretim tahminlerinin iyileştirilmesi
AZHAR NAJI MUHAJIR ALYAHYA
Yüksek Lisans
İngilizce
2025
EnerjiSakarya ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. GÜLÜZAR ÇİT
- Rüzgâr türbinlerinde hibrit derin öğrenme modelleri ile tahmine dayalı bakım ve rota optimizasyonu
Predictive maintenance and routing optimization of wind turbines using hybrid deep learning models
OĞUZHAN AKARSLAN
Doktora
Türkçe
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUNDA HATİCE SEZGİN
- Güneş enerjisi santrallerinde evirici tipi seçimi: Performans karşılaştırması ve çevresel faktörlerin analizi
Inverter type selection in solar power plants: Performance comparison and analysis of environmental factors
FATİH KAYA
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİzmir Bakırçay ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAYRAM KÖSE