Havacılıkta yer tabanlı sağlık yönetim sistemleri için yapay zekâ tabanlı kestirimci bakım yaklaşımı
Artificial intelligence based prognostic maintenance approach for ground-based health management systems in aviation
- Tez No: 1009750
- Danışmanlar: PROF. DR. NİZAMİ AKTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde hava taşıtlarında benimsenen bakım modelleri, geleneksel anlayışın ötesine geçerek hem işletimsel sürekliliğe hem de uçuş güvenliğine katkı sunmayı amaçlamaktadır. Uçuş verilerinin zamanında analiz edilmesi sayesinde, henüz belirti göstermeyen arızaların erken aşamada tespit edilmesi mümkün hâle gelmektedir. Geçmiş verilere dayanarak gelecek kestirimi yapan bu anlayış, bakım faaliyetlerinin planlı ve öngörülebilir yürütülmesine olanak tanır. Ancak yüksek hacimli sağlık verilerinin işlenmesi, uçak üzerindeki işlemcilerin kapasitesini aşmaktadır. Bu durum, veri işleme sürecinin uçak dışındaki sistemlere kaydırılmasını gerekli kılmıştır. Bu tez çalışmasında havacılık sektöründe yer tabanlı sağlık yönetim sistemleri için yapay zekâ tabanlı çalışan öngörümcü bakım yaklaşımı geliştirilmiştir. Örnek bir model üzerinden sistemin veri işleyişi incelenmiştir. Önerilen yapıda uçaktan algılayıcılar vasıtasıyla edinilen veriler uçuş sonrasında yer tabanlı sağlık yönetim sistemine aktarılıp analiz edilir. Uygulama aşamasında örnek bir model üzerinden uçak motorunun performans verileri kullanılarak kalan kullanabilir ömür tahmini yapılmıştır. Zamana bağlı değişimleri analiz etmek amacıyla uzun kısa süreli bellek (LSTM) modeli tercih edilmiştir. Bu amaçla NASA'nın C-MAPSS veri seti kullanılmış, MATLAB® ortamında çalıştırılmıştır. Alınan sonuçlar yalnızca sayısal bir veri olan kalan faydalı ömür (RUL) olarak kalmayıp, pratikte uygulanması beklenen işletimsel ve bakım kararlarına yön verecek çıktılara dönüştürülmüştür. Sonuçlar, gelecek tahminleri yoluyla arızaların önceden tespit edilmesini sağlayarak, havacılık sektöründe bakım planlarının oluşturulmasında karar alıcılara önemli katkılar sunacağını göstermektedir.
Özet (Çeviri)
In recent years, maintenance practices adopted in modern aircraft have moved beyond the traditional approach and are expected to support operational continuity and flight safety while maintaining a certain level of predictability. When flight data are analyzed at the appropriate time, it becomes possible to detect faults before they manifest any noticeable symptoms. A data-driven framework that relies on historical information allows maintenance activities to be organized in a more planned and foreseeable manner. However, processing the large volume of health-related often exceeds the computational capacity of on-board systems. As a result, data processing needs to be carried out by off-board systems. Within the scope of this thesis, an artificial intelligence based predictive maintenance approach was developed for ground-based health management systems in the aviation domain. The flow of data within the proposed structure was examined through an illustrative model. In this architecture, the information collected from aircraft sensors is transferred to ground systems after the flight and processed there. During the application stage, engine performance data were used to estimate the remaining useful life (RUL) of the component. To model time-dependent behavior, a Long Short-Term Memory (LSTM) network was employed. The analysis made use of NASA's C-MAPSS dataset and was conducted in the MATLAB® environment.The results obtained are not limited to providing numerical RUL values; they were also interpreted in a way that can inform practical operational and maintenance decisions. Overall, the findings suggest that early fault anticipation supports decision-makers in maintenance planning in the aviation sector.
Benzer Tezler
- A novel method to estimate state of charge of li-based batteries
Lityum bazlı batarya hücrelerinin özgün bir yöntem ile şarj durumu tahmini
EYMEN İPEK
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT YILMAZ
- Ankara Yıldırım Beyazıt Üniversitesi Esenboğa Kampüsü harita uygulamaları
Ankara Yildirim Beyazit University Esenboğa Campus map applications
EKREM ŞAHİN
Yüksek Lisans
Türkçe
2020
Bilgi ve Belge YönetimiAnkara Yıldırım Beyazıt ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. TUNÇ DURMUŞ MEDENİ
- Elektrikli uçaklar için lityum tabanlı batarya yönetim sistemi modellemesi ve tasarımı
Modeling and design of lithium-based battery management system for electric aircraft
BURAK TARHAN
Yüksek Lisans
Türkçe
2022
Havacılık ve Uzay MühendisliğiEskişehir Teknik ÜniversitesiHavacılık Elektrik ve Elektroniği Ana Bilim Dalı
PROF. DR. TAHİR HİKMET KARAKOÇ
DR. ÖZGE YETİK
- Design, advanced manufacturing, and performance evaluation of optical sensor-integrated laminated composite monoleaf springs for heavy commercial vehicles: A numerical and experimental study
Ağır ticari araçlar için optik sensör entegreli lamine kompozit tek katlı yaprak yayların tasarımı, ileri üretimi ve performans değerlendirmesi: Sayısal ve deneysel bir çalışma
MUSTAFA BAŞARAN
Doktora
İngilizce
2026
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT SÜLEYMAN TÜRKMEN
PROF. DR. MEHMET YILDIZ
- Impacts of geothermal power plants on air quality, climate change and biodiversity
Jeotermal enerji santrallerinin hava kalitesi, iklim değişikliği ve biyoçeşitlilik üzerindeki etkileri
MERVE DÖNDÜ AYDIN
Yüksek Lisans
İngilizce
2024
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURÇAK KAYNAK TEZEL
PROF. DR. MICHAEL LEUCHNER