Lastik üretim makinelerinin kestirimci bakımı için otomatik makine öğrenmesi yöntemlerinin uygulanması
Application of automatic machine learning methods for predictive maintenance of tire production machines
- Tez No: 1016563
- Danışmanlar: DOÇ. DR. MEHMET ZEKİ KONYAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı, endüstriyel üretim ortamlarında kullanılan makineler için kestirimci bakım modelleri geliştirmek ve otomatik makine öğrenmesi (AutoML) yöntemlerinin bu süreçteki etkinliğini değerlendirmektir. Bu kapsamda, lastik üretiminde kullanılan makinelerden elde edilen arıza kayıtları analiz edilerek farklı AutoML kütüphanelerinin arıza zamanını tahmin performansları karşılaştırılmıştır. Çalışmanın ilk bölümünde kestirimci bakım kavramı, üretim hatlarındaki önemi ve plansız duruşların azaltılması, bakım maliyetlerinin düşürülmesi ve operasyonel verimliliğin artırılması gibi sağladığı avantajlar ele alınmıştır. İkinci bölümde AutoML yaklaşımı incelenmiş; model ve hiperparametre seçim süreçlerini otomatikleştiren sistemlerin çalışma prensipleri ve endüstriyel uygulamalardaki kullanımları açıklanmıştır. Üçüncü bölümde, literatürde kestirimci bakım ve AutoML tabanlı çalışmalar özetlenmiştir. Dördüncü bölümde kullanılan veri seti tanıtılmış; arıza kayıtlarından türetilen zamansal değişkenler, arıza süreleri ve ardışık arızalar arasındaki gecikmeler açıklanmış, veri ön işleme ve çapraz doğrulama adımları detaylandırılmıştır. Beşinci bölümde AutoKeras, H2O AutoML, AutoGluon, TPOT, FLAML ve benzeri kütüphaneler kullanılarak gerçekleştirilen modelleme süreci anlatılmıştır. Altıncı bölümde elde edilen sonuçlar, ortalama mutlak hata (Mean Absolute Error, MAE), toplam çalışma süresi ve ardışık arıza tahmin tutarlılığı kriterlerine göre karşılaştırılmıştır. Sonuç olarak AutoML araçlarının, üretim süreçlerinde uygulanabilir ve etkili kestirimci bakım modelleri üretebildiği gösterilmiştir. Çalışmanın gelecekte daha geniş veri setleri ve gerçek zamanlı uygulamalarla geliştirilmesi önerilmektedir. Sonuç ve öneriler bölümünde, geliştirilen modellerin sahada uygulanabilirliği tartışılmış ve çalışmanın daha kapsamlı bir veri setiyle, özellikle sensör verileri, çevresel etkiler ve operasyonel parametreler eklenerek genişletilebileceği belirtilmiştir. Son olarak yalnızca regresyon değil, arıza türlerinin sınıflandırılmasına yönelik modeller geliştirilmesi, sistemin gerçek zamanlı bir uygulamaya dönüştürülerek üretim hattında test edilmesi ve bakım planlama süreçlerine entegre edilmesi üzerine öneriler sunulmuştur.
Özet (Çeviri)
The aim of this study is to develop predictive maintenance models for machines used in industrial production environments and to evaluate the effectiveness of Automated Machine Learning (AutoML) methods in this process. Within this scope, failure records obtained from machines used in tire manufacturing were analyzed, and the failure time prediction performance of different AutoML libraries was compared. In the first part of the study, the concept of predictive maintenance, its importance in production lines, and its advantages such as reducing unplanned downtime, lowering maintenance costs, and improving operational efficiency are discussed. The second part focuses on the AutoML approach, explaining the working principles of systems that automate model and hyperparameter selection and their use in industrial applications. The third part summarizes previous studies in the literature on predictive maintenance and AutoML-based approaches. The fourth part describes the dataset used in the study, including temporal features derived from failure records, such as failure durations and time gaps between consecutive failures. Data preprocessing steps and cross-validation methods are also presented. In the fifth part, the modeling process carried out using AutoKeras, H2O AutoML, AutoGluon, TPOT, FLAML, and similar libraries is introduced. In the sixth part, the experimental results are presented and compared based on mean absolute error (MAE), total execution time, and consistency in predicting consecutive failure events. The results demonstrate that AutoML tools can generate effective and applicable predictive maintenance models for production environments. Finally, future work is suggested, including extending the study with larger datasets and real-time implementations.
Benzer Tezler
- Development of a multi-scenario simulation model for spare parts inventory optimization in mining operations
Maden işletmelerinde yedek parça envanter optimizasyonu için çoklu senaryoya sahip bir benzetim modeli geliştirilmesi
SENA ŞENSES
Yüksek Lisans
İngilizce
2021
Maden Mühendisliği ve MadencilikOrta Doğu Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR GÖLBAŞI
- Dekapaj işlerinde kullanılan iş makinelerinin yenilenmesi zamanına yönelik maliyet analizleri
The cost analysises of the heavy construction equipment for excavation at the time of renewal
MERİÇ BARÇ
Yüksek Lisans
Türkçe
2007
Makine MühendisliğiMersin ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF.DR. YUSUF ZEREN
- BİR LASTİK FİRMASINDA DARBOĞAZ MAKİNADA KARINCA KOLONİSİ ALGORİTMASI İLE HAZIRLIK ZAMANI VE ÜRETİM PLANI OPTİMİZASYONU
Setup time and Production Schedule optimization by Ant Colony Algorithm at bottleneck process in a Tire Manufacturing Company
EMRE KILIÇASLAN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALİL İBRAHİM DEMİR
- Kazı makinalarında üretim ve maliyet analizleri ile verimi etkileyen faktörlerin araştırılması
Başlık çevirisi yok
FATİH TAN