Geri Dön

Early Diagnosis of Breakdown Through Transfer Learning

Transfer öğrenimi ile kestirimci bakım

  1. Tez No: 550539
  2. Yazar: SEREN ÖZBEK
  3. Danışmanlar: PROF. DR. HALİL ALTAY GÜVENİR, DR. ÖĞR. ÜYESİ HAMDİ DİBEKLİOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 68

Özet

Kestirimci Bakım, arıza kaynaklı sistem kesintilerini en aza indirgeyerek bakım maliyetlerinin azaltılmasını amaçlamaktadır. Erken tanı sistemleri, arızalar konusunda önlem almak için zamanında alarm oluşturulmasına olanak sağlamaktadır. Arıza teşhisi için önemli bir zorluk, yetersiz veri örneğine sahip olmaktır, ancak Transfer Öğrenimi yaklaşımları kısıtlı bir eğitim verisi olması sorununu hafifletebilmektedir. Bu çalışmada, hedeflenen ekipman ve kaynak ekipman arasında ilişki kurularak, kaynak ekipman üzerinde öğrenilen bozulma bilgileri hedef ekipmana transfer öğrenimi ile aktarılmaktadır. Aktarım yapılabilmesi için ekipmanlar arasında ortak benzerlik kümesi oluşturulması gerekmektedir. Bu küme, ekipmanların Kalan Yararlı Ömür niteliği üzerinden elde edilmektedir. Ortak benzerlik kümesinde; hedef ekipmandan farklı ölçümlere sahip olan bir kaynaktan bilgi aktarılmaktadır. Öğrenilen ortak nitelik kümelerinde, model farklı ekipmanların geniş miktarda verisine göre eğitmektedir ve öğrenilen bilgi, hedef ekipmanın arıza teşhisi için kullanılmaktadır. Çalışmada, kısıtlı veri olması durumunda erken arıza tahmini için transfer öğrenme ile güvenilir bir model elde edilmesi amaçlanmaktadır.

Özet (Çeviri)

Breakdown prediction of equipment is an essential task considering the management of resources and maintenance operations. Early diagnosis systems allow creating alerts on time for taking precautions on production. A significant challenge for diagnosis is to have an insufficient size of data, yet, transfer learning approaches can alleviate such an issue when there is a constrained supply of training data. We intend to improve the reliability of breakdown prediction when there is a limited quantity of training data. We recommend similarity correlation on Remaining Useful Life of these equipment. To do this, we offer learning a common feature space between the target and the source equipment, where we acquire prior knowledge from the source that has different measurements than the target. Within the learned joint feature matrices, we train our model on the vast amount of data of different equipment and finetune it using the data of our target equipment. In this way, we aim to obtain an accurate and reliable model for early breakdown prediction.

Benzer Tezler

  1. Uzman sisten ve otomotiv sektöründeki bir uygulama

    Expert system and an application in the automotive sector

    HÜSEYİN BURGUT

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SERDAR TÜMKOR

  2. Ailevi Akdeniz ateşli çocuk hastalarda tiroid fonksiyonları ve tiroid otoantikorlarının değerlendirilmesi

    Assessment of thyroid functions and thyroid autoantibodies in children with familial mediterranean fever

    FEHİME KILIÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Çocuk Sağlığı ve HastalıklarıGaziosmanpaşa Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    YRD. DOÇ. DR. ERGÜN SÖNMEZGÖZ

  3. Bilgisayar destekli bakım yöntemleri ve gemilerde bakım yönetimi

    Computer aided maintenance methods and ship maintenance management

    M. MAHİR AYRANCI

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Deniz İşletmeleri Yönetimi Ana Bilim Dalı

    DOÇ. DR. OĞUZ SALİM SÖĞÜT