Novelty detection on streaming sensor data for iiot applications
Endüstriyel nesnelerin interneti uygulamaları için akan sensör verisi üzerinde ayrıklık sezimi
- Tez No: 603251
- Danışmanlar: PROF. DR. BURAK ACAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Endüstriyel makinelerin anlık ve gelecekteki durumlarını değerlendirmek Endüs- tri 4.0 paradigmasının ana yapı taşlarından birisidir. Öngörücü bakım, makinelerin kendi parametrelerini göz önüne alır ve tümleşik sensörler ile makine öğrenmesi algo- ritmalarının yardımıyla da bu değerlendirmeyi gerçekleştirir. Bu şekilde yapılan bakım makinelerdeki geri dönülemez hataların önüne geçerek, fabrika giderlerini azaltır ve verimliliği arttırır. Bakım süreci otomatikleştirilerek rutin kontrollerin sayısı azaltılır. Rulmanlar dönen makinelerde yaygın olarak kullanılmaktadır. Fakat rulman hataları sıklıkla görülmekte, zaman kayıplarına ve maddi kayıplara yol açmaktadır. Rulmanların hasar durumlarını tahmin edebilmek için öngörücü bakım çerçevesinde makine öğrenmesi teknikleri kullanılabilir. Rulman hata analizi araştırmaları gelenek- sel olarak titreşim ölçümleri üzerinde yapılmıştır. Verinin doğası gereği her bir rulman ayrı modellenmeli ya da makine öğrenmesi algoritmaları farklı ortamlarda ve makine ayarlarında çalışabilir olmalıdır. Bu çalışmada akan titreşim verisi üzerinde gözetimsiz ayrılık sezimi yapısı öneril- miştir. Yapı, her bir rulman ayrı olarak düşünüldüğü ve hepsini modellemek kullanışsız olacağı için, gözetimsiz çalışabilecek şekilde kurulmuştur. Hatalı örnekler ilk aşamada mevcut olmayacağı için, rulman gelişim verisi üzerinde ayrılık sezimi yöntemleri uygu- lanmıştır. Sonuçlara göre rulman hatalarının ve diğer durum geçişlerinin tespiti ayrılık sezimi yöntemleriyle yapılabilir. Bazı durumlarda halihazırdaki yöntemlere göre daha erken geçiş tespiti yapılabilir.
Özet (Çeviri)
Assessment of present and future condition of industrial machinery is one of the core ideas that constitute Industry 4.0 paradigm. Predictive maintenance depends on integrated sensors and machine learning algorithms to achieve this assessment based on the internal parameters of machinery. This type of maintenance could save plant costs and improve efficiency while reducing fatal defects in machinery. It automates the maintenance process and reduces the number of periodic checks. Bearings are used in rotating machinery extensively. However, bearing faults are common and could cause time and financial loss if they occur unexpectedly. Machine learning could be used in predictive maintenance framework to predict the health status of a bearing. Bearing fault analysis research has been traditionally conducted on its vibration signature. Due to nature of data, each bearing should be modelled separately or machine learning algorithms should be robust against environment or different machinery settings. In the present work unsupervised novelty detection framework on streaming vi- bration data is proposed. The framework is built in an unsupervised manner since each bearing is considered individually and building models for each of them is impractical. Since faulty samples are not available initially, novelty detection methods are applied on bearing degradation data. The results show that detection of bearing faults and other state changes can be made using novelty detection methods. Detection could be achieved earlier than conventional methods for some cases.
Benzer Tezler
- Lifelong learning for auditory scene analysis
İşitsel sahne analizi için hayat boyu öğrenme
BARIŞ BAYRAM
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Real time activity monitoring
Gerçek zamanlı aktivite takibi
GAMZE USLU
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEBNEM BAYDERE
- State-of-mind classification from unstructured texts using statistical features and lexical network features
İstatistiksel öznitelikler ve sözcüksel ağ özniteliklerini kullanarak, formatsız metinlerde düşünce yapısı sınıflandırılması
ULYA BAYRAM
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of CincinnatiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. JOHN PESTIAN
- Permission based malware detection analysis in Android applications
Android uygulamalarda kötü amaçlı yazılımların tespit edilmesine yönelik analiz
UĞUR PEHLİVAN
Yüksek Lisans
İngilizce
2014
Bilgi ve Belge YönetimiOrta Doğu Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. NAZİFE BAYKAL
- Yeni planlı alanlar imar yönetmeliğine göre yeni yapı ruhsatı alma sürecinde bir kontrol sistemi önerisi
A new proposed control system for the new building permit process according to the new planned zoned bylaws
HAZAL KAR
Yüksek Lisans
Türkçe
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRKAN EMRE GÜRCANLI