Endüstriyel otomasyon sistemlerinde yapay zeka yöntemleri ile arıza tespiti
Fault detection in industrial automation systems with artificial intelligence methods
- Tez No: 625913
- Danışmanlar: DR. ÖĞR. ÜYESİ NEYİR ÖZCAN SEMERCİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sinir ağları, Sınıflama ağaçları, Sınıflandırma, Veri madenciliği, Yapay zeka, Nerve net, Classification trees, Classification, Data mining, Artificial intelligence
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde; gerçek üretim hatlarından toplanan veri kümelerinin, yapay zeka yöntemleri ile değerlendirilerek otomasyon sistemlerindeki arızaların tespiti üzerine çalışılmıştır. Üretim hatlarından toplanan bu veri kümeleri; Endüstri 4.0 ile birlikte hayatımıza giren“Internet of Things”ve“Big Data”kavramları doğrultusunda elde edilmiş gerçek verilerdir. Elde edilen bu veriler bir yapay sinir ağı algoritması olan perceptron, Rastgele Orman (Random Forest) algoritması ve Gradient Boosting (GBM) algoritmaları kullanılarak işlenmiş ve sistem arızaları sınıflandırılmıştır. Kullanılan yapay zeka yöntemlerinin performansları analiz edilerek seçilen örnek modele en uygun sınıflandırma yöntemi belirlenmiştir. Bu tez çalışması ile yapay zeka yöntemlerinin endüstriyel otomasyon sistemlerinde oluşan arızaların tespitinde başarılı bir şekilde kullanılabileceği gösterilmiştir.
Özet (Çeviri)
In this thesis; the data sets collected from real production lines are evaluated by using artificial intelligence methods to determine the faults in automation systems.These real datasets collected from production lines are obtained in line with the concepts of“Internet of Things”and“Big Data”which entered our lives with Industry 4.0. These data processed by using Perceptron algorithm (which is an algorithm of Artificial Neural Network), Random Forest algorithm and Gradient Boosting (GBM) algorithms and then the system failures are classified. By analyzing the performances of the artificial intelligence methods, the most appropriate classification method is determined for the selected model. The results of this thesis show that artificial intelligence methods can be used successfully in fault detection for industrial automation systems.
Benzer Tezler
- Artificial intelligence applications in microwave and mmwave sensing
Mikrodalga ve milimetre dalga algılamada yapay zeka uygulamaları
MUHAMMED İSMAİL PENÇE
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Artificial neural network based electrical machine fault classification on FPGA
FPGA üzerinde yapay sinir ağı tabanlı elektrık makinesiarıza sınıflandırması
MERT YAŞAR AYDIN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- İklimlendirme sistemlerinde yapay zeka
İklimlendirme sistemlerinde yapay zeka
ERHAN BUDAK
Doktora
Türkçe
2024
EnerjiKarabük ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN CEYLAN
- Entegre emgi ve yabancı madde analiz sisteminin geliştirilmesi
Development of an integrated emgi and foreign material analysis system
YUSUF CURUM
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH ÖZYURT
- Improved trajectory tracking via multi obstacle avoidance utilizing nonlinear model predictive controller
Doğrusal olmayan model öngörülü kontrol kullanılarak çoklu engellerden kaçınma ile geliştirilmiş yörünge takibi
ÖNDER HOROZ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ