Maintenance optimization of multiple component systemsusing probabilistic graphical models
Olasılıklı grafıksel modellerle çok bileşenli sistemlerin bakım en iyilemesi
- Tez No: 632505
- Danışmanlar: PROF. DR. TANER BİLGİÇ, DR. ÖĞR. ÜYESİ DEMET ÖZGÜR ÜNLÜAKIN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bakım optimizasyonu, çok bileşenli sistemler için günümüzün üretim dünyasında zor bir görevdir. Bu nedenle, doğru bakım eylemlerine karar verirken sistemlerin belirsizliğini ve karmaşıklığını dikkate almak kritik öneme sahiptir. Bir planlama ufkunda bakım kararları vermek, belirsizlik durumunda stokastik sıralı karar verme problemlerinden biridir. Kısmen Gözlenebilir Markov Karar Süreçleri (POMDPler), kısmen gözlemlenebilir stokastik ortamlarda belirsizlik altındaki problemler için güçlü araçlardır. Bununla birlikte, durum uzayları değişken sayısı ile hızlı bir şekilde büyüyebildiğinden, çok bileşenli sistemlerin bakım problemlerini ele almak için POMDPler tercih edilmeyebilir. Bu tarz problemler için, problemin doğasında halihazırda mevcut olan faktörlü yapıdan yararlanarak faktörlü POMDPler kullanılır. Bu çalışma, iki ayrı bakım probleminde faktörlü POMDPler kullanılarak kısmen gözlemlenebilir dinamik bileşenlerden oluşan sistemlerin bakım probleminin nasıl formüle edileceğini göstermeyi amaçlamaktadır. İlki, detaylı duyarlılık analizleri yapmak ve çalışmada önerilen bazı tanımlanmış politika-larla karşılaştırmak için deneysel bir modeldir. İkinci model termik santrallerde gerçek hayattaki bir uygulamaya aittir. Duyarlılık analizleri, çeşitli ayarlarla çeşitli senaryolar altında gerçekleştirilmiştir. Sonuçlar, faktörlü POMDPlerin çok bileşenli bakım sorunla-rının modellenmesinde, çözümünde ve analiz edilmesinde avantajlı olduğunu göstermek-tedir. Ayrıca, oluşturulan faktörlü POMDP politikaları miyop politikalardan önemli ölçüde daha iyi performans göstermiştir.
Özet (Çeviri)
Maintenance optimization is a difficult task in today's manufacturing environment, especially when the system has multiple components. Thus, it is essentially critical to cope with the uncertainty and the complexity of the systems while deciding on the correct maintenance actions. Taking maintenance decisions in a planning horizon is one of the well-known stochastic sequential decision problems under uncertainty. Partially Observable Markov Decision Processes (POMDPs) are powerful tools for such problems under uncertainty in partially observable stochastic environments. However, since their state spaces can quickly explode with the increasing number of variables, POMDPs may not be preferable for addressing maintenance problems of multi-component systems. Factored representations are used for POMDPs by exploiting the inherent factored structure of the problem. This study aims to demonstrate how to formulate the maintenance problem of systems consisting of partially observable deteriorating components using factored POMDPs on two maintenance problems. The first one is an experimental model to perform in depth sensitivity analyses and to compare with some predefined policies proposed in the study. The second model belongs to a real-life implementation in thermal power plants. Sensitivity analyses are conducted under various scenarios with several settings. The results show that factored POMDPs are advantageous in modeling, solving and analyzing of maintenance problems with multi-components. Furthermore, the generated factored POMDP policies perform considerably better than the myopic policies.
Benzer Tezler
- En uygun hayat sigortası poliçesi seçimini sağlayan bir karar modeli
A Decision model for selecting the optimum insurance policy
H.BÜLENT CERİT
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. RAMAZAN EVREN
- Türkiye elektrik piyasasında istatistiksel yöntem ve makine öğrenmesi algoritmaları kullanılarak kısa vadeli gün öncesi elektrik fiyatı tahmini için hibrit bir yaklaşım
A hybrid approach short-term day-ahead electricity price forecasting in the turkish power market using statistical method and machine learning algorithms
CEMRE NUR GÜNGÖR
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ITIR SATOĞLU
- Ağır ticari araçlarda süspansiyon hava körüğüne gelen yatay hareketin sönümlenmesi
Damping of horizontal motion to suspension air bellows in heavy commercial vehicles
OSMAN YILDIRIM
Yüksek Lisans
Türkçe
2025
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET FARUK YAREN
- Bina tipi taşıyıcı sistemlerde bir yapı sağlığı izleme yöntemi önerisi: Basitleştirilmiş sayısal model ve hasar tespit algoritması
A structural health monitoring method proposal for building-type structural systems: Simplified numerical model and damage detection algorithm
EMRE GÖNÜLCÜ
Doktora
Türkçe
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN ORAKDÖĞEN
DR. ÖĞR. ÜYESİ AHMET ANIL DİNDAR
- Türkiye enerji piyasasının makine öğrenmesi uygulamasıyla düşük-karbon salımına geçişte ajan temelli modellenmesi
Turkish energy market agent-based modeling for low-carbon transition with machine learning application
BURAK GÖKÇE
Doktora
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU