Uçak bakım periyotları ve arıza sayılarının yapay zeka teknikleri kullanılarak tahmini
Predicting aircraft maintenance periods and failure counts through artificial intelligence techniques
- Tez No: 644114
- Danışmanlar: PROF. DR. HARUN UĞUZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Havacılık endüstrisi çok fazla verinin ve bilginin biriktiği bir alandır. Bu alanda bakım planları, arıza bildirimleri, tamir siparişleri, ekipman sökme/takma kayıtları, uçuş saatleri, sorti sayısı, faal/gayrı faal durumları gibi bir çok veri saklanmaktadır. Bu verilerin analiz edilmesi, yanlış arıza sinyali ve yanlış bildirim ile gelen durumların ayırt edilmesi ve gerçek arızaların tespit edilmesi gerekmektedir. Ayrıca anlamlı verilerin çıkarılmasına, gereksiz verilerin ve özelliklerin de elenmesine ihtiyaç vardır. Kaynak yönetim sisteminde bu amaç için programlar yazarak, öncelikle seçilen uçak sistemine ait ekipmanların MTBF ve NFF değerleri hesaplanmış, malzemelerin üretici kataloğunda yazan bakım periyotları, hesaplanan MTBF değerleri ile karşılaştırılarak analiz edilmiştir. Ayrıca uçağın genel bakım periyotlarının ayarlanmasına yardımcı olmak amacıyla iki yıllık döneme ait elde edilen uçak faaliyet raporları üzerinden uçağın bir sonraki arızalanma günü yapay zekâ ve makine öğrenmesi metotlarıyla tahmin edilerek modelin başarısı ortaya konmuştur. Tez kapsamında uçak ekipmanlarının arıza sayısının tahminine yönelik olarak yapay zeka/makine öğrenmesi ve optimizasyon algoritmaları ile çalışmalar yürütülmüştür. Bu amaçla arıza sayısı tahmininin başarısını artırmak için iki aşamalı hibrit veri hazırlama modeli önerilmiştir. İlk aşamada, nitelik değerlendirerek en etkili ve en etkisiz parametreleri bulmak için bir özellik seçme yöntemi olan ReliefF kullanılmıştır. İkinci aşamada gürültülü veya tutarsız verileri elemek için geliştirilmiş K-ortalamalar algoritması kullanılmıştır. Hibrit veri hazırlama modelinin ekipmanın bakım veri kümesindeki performansı, makine öğrenimi algoritmalarından; Yapay Sinir ağı (YSA) olarak Çok Katmanlı Algılayıcı (MLP), Destek Vektör Regresyonu (DVR) ve Doğrusal Regresyon (DR) ve optmizasyon algoritmalarından Genetik Algoritma (GA), Diferansiyel Evrim Algoritması (DE) ve Dağıtık Algoritma (DA) kullanılarak değerlendirilmiştir. Elde edilen sonuçlar ile hibrit veri hazırlama modelinin ekipmanın arıza sayısını tahmin etmede başarıyı artırdığı gösterilmiştir.
Özet (Çeviri)
Aviation industry is an area where a lot of knowledge and data are collected. In this area, it is typical to store a huge quantity of data, such as maintenance plans, failure notifications, repair orders, records of equipment's removal/installation, flight hours, number of sorties and active/inactive statuses. It is necessary to analyse these data to distinguish between the cases that come with false fault signals or false notifications and real faults. In addition, we need to extract meaningful data and eliminate unnecessary data and features. By writing programs for this purpose in the resource management system, firstly the MTBF and NFF values of the equipment that belong to the selected aircraft system were calculated, the maintenance periods specified in the manufacturer's catalogue of the materials were analysed in comparison with the calculated MTBF values. In addition, the success of the model was demonstrated by predicting the next failure day of the aircraft through the use of artificial intelligence/machine learning methods based on the aircraft activity reports obtained for a two-year period to help adjust the general maintenance periods. Within the scope of this dissertation, studies were carried out using artificial intelligence/machine learning and optimization algorithms to estimate the number of failures of aircraft equipment. For this purpose, a two-stage hybrid data preparation model was proposed to increase the success of the failure estimation. In the first stage, ReliefF, a feature selection method, was used to find the most effective and ineffective parameters through quality evaluation. In the second, a modified K-means algorithm was used to eliminate noisy or inconsistent data. The performance of the hybrid data preparation model in the maintenance dataset of the equipment was evaluated, using machine learning algorithms, including Artificial Neural Network (ANN), Multilayer Perceptron (MLP), Support Vector Regression (DVR) and Linear Regression (DR) and optimization algorithms, including Genetic Algorithm (GA), Differential Evolution Algorithm (DE) and Scatter Search (SS). The results indicated that the hybrid data preparation model increases the success in estimating the number of failures of the equipment.
Benzer Tezler
- Havayolu ve havacılık işletmelerinde uçak bakım organizasyonu
Aircraft maintenance organization in the airlines and aviation administration
EKREM MERCAN
Yüksek Lisans
Türkçe
1999
UlaşımAnadolu ÜniversitesiSivil Havacılık Yönetimi Ana Bilim Dalı
DOÇ. DR. MUSTAFA ÖÇ
- Vibration analysis of rotating beam structures made of functionally graded materials in a thermal environment by generalized differential quadrature method
Fonksiyonel derecelendirilmiş dönen kiriş yapıların ısıl ortamda genelleştirilmiş diferansiyel kareleme yöntemi ile titreşim analizi
MUSTAFA TOLGA YAVUZ
Doktora
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÖZKOL
- Yorgunluk risk yönetim sistemi kapsamında Türkiye'deki bir hava yolu şirketinde analitik ağ süreci ile risk değerlendirme yaklaşımı uygulaması
A risk assessment approach application with analytic network process in a Turkish aviation company in the context of fatigue risk management system
TUĞBA DEMİREL
Yüksek Lisans
Türkçe
2015
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU
- Uçak bakım merkezi atık yönetimi
Waste managment in aircraft maintenance center
FATMA ZEHRA DEMİR
Yüksek Lisans
Türkçe
2019
Çevre MühendisliğiTekirdağ Namık Kemal ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ŞEYMA ORDU
- J79-19 turbojet motorunun performans değerlendirmesi ve hava giriş süzgecinin tepki kuvvetine olan etkisi
Başlık çevirisi yok
MUSTAFA BİNTAŞ