Fault detection on automated beverage dispenser systems by using online feature extraction based neural network models
Otomatik içecek servis sistemlerinde çevrimiçi öznitelik çıkarıma dayalı nöral ağlar kullanılarak hata tespiti
- Tez No: 666096
- Danışmanlar: PROF. DR. ŞENİZ ERTUĞRUL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Makine Mühendisliği, Computer Engineering and Computer Science and Control, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Ana Bilim Dalı
- Bilim Dalı: Sistem Dinamiği ve Kontrol Bilim Dalı
- Sayfa Sayısı: 71
Özet
Günümüzde birçok sistemde olduğu gibi içecek dağıtım ve servis sistemleri de teknolojiye uyum sağlamış, sadece otomasyona değil, kullanıcı ile etkileşim ve uyarı mekanizmaları ile birlikte uyarıcı ve önetkin bir çalışma şekline bürünmüşlerdir. Otomatik içecek servis musluklarının üretimi ile birlikte, içecek servislerinde istenmeyen köpürme ve kullanıcı sebepli kayıpların önüne geçilmiştir. Fakat manuel tasarımda insan kontrolü ve müdahalesi ile gerçekleştirilen hata ya da anormal davranış tespit mekanizmalarının da yardımcı algoritmalar tasarlanarak insan müdahalesinden bağımsız hale getirilmesi gerekmektedir. Belirtilen sistemlerde içecek tedariğinin sağlandığı fıçıların bitmesi durumlarında, içecek akışının normalden daha farklı bir davranış sergilediği gözlenmiş ve içecek servislerinin olağan bir prosedürü olarak düşünülebilecek fıçı bitiminin algılanması ve fıçının değiştirilmesi, bir hata ve anomali olarak tanımlanmıştır. Fıçı bitiminin algılanması olarak tanımlanan bu problemin çözümü ile birlikte, otomatik servis sistemlerinin akıllı olarak addedilmesinin önü açılmıştır. Bu çalışma ile birlikte otomatik içecek servis musluklarının,“akıllı”olarak tanımlanması için gerekli olan hata tespit sistemlerinin başında gelen, içecek fıçılarının bitme durumlarının algılanmasını sağlayan hata tespit algoritması, her biri dörder nörondan oluşan yedi saklı katmanlı nöral ağların kullanımı ile geliştirilmiştir. Nöral ağların beslenmesi için kullanılan veriyi oluşturan özniteliklerin bir kısmı, akıllı musluk sisteminin tasarımı ile hali hazırda toplanan ve sistemin işlerliğinin gözlenmesi için kullanılan verilerden oluşurken, özellikle ayırıcı niteliklere sahip olan öznitelikler, içecek akışı ile birlikte eş zamanlı olarak elde edilmiştir. Problemin ve tasarlanan çözümlerin ortaya konulmasında, bir hata tespiti yapılmasının yanında, gömülü yazılım sistemlerinin sınırlı kaynaklarının bilinçli kullanımı da ön planda tutulmuştur. Ayrıca, üzerinde çalışılan sistemin laboratuvar koşullarında, sadece akademik amaçlar için kullanılan bir düzenekten ziyade, sahada gerçek kullanıcı ve müşteriler ile temasta olması, önerilen çözüm yönteminin hızlı ve güvenilir cevaplar verecek şekilde tasarlanmasını zorunlu kılmaktadır. Günde en az 5 musluk tarafından eş zamanlı olarak, üç aylık bir zaman diliminde, gerçek servis sağlayıcı ve müşterilerin etkileşimi ile toplanan veriler kullanılarak, AUC eğrisi skorlamasına göre \%98 başarının yanında \%99 doğruluk ve \%92'lik duyarlılık sonuçları elde edilmiştir. Hata tespit algoritması oluşturulmadan önce, içecek akış hızı verileri hem istatistiksel hem de gürültü seviyesi kapsamlarında incelenmiş, basit eşik değerlerin yardımıyla sorunun çözümü aranmıştır. Fakat sistemin tasarımı gereği, akış verisindeki gürültü, kullanıcının otomatik sistemi devre dışı bırakma ihtimali ve karbondioksit basıncının azalması gibi durumlar daha karmaşık yöntemlerin kullanılmasını gerekli kılmıştır. Nihai yöntem olarak makine öğrenmesi metotlarının, özel olarak da nöral ağların seçilmesi sonrasında, verinin incelenmesi, işlenmesi ve model için hazır hale getirilmesi sağlanmıştır. Verilerin dağılımlarının dengesiz oluşu ile birlikte buna uygun öğrenme parametreleri araştırılmıştır. Karşılaşılan dağılımsal sorunların, sentetik veri yaratılması ya da veri setinin kırpılması gibi yöntemler ile çözülmesi tercih edilmemiştir. Araştırmacının, sisteme dair teorik ve pratik altyapısının kullanılarak, veri içindeki ayrıştırıcı bilgilerin ortaya çıkarılmasının daha verimli olduğu düşünülmüştür. Böylece, verilere ait uç değerler, manuel olarak incelenmiş ve veri setinden kaldırılmıştır. Hızlı deneme yanılma yöntemleri ile basit modeller eldeki veriler kullanılarak oluşturulmuş, alınan sonuçlar doğrultusunda öznitelik çıkarımı ve veri mühendisliği metotlarının kullanılmasına karar verilmiştir. Basit modellerin yanıldığı durumlar incelemeden geçirilmiş, yanlış etiketlenmiş veriler düzeltilmiştir. Temizlenmiş veri setinin oluşumunu takiben, özniteliklerin çıkarılmasına başlanmıştır. İçecek akışını düzenleyen motor kontrol sisteminin ölü zamanında elde edilen akış hızları, sürekli hal anında elde edilen hata miktarı ve bardak dolum oranları veri setinde bulundukları halleri ile kullanılmışlardır. Bunların yanında, akışın farklı iki noktasına ait motor açıları ve akış hızları kullanılarak, sistem kapalı çevrim cevabına dair basit ve kaba bir model elde edilmiştir. Bu modeli oluşturan eğim ve eksen kesim noktası parametreleri iki ayrı öznitelik olarak saklanmıştır. İçecek akışının, özellikle fıçı bitimi durumunda iki fazlı davranışına dair fikir elde edebilmek için, akışın başında ve sonunda hali hazırda toplanan sıcaklık verileri, Newton'ın soğuma kanunu şeklinde benzetilmiş bir modele dönüştürülmüş ve akışa ait bir sıcaklık değişim katsayısı olarak tahayyül edilmiştir. Bu katsayı diğer bir öznitelik olarak değerlendirilmiştir. Son olarak, anormal akışın frekans düzleminde kolayca ayırt edildiği, özellikle 2Hz ve üzerinde belirgin farklar gözlenmiştir. Gerçek zamanlı zaman-frekans dönüşümünün pahalı bir işlem olmasından kaynaklı olarak, akış hızı sinyalleri ile bu sinyallerin bir öz bağlanımlı filtre cevabı kıyaslanmıştır. Bu kıyasın nokta bazlı olarak belirli büyüklük değerlerini geçtiği, birbirini takip eder durumların sıklığı bir öznitelik olarak modele beslenmiştir. Kullanılan gerçek zamanlı verilerin, öznitelik hesaplamaları esnasında istisnai ya da matematiksel olarak tanımsız işlemlere yol açtığı durumlara rastlanmış, son kertede, özniteliklerin doğru elde edilmesi açısından, veri seti tekrar incelenmiş ve analiz edilmiştir. Böylece toplamda 80703 satır ve 25 sütundan oluşan ham veri tablosu, 7 sütunluk ve 66020 satırlık bir son veri setine dönüştürülmüştür. Veri setinin ve özniteliklerin belirlenmesi ile birlikte, modeli oluşturan hiper parametreler, kaba kuvvet yaklaşımı kullanan arama metotları ile optimize edilmiştir. Sonuç olarak yedi saklı katmanın üzerine“dropout”katmanı kullanımı, Adam metodu optimizasyonu, sınıfların farklı ağırlıklandırmaları ve veri seti dağılımına uygun başlatma parametrelerinin ayarlanması ile nihai sonuçlar elde edilmiştir. Nöral ağın eğitimi sırasında, veri dağılımına uygun olarak 2048 noktalık gruplar kullanılmış, modelin sonuçlarının değerlendirilmesi ve oluşan problemlerin incelenip düzeltilebilmesi için, veri setinin yüzde altmışlık bir kısmı eğitime, kalan kısmın yarısı doğrulamaya diğer yarısı ise test sürecinde kullanılmak üzere ayrılmıştır. Sonuç olarak, otomatik servis musluklarının akıllı hale gelebilmeleri için, kullanıcı tarafından manuel olarak işletilmesi gereken süreçlerin, insan müdahalesi olmadan yürütülebilmesini sağlayacak problemlerin başında gelen, fıçı bitiminin algılanması problemi, bir hata tespit yöntemi olarak kurgulanmış ve gerçek zamanlı öznitelik çıkarımına dayalı nöral ağ sistemi tasarlanarak \%98 AUC skoru elde edilmiştir. Literatürde, bu sistemler ile ilgili hata tespitine ve otomatizasyonun yapay zekaya evrimine yönelik benzer çalışmalar bulunmadığından, yapılan tez çalışmasının ileride bu sektör ve sistemler ile ilgili gerçekleştirilecek çalışmalara temel dayanak olması ve yol göstermesi hedeflenmiştir.
Özet (Çeviri)
By digitalization of the beverage service and dispensing systems, it is shown that the automatic control of the fluid flow is not sufficient for efficient and safe operations. In order to design smart options for the beverage industry, the manual operations which are conducted by the operator, should be carried out by smart algorithms running in real time. One of the main concerns about these systems is understanding the emptiness of the kegs which are the supply unit of the beverage. In this research, the empty keg conditions are described as faults in dispensing units, and fault detection methods are covered to propose a solution to classify the normal and abnormal flow schemes. A neural network with 7 hidden layers having 4 neurons on each is trained, tested and an AUC score of 98\% and recall score of 92\% are achieved. From a raw dataset with 80703 rows and 25 columns, exploratory data analysis has been done and after feature engineering, a final dataset of the shape 66020 rows 7 columns is created. Each row in the dataset is responsible for a unique service of the beverage from the dispenser unit. In order to represent the open loop response of the system with a metric, mean flow rate during the dead time of the controller unit is calculated. Besides, the ratio between the expected and actual beverage volume and steady state error of the closed loop system are collected. Furthermore, the temperature readings of the fluid at the beginning and at the end of the flow are used to define a model which resembles Newton's Law of Cooling. A feature is devised from this model. A historical data pair covering motor angles and corresponding flow rates is plotted and saturation growth rate behaviour is observed from those plots. After linearization of the saturation curve, two sets of motor angle and flow rate pairs are fit to the linearized model to gather the system's closed loop performance. Two parameters related to the linear model are collected as features as well. Lastly, the frequency contents of the flow signals are observed and it is stated that the comparison by using frequency domain data is useful. Since it is costly to take Fourier Transform in a real time embedded system, an auto regressive IIR filter is devised to filter the signal and the output of this filtering operation is compared with the original signal itself. The amount of difference between two signals is evaluated point by point and counted for a certain threshold. This counter is fed into the model as a last feature of the neural network model. Since the ratio of the labels is imbalanced in the dataset, the hyper parameters of the model are tuned, and class weights are defined in order to generalize the system well. Finally, by using grid search libraries, parameters of the model are tuned and the trained model is tested. There are no such studies about the fault detection of the smart beverage systems, hence, it is expected this research to be a baseline for future work in the beverage industry.
Benzer Tezler
- Image analysis based symbol recognition in colored maps
Renkli haritalarda görüntü analizi tabanlı sembol tanıma
FATMANUR TURHAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Üretim otomasyonunda görüntü tabanlı hata tanıma sistemi
Image processing based fault dedection system in manufacturing automation
KADİR BALCI
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiMühendislik Bilimleri Bölümü
YRD. DOÇ. DR. ABDULLAH BAL
- Stator fault diagnosis in induction motors
Başlık çevirisi yok
MÜSLÜM ARKAN
Doktora
İngilizce
2000
Elektrik ve Elektronik MühendisliğiUniversity of SussexElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. P. J. UNSWORTH
- Process monitoring and chipping fault detection in drilling
Delme işleminde süreç izleme ve takım ağzındaki yerel kırılma tespiti
DAVUT OTAR
Yüksek Lisans
İngilizce
2004
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. İSMAİL LAZOĞLU
- A fault classification for defective solar cells in electroluminescence imagery based on deep learning approach
Derin öğrenme yaklaşımına dayanarak elektrolüminesans görüntülerindeki kusurlu güneş hücreleri için hata sınıflandırması
FEED AL-LAMI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK