Design of predictive maintenance model using artificial intelligence methods
Yapay zeka yöntemleri kullanılarak kestirimci bakım modelinin dizayn edilmesi
- Tez No: 690999
- Danışmanlar: PROF. DR. ABDÜL HALİM ZAİM, DOÇ. DR. AKHAN AKBULUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Bakım disiplini ile ilgili kararlar endüstriyel alandaki gelişmeler nedeniyle değişmeye başlamıştır. Ekipman durumunun izlenmesi, kalan yararlı ömür tahmini ve bakım planlamaları gibi konular iş operasyonlarının önemli bir parçası haline gelmiştir. Bu çalışmada, aşırı ve gereksiz bakım faaliyetlerinden ortaya çıkan iş gücü ve ekonomik kayıpları önlemek için kestirimci bakım modelleri geliştirilerek kalan yararlı ömür tahmini yapılmıştır. NASA'nın Turbofan Motor Bozulma Simülasyonu veri seti kestirimci bakım modellerinin üretilmesine ve modellerin doğrulanmasına yardımcı olmuştur. Tahmine dayalı bakım modelinde, regresyon tipinde 5 farklı makine öğrenmesi yöntemi ve sınıflandırma tipinde 2 farklı derin öğrenme yöntemi kullanılmıştır. İki farklı çapraz doğrulama yöntemi ve çeşitli akıllı algoritmalar kullanılarak oluşturulan modelleri ele alınan veri seti için en optimal sonucun belirlenmesinde yardımcı olmuştur. Yapılan analizler ve karşılaştırmalar gösterdi ki Yığın Topluluk Öğrenmesi ve Evrişimsel Sinir Ağı yöntemleri tercih edilen veri seti için yüksek performans sağlamıştır. Modeller, doğruluk ve performans ölçütlerine göre karşılaştırılmış ve Yığın Topluluk Öğrenmesi yaklaşımı, kullanılan veri seti için en uygun sonucu vermiştir.
Özet (Çeviri)
Decisions regarding maintenance discipline have begun to change due to developments in the industrial field. Issues such as equipment condition monitoring, remaining useful life estimation, and maintenance planning have become essential business operations. In this study, predictive maintenance models were developed to prevent labor and economic losses caused by excessive and unnecessary maintenance and the remaining useful life estimated. NASA's Turbofan Engine Degradation Simulation Dataset helped to produce the predictive maintenance model and to validate models. The predictive maintenance model utilized five different machine learning methods in regression type and two different deep learning methods in classification type. Models designed using two other cross-validation methods and a variety of intelligent algorithms have assisted in determining the best outcome for the dataset under consideration. The analyzes and comparisons showed that Stacking Ensemble Learning and Convolutional Neural Network methods provided high performance for the preferred dataset. Models were compared based on accuracy and performance metrics, and the Stacking Ensemble Learning approach produced the most optimal result for the dataset applied.
Benzer Tezler
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Elektrikli otobüslerde çizge tabanlı öznitelik seçimi ve makine öğrenmesi ile kestirimci bakım
Predictive maintanance with graph based feature selection & machine learning in electrical busses
AYŞE IRMAK ERÇEVİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT ÖZBAYOĞLU
- Incipient fault detection in wind turbines
Rüzgar türbinlerinde gelişmekte olan hata öngörüsü
AYŞE GÖKÇEN KAVAZ TAŞKINER
Doktora
İngilizce
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Designing a decision support and recommendation system for improving energy efficiency
Enerji verimliliğini artırmaya yönelik karar destek ve öneri sistemi tasarımı
BAYRAM ÇAĞDAŞ KARA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZLEM VARLIKLAR
- Environmental assessment of alternative marine fuels and installations
Alternatif deniz yakıtlarının ve sistemlerinin çevresel açıdan değerlendirilmesi
BUĞRA ARDA ZİNCİR
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU