Geri Dön

Design of predictive maintenance model using artificial intelligence methods

Yapay zeka yöntemleri kullanılarak kestirimci bakım modelinin dizayn edilmesi

  1. Tez No: 690999
  2. Yazar: BEGÜM AY TÜRE
  3. Danışmanlar: PROF. DR. ABDÜL HALİM ZAİM, DOÇ. DR. AKHAN AKBULUT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: İstanbul Ticaret Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR BEJİ

  2. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET MURAT ÖZBAYOĞLU

  3. Incipient fault detection in wind turbines

    Rüzgar türbinlerinde gelişmekte olan hata öngörüsü

    AYŞE GÖKÇEN KAVAZ TAŞKINER

    Doktora

    İngilizce

    İngilizce

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURAK BARUTÇU

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZLEM VARLIKLAR

  5. Environmental assessment of alternative marine fuels and installations

    Alternatif deniz yakıtlarının ve sistemlerinin çevresel açıdan değerlendirilmesi

    BUĞRA ARDA ZİNCİR

    Doktora

    İngilizce

    İngilizce

    2024

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU