Anomaly detection in industry 4.0 environment
Endüstri 4.0 ortamında anomali sezinleme
- Tez No: 692507
- Danışmanlar: DOÇ. DR. RIZA CENK ERDUR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 153
Özet
Fabrikada üretim devamlığı süreçlerinin sürekliliği esastır, çünkü istem dışı duruş ürün teslimatında gecikmeye, maliyetli bakım ücretlerine, memnun olmayan müşterilere vb. neden olabilir. Bu yüzden, olası hataların önceden tespit edilmesi ve zamanında uygun aksiyonların alınması gerekmektedir. Sorunu çözmenin geleneksel yolları vardır. Bununla birlikte, üretim biriminin boyutu büyüdükçe sıkıcı, zaman alıcı ve daha az güvenilir oldukları kanıtlanmıştır. Dolasıyla, bu sorun endüstri 4.0'ın fabrika otomasyonuna zeka katarak çözmeye çalıştığı sorunlardan biridir. Endüstri 4.0 ortamında, gelecekteki arızaları tahmin etmek için veriler toplanır ve analiz edilir. Endüstri 4.0 teknolojilerini kullanmanın bilinen faydaları olmasına rağmen, birçok şirket bunları benimsemekte zorlanmaktadır. Bunun arkasındaki temel nedenlerden biri, kademeli olarak akıllı üretime geçmelerine yardımcı olacak net bir kılavuza sahip olmamalarıdır. Bu boşluğu doldurmak için değerlendirme modelleri konusu ile ilgili birçok çalışma yapılmıştır. Bununla birlikte, bu çalışmaların çoğu, genel olarak endüstri 4.0 teknolojilerinin benimsenmesi için yöntemler, kılavuzlar ve olgunluk modelleri geliştirmeye odaklanmıştır. Üretimde başarının anahtarı olduğuna inanılan bakım stratejileri üzerine fazla çalışma yoktur. Bu nedenle, bu çalışma akıllı bir bakım olgunluk modeli geliştirerek bu boşluğu doldurmaya çalışmaktadır. Geliştirilen model, bir vaka çalışmasıyla dört şirkete uygulanmıştır. Anomali sezinleme konusunda literatürde de pek çok çalışma yapılmıştır. Ancak, çoğu, endüstri 4.0 spesifikasyonlarının kullanılmasını gerektiren endüstrideki yeni eğilimi hesaba katmadan istatistiksel ve makine öğrenimi tekniklerini kullanmıştır. Bu çalışma, endüstri 4.0 vizyonuna uygun olarak anomali sezinleme için son teknoloji makine öğrenimi tekniklerini araştırıp uygulayarak boşluğu doldurmaya çalışacaktır. Özellikle bu çalışma, endüstri 4.0 ortamında akıllı bakım uygulamasına odaklanmaktadır.
Özet (Çeviri)
The continuity of production processes in a factory is essential as involuntary stops may cause delays in product delivery, introduce costly maintenance fees, unsatisfied customers, etc. Therefore, there is a need to identify potential errors in advance in order to take appropriate actions in time. There are traditional ways to tackle the problem. However, they are proven tedious, time-consuming, and less reliable. This is one of the problems that industry 4.0 try to solve by incorporating intelligence in factory automation. Although the known benefits of using industry 4.0 technologies, many companies are struggling to adopt them. One of the main reasons behind that is the fact that there is no clear guideline to help them move gradually toward smart manufacturing. To fill this gap, assessment models have been proposed in the literature. However, most of them are focused on the adoption of industry 4.0 technologies in general. There is not much work on maintenance strategies, which are believed to be a key to success in manufacturing. Therefore, this work tries to fill that gap by developing a smart maintenance maturity model. The developed model has been applied to three companies through a case study. Furthermore, the work investigates and applies state-of-the-art machine learning techniques for anomaly detection, following the industry 4.0 specifications. In particular, this work focuses on the implementation of smart maintenance in the industry 4.0 environment.
Benzer Tezler
- Fabrikalardaki otonom taşıyıcı araçlar için veri odaklı anomali tespiti
Data driven anomaly detection for autonomous transport vehicles in factories
ÖZLEM ÖRNEK
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET YAZICI
- Fabrika ortamındaki otonom taşıyıcı araçlar için durumsal farkındalık yöntemi geliştirilmesi
Developing situational awareness method for autonomous transport vehicle in factory environments
ELİF DEĞİRMENCİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET YAZICI
- Kestirimci bakım sistemlerinde veri artırma yöntemlerinin geliştirilmesi ve bir uygulaması
Development of data augmentation methods for predictive maintenance systems and an application
SENA KALAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EYÜP ÇİNAR
PROF. DR. İNCİ SARIÇİÇEK
- Otonom robotlar için pekiştirmeli öğrenme tabanlı dağıtık arıza teşhis sistemi
Reinforcement learning based distributed fault diagnosis system for autonomous robots
MAHMUT KASAP
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET YAZICI
DOÇ. DR. EYÜP ÇİNAR
- Makine öğrenmesi kullanılarak endüstriyel pres makinesi için kestirimci bakım uygulaması
Predictive maintenance application for industrial press machine using machine learning
ERKUT YİĞİT
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ZEKİ BİLGİN