Üretim yapan bir işletme için veri odaklı kestirimci bakım modellerinin karşılaştırılması
Comparison of data driven predictive maintenance models for a manufacturing company
- Tez No: 693636
- Danışmanlar: DR. ÖĞR. ÜYESİ VOLKAN SÖNMEZ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Kestirimci Bakım, İstatistiksel Öğrenme, Üretim Kayıpları, Tahmin Modelleri, Predictive Maintenance, Statistical Learning, Production Losses, Prediction Models
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 68
Özet
Üretim yapan işletmeler için uygulanan bakım yöntemi en önemli problemlerden biridir. Endüstride uygulanan bakım stratejileri temel olarak iki grupta incelenmektedir. Bunlar düzeltici bakım ve önleyici bakımdır. Düzeltici bakım yöntemlerinde ekipman arızalandığında bakım yapılırken, önleyici bakım yöntemlerinde arıza meydana gelmeden önce bakım yapılmaktadır. Son yıllarda üretim sistemlerinde sensör teknolojilerinin gelişmesiyle, üretim ekipmanlarının basınç, sıcaklık, titreşim gibi değerleri sürekli olarak izlenebilmektedir. Bu da önleyici bakım yöntemlerinden biri olan kestirimci bakım tekniklerinin (ekipmanın durumuna göre bakım yapma/yapmama) endüstride daha yaygın kullanılmasını sağlamıştır. Ancak küçük ve orta boy işletmeler için üretim ekipmanlarının durumlarını sürekli olarak izleyebilecek ve kaydedebilecek bu tarz sensör sistemlerinin kurulması maliyetli olabilmektedir. Bu tez çalışması kapsamında da üretim ekipmanlarına yönelik bu tarz veriler olmaksızın, üretim hatlarına ait kayıp verilerinden yola çıkarak yine tahmine dayalı bakım modeli önerilmesi hedeflenmiştir. Çalışma kapsamında 24 saat kesintisiz PVC profili üretimi yapan bir işletmeye ait vardiya/üretim hattı bazındaki kayıp verileri (kg), üretim ekipmanı çalışma hız farkları ve son bakım üzerinden geçen vardiya sayısı gibi veriler kullanılmıştır. Öncelikle planlanan kayıplardan (bakım kaynaklı kayıplardan) yola çıkarak ortalama bakım maliyetine göre bakım için bir eşik değer (kg) belirlenmiştir. Daha sonra, üretim kayıp verilerinden, bir sonraki vardiyada çalıştırılması planlanan üretim hattı için muhtemel kayıp miktarını tahmin edecek modeller eğitilmiştir. Modellerin eğitilmesinde doğrusal regresyon, sinir ağları, rastgele orman ve gradyan artırma gibi veriden öğrenme algoritmaları kullanılmıştır. Eğitilen modellerin performansı karşılaştırıldığında en başarılı tahmin modelinin sinir ağları yöntemiyle eğitilen model olduğu görülmüştür. Tez çalışmasının en son aşamasında çalıştırılması planlanan üretim hattı için bakım yapıp yapılmayacağının kararının nasıl verilmesi gerektiği açıklanmıştır. Önerilen yönteme göre çalıştırılması planlanan üretim hattındaki muhtemel kayıp (kg) hesaplanacak, kayıp (kg) değeri belirlenmiş olan eşik değer ile karşılaştırılacaktır. Muhtemel kayıp (kg) eşik değerden büyükse bakım yapılacak, eşik değerden küçükse bakım yapılmayacaktır.
Özet (Çeviri)
Maintenance method is one of the most important problems for manufacturing enterprises. Maintenance strategies applied in the industry are mainly examined in two groups. These are corrective maintenance and preventive maintenance. In corrective maintenance methods, maintenance is performed when equipment fails, while in preventive maintenance methods, maintenance is performed before failure occurs.With the development of sensor technologies in production systems in recent years, data of production equipment such as pressure, temperature, vibration can be monitored continuously. This has led to the more widespread use of predictive maintenance techniques (performing / not performing maintenance according to the condition of the equipment), which is one of the preventive maintenance methods. However, it can be costly for small and medium-sized enterprises to install such sensor systems that can continuously monitor and record the status of production equipment. Within the scope of this thesis, it is aimed to propose a predictive maintenance model based on the loss data of production lines without such recorded data for production equipment. In the study, data, belonging to an enterprise that produces PVC profiles continuously for 24 hours, such as loss (kg) on the basis of shift / production line, production equipment operating speed differences and the number of shifts passed over the last maintenance, were used. First of all, a threshold value (kg) was determined for the maintenance according to the average maintenance cost based on the planned losses (losses due to maintenance). Then, models that will estimate the possible loss amount (kg) for the production line to be run in the next shift, were trained from the production loss data. Statistical learning algorithms such as linear regression, neural networks, random forest and gradient boosting were used to train the models. When the performance of the trained models was compared, it was seen that the most successful prediction model was the neural network. In the final stage of the thesis, it is explained how to decide whether to perform maintenance or not for the production line to be operated. According to the proposed method, the possible loss (kg) in the related production line will be calculated and the estimated possible loss (kg) will be compared with the determined threshold value. If the possible loss (kg) is greater than the threshold value, maintenance will be performed, if it is less than the threshold value, no maintenance will be performed.
Benzer Tezler
- Improvement of the new product design and development process by lean techniques and information system design: An application in white goods industry
Yalın teknikler ve bilgi sistemi tasarımı ile yeni ürün tasarım ve geliştirme süreçlerini iyileştirme: Beyaz eşya sektöründe bir uygulama
CEMİL ÜRİ
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Pazarlama stratejileri açısından Omnichannel'in önemi ve bir araştırma
The importance of Omnichannel in terms of marketing strategies and a research
FURKAN ERSOY
- Eczacılık fakülteleri ve Türk ilaç sanayi açısından üniversite-sanayi iş birliğinin değerlendirilmesi
Evaluation of university-industry collaboration from the perspective of faculties of pharmacy and the turkish pharmaceutical industry
MUAMMER ÇALIKUŞU
Doktora
Türkçe
2024
Eczacılık ve FarmakolojiAnkara ÜniversitesiEczacılık İşletmeciliği Ana Bilim Dalı
PROF. DR. GÜLBİN ÖZÇELİKAY
- Veri zarflama analizi
Data envelopment analysis
HİLAL KARASOY
Yüksek Lisans
Türkçe
2000
MatematikYıldız Teknik ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. FATMA TİRYAKİ
- Bir kargo firmasının etkinliğinin veri zarflama analizi ile değerlendirilmesi
Evaluation of the efficiency for a cargo firm with data envelopment analysis
İSMAİL KARAMAN
Yüksek Lisans
Türkçe
2024
EkonometriAnkara Hacı Bayram Veli ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. SİBEL ATAN