An industrial internet of things application for real-time condition monitoring
Gerçek zamanlı durum izleme için endüstriyel nesnelerin internetiuygulaması
- Tez No: 710709
- Danışmanlar: DOÇ. DR. İLHAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Son yıllarda, üretim modeli dünya çapında yaygınlaşmıştır. Akıllı teknoloji ve modern otomasyon araçları, üretim ve endüstrinin çehresini giderek daha fazla değiştirmektedir. Yenilikçi bakım tekniklerinin kullanılması, kuruluşlardaki aksama ve ani duruşları azaltarak üretime katkıda bulunur. Arıza süresini azaltarak ve bakım performansını artırarak gerçekleştirilebilecek üretim maliyetlerini azaltmak en kritik görevdir. Ekipmanın çalışma koşullarının kapsamlı ve çevrimiçi bir görünümünü sunabilen düşük maliyetli akıllı cihazların yaygın kullanımı ile bu hedeflere ulaşabilir. Bu nedenlerle, bu tezde asenkron motorların izlenmesi için Nesnelerin İnterneti tabanlı bir yöntem önerilmiştir. Bu cihazlar, bir arıza sonrasında motorun toleransının koşullu ve sürekli kontrolünü sağlamak için motorun titreşim sinyallerini analiz eder. Yapay zeka, üretim ve algoritmaların bir sonucu olarak, nesnelerin internetinin uzak bulutları yöntemlerini kullanarak motorun durumunu uzaktan izlemek mümkün olacaktır. Makinenin kararlılığını değerlendiren ses veya titreşim sensörleri, uyarılar vermenin ve makinenin kararlı olup olmadığını tahmin etmenin yanı sıra, izleme merkezlerini makinede herhangi bir hasar oluşmadan önce bilgilendirerek arıza ve arızaların azaltılmasına yardımcı olur. Bu amaçla asenkron motorlardan titreşim sinyallerinin ölçülmesi ve durum analizinin uzaktan yapılabilmesi sağlanacaktır. Önerilen yaklaşım bir uzaktan algılama kiti ile titreşim sinyallerinin ölçülmesi ve yapay zeka temelli arızaların belirlenmesine dayalıdır. Önerilen yaklaşım iki yöntemden oluşmaktadır. İlk yöntem kit ile ölçülen titreşim sinyalleri ile makine öğrenmesi tabanlı mil dengesizliklerinin tespitine dayalıdır. Bu amaçla farklı makine öğrenmesi yöntemlerinin performansı karşılaştırılmıştır. İkinci yaklaşım ise motor titreşim sinyalleri üzerinde üç farklı tek boyutlu evrişimsel sinir ağları ile arıza teşhis performansının değerlendirilmesidir. Elde edilen sonuçlar gerçek ortamda motor arızlarının belirlenmesi için yöntemlerin kullanılabileceğini ve uzaktan çoklu motorların kolayca izlenebileceğini göstermektedir.
Özet (Çeviri)
In recent years, the production model has become widespread around the world. Smart technology and modern automation tools are increasingly changing the face of production and industry. The use of innovative maintenance techniques contributes to production by reducing disruptions and sudden stops in industry. The achievable production costs by reducing downtime and increasing maintenance performance is the most critical task. It can achieve these goals with the widespread use of low-cost smart devices that can provide a comprehensive online view of equipment operating conditions. For these reasons, an Internet of Things-based method is proposed for monitoring induction motors in this thesis. These devices analyze the vibration signals of the motor to provide conditional and continuous control of the tolerance of the motor after a fault. As a result of artificial intelligence, production and algorithms, it will be possible to remotely monitor the state of the motor using the methods of remote clouds of the Internet of things. The sound or vibration sensors that evaluate the stability of the machine help to reduce breakdowns and faults by issuing warnings and predicting whether the machine is stable, by informing monitoring centers before any fault occurs to the motor. For this purpose, it will be possible to measure vibration signals from the induction motors and make condition analysis remotely. The proposed approach is based on measuring vibration signals with a remote sensing kit and identifying faults based on artificial intelligence. The approach consists of two methods. The first method is based on the detection of shaft imbalances based on machine learning with vibration signals measured with the kit. For this purpose, the performance of different machine learning methods was compared. The second approach is to evaluate the diagnostic performance of three different one-dimensional convolutional neural networks on motor vibration signals. Obtained results show that methods can be used to detect motor faults in real environment and multiple motors can be easily monitored remotely.
Benzer Tezler
- Predictive maintenance of compressor using thingspeak IOT platform
Thingspeak IOT platformunu kullanan kompresörün öngörülü bakimi
SHIVAN J.M.TAHIR MOHAMMED TAHIR
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKIN
- 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
- Dengesiz veri setlerinde aşırı örnekleme teknikleri ile makine öğrenmesi yaklaşımlarının karşılaştırılması
Comparison of machine learning approaches by using oversampling techniques on imbalanced datasets
ÜMİT DİLBAZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiAkıllı Mühendislik Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÖZGÜR CİNGİZ
- Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques
Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması
RAGHAD MOHAMMED KHORSHEED
Doktora
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Next generation wireless networks for social good
Sosyal fayda için yeni nesil telsiz ağlar
SULTAN ÇOĞAY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ