Bakım planlamasında kullanılan makine öğrenme yöntemlerinin çok kriterli karar verme ile analizi
Analysis of machine learning methods used in maintenance planning with multi-criteria decision making
- Tez No: 728663
- Danışmanlar: PROF. DR. MEHMET KABAK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Bakım, bir işletmede kurulan düzenli çalışmanın aralıksız olarak sürdürülebilmesi için gerekli olan faaliyettir. Bakım önceden sadece üretim alanlarında makinelerde olması gerekli fiziksel faaliyet olarak düşünülürken, günümüzde ise buna ilave olarak çalışılan alanın gelir ve giderlerine önemli ölçüde etkisi olan kritik bir işletme fonksiyonu olarak nitelendirilmektedir. Gelişen ve değişen teknolojide savunma sanayisinde faaliyet gösteren kuruluşlarda meydana gelen arızaların önüne geçebilmek için bakım planlama çalışması yapılması gerekmektedir. 1950 yılından itibaren bakım planlaması tahmin çalışmalarında yapay zekâ yöntemlerinden makine öğrenmesi teknikleri kullanılmaktadır. Makine öğrenmesi, makinelerin durumlar karşısında kendini eğiterek ve öğreterek daha iyi kararlar ya da tahminler verebilmesini sağlayan algoritmaların geliştirilmesidir. Bakım planlaması öncesinde oluşan arıza kuruluşlarda itibar kaybı gibi manevi, sevkiyat gecikmesi gibi maddi kayıplara neden olabilir. Savunma sanayi firmasında yapılan bu çalışmada, bakım takvim planlamalarını belirlemek, arızaları önceden tahmin etmek, üretimde duruşu ve maliyet kaybını en aza indirgemek ya da tamamen ortadan kaldırmak hedeflenmiştir. Bu süreçte savunma sanayi firmasında sürdürülebilir bir sistem kurulması için toplanan veriler Python programlama dili kullanılarak denetimli makine öğrenmesi tekniklerine uyarlanmıştır. Bu makine öğrenmesi yöntemlerinin tahmini için sensörden alınan fiziksel etken verileri kullanılmıştır. Sıcaklık, basınç ve nem olan bu verilerin arızaya geçme süresi ile arasındaki ilişki korelasyon analizi ile belirlenmiştir. Lineer regresyon, polinomal lojistik regresyon ve destek vektör sistemleri denetimli makine öğrenmesi teknikleri olarak kullanılmıştır. Bu yöntemlerin sıralaması çok kriterli karar verme tekniklerinden AHP ile belirlenmiştir.
Özet (Çeviri)
Maintenance is the activity that is necessary to maintain the regular work established in an enterprise without interruption. While maintenance was previously thought of as a physical activity that must be performed only on machines in production areas, today it is additionally defined as a critical business function that has a significant impact on the income and expenses of the working area. In order to prevent malfunctions that occur in organizations operating in the defense industry in developing and changing technology, maintenance planning work is required. Machine learning techniques, one of the artificial intelligence methods, have been used in maintenance planning estimation studies since 1950. Machine learning is the development of algorithms that enable machines to make better decisions or predictions by training and teaching themselves about situations. Failures that occur before maintenance planning may cause moral losses such as loss of reputation in organizations and financial losses such as shipment delays. In this study, which was carried out in a defense industry company, it was aimed to determine the maintenance schedules, to predict the failures, to minimize or completely eliminate the production stoppage and cost loss. In this process, the data collected for the establishment of a sustainable system in the defense industry company were adapted to supervised machine learning techniques using the Python programming language. For the prediction of these machine learning methods, physical factor data from the sensor is used. The relationship between these data, which are temperature, pressure and humidity, and the time to failure was determined by correlation analysis. Linear regression, polynomial logistic regression and support vector systems were used as supervised machine learning techniques. The order of these methods was determined by AHP, one of the multi-criteria decision making techniques.
Benzer Tezler
- Data-driven condition monitoring and fault diagnosis of VFD-FED induction motors
Değişken frekanslı sürücü ile beslenen asenkron motorlarda veri odaklı durum izleme ve arıza tanılama
ALPER SENEM
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL
- Design of a test setup for steel wire rope fatigue testing and development of an AI-based damage detection method
Çelik halat yorulma testi için bir test düzeneğinin tasarımı ve yapay zeka tabanlı hasar tespit yönteminin geliştirilmesi
MOHSEN SEYYEDİ
Yüksek Lisans
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Raylı taşıtlarda bakım planlaması, deray şartları ve emniyet değerlendirmesi
Evaluation on safety and maintenance planning on railway vehicles and derailment conditions and safety assessment
CEM ARSLAN
Yüksek Lisans
Türkçe
2011
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCER TOPRAK
- Predictive modeling of non-routine maintenance workload in aircraft operations: a task card-level approach using real mro data and machine learning
Uçak bakım operasyonlarında non-routıne iş yükünün öngörüsel modellemesi: gerçek mro verileri ve makine öğrenmesi ile görev kartı düzeyinde bir yaklaşım
TALHA GÜÇLÜ
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- A prescriptive analytics approach towards critical ship machinery operations
Kritik gemi makine işlemlerine yönelik bir preskiriptif analitik yaklaşım
BARIŞ YİĞİN
Doktora
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ÇELİK