Design of intelligent reliability prediction models for industrial automation machinery: A robotic injection molding automation case study
Endüstriyel otomasyon makineleri için akıllı güvenilirlik tahmin modellerinin tasarımı: Bir robotik enjeksiyon sistemi çalışması
- Tez No: 737607
- Danışmanlar: DR. ÖĞR. ÜYESİ DURMUŞ ALİ BİRCAN
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 157
Özet
Bu tez çalışmasında, mevcut ve tahmin edilen ekipman ve proses güvenilirliği ile ilgili bir Robotik Enjeksiyon Kalıplama Sistemi (REKS) ele alınmıştır. Hata Türleri ve Etkileri Analizi (HTEA), geçmiş 48 aylık gerçek işletme performans verilerine göre sistem güvenilirliğini etkileyen en kritik REKS şartlarını bulmak için kullanılmıştır. Elde edilen HTEA sonuçlarının içerdiği ekipman arızaları arasındaki ortalama süre (MTBF), gelecek güvenilirlik tahminde kullanılacak en iyi performansa sahip Yapay Sinir Ağı (YSA) modelinin eğitimi ve yapılandırılması için kullanılmıştır. Ek olarak, gelecekteki Çevrim Süresini (ÇS) tahmini için de başka bir en iyi performanslı YSA modelini oluşturmak için 300 çevrimlik (24 Saat üretim süresi) proses verileri kullanılmıştır. Birlikte değerlendirilen ekipman ve proses güvenilirliği tahmin sonuçları, manipulator robotun pnömatik tutucusunun hem sistem hem de proses güvenilirliği için en kritik ekipman olduğunu göstermektedir. Çalışmanın sonunda, potansiyel risk faktörlerini ortadan kaldırarak elde edilecek en iyi ekipman ömrü ve proses döngüsünü sağlamak için gerekli önleyici ve iyileştirici aksiyonlar, tahmin edilen MTBF, CT verileri ve FMEA tablolarından faydalanılarak önerilmiştir.
Özet (Çeviri)
In this thesis study, a Robotic Injection Molding System (RIMS) is taken in the consideration dealing with existing and forecasted equipment and process reliability. Failure Mode and Effect Analysis (FMEA) is used for finding out RIMS most critical cases that effect overall system reliability according to historical 48 months real shop floor performance data. Obtained FMEA results are processed for training and structuring of best performance Artificial Neural Network (ANN) model to predict future performances in terms of equipment Mean Time Between Failure (MTBF). Additionally, 300 cycle (24 Hours production period) process data is used to structure another best performance ANN model to predict future Cycle Time (CT). Consolidated equipment and process reliability prediction results show that the pneumatic gripper of the manipulator is most critical equipment for both system and process reliabilities. In the end of the study preventive and improvement actions that are acquired from FMEA tables are suggested in accordance with forecasted MTBF and CT to eliminate overall potential risk factors to maintain best equipment and process life cycle.
Benzer Tezler
- Havacılık sektöründe istatistiksel proses kontrol: Uçak bakım süreçlerinin iyileştirilmesine yönelik bir uygulama
Statistical process control in the aviation sector: An implementation to improve aircraft maintenance processes
HAMİT HAMİDETTİN KUMURKAN
Yüksek Lisans
Türkçe
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Enhancing photovoltaic system performance through NARX-LSTM forecasting and neuro-controller based MPPT techniques
NARX-LSTM tahmın ve nöro-denetleyici temelli MPPT teknikleri vasıtasıyla fotovoltaık sistem performansının artırılması
OUBAH ISMAN OKIEH
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Endüstriyel yapılarda ön tasarım aşamasında makine öğrenmesi metodları ile kaba inşaat maliyetlerinin tahmini ve performans analizi
Estimation and performance analysis of rough construction costs with machine learning methods at the pre-design stage of industrial buildings
MUHAMMET EMİR KILIÇ
Yüksek Lisans
Türkçe
2021
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK
- Alüminyum 5083-H111 malzemenin delik delme işleminde kesme parametrelerinin yapay sinir ağları ile optimizasyonu
Optimization of cutting parameters in the drilling process of aluminum 5083-H111 material with ann
EMRE TEKE
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. NESLİHAN ÖZSOY
- Betonarme kirişlerin dış ardgerme uygulanarak rehabilitasyonu: Taşıma limit durumu için yapay zekâ tahmin modellerinin geliştirilmesi
Rehabilitation of reinforced concrete beams by applying external post-tension: Developing artificial intelligence prediction models for ultimate limit state
AHMED BADNJKI
Yüksek Lisans
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURGUT ÖZTÜRK