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: Akıllı üretim, Enjeksiyon kalıplama, Güvenilirlik, Hata türleri ve etkileri analizi, Yapay sinir ağları, Smart production, Injection molding, Reliability, Failure mode and effect analysis, Artificial neural networks
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Makine öğrenmesi tabanlı akıllı şehir çözümleri: Bina türü tanıma, su tüketimi öngörüsü ve sızıntı tespiti
Machine learning-based smart city solutions: Building type identification, water consumption forecasting, and leak detection
RAUF YASİN
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEÇKİN ARI
- 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
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Zaman alanı performans kriterlerine dayalı yapay zekâ destekli pıd denetleyici parametre ayarı
Ai-assisted pid controller parameter tuning based on time-domain performance criteria
MUHAMMET ENSAR AÇIKMEŞE
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN
- Elektrikli gemilerin şarj prosesi için yapay zekâ tabanlı yeni bir otonom kontrol sistemi
A novel AI-based autonomous control system for the charging process of electric ships
EMİN GÜNEY
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ
- 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