Kestirimci bakım planlaması için zaman serisi modellerine dayalı arıza zamanı tahmini
Failure time prediction based on time series models for predictive maintenance planning
- Tez No: 755201
- Danışmanlar: DR. ÖĞR. ÜYESİ BİLAL ERVURAL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Arıza tahmini, arızaların tespit edilmesi ve bakım programı oluşturulması için işletmelerde önemli rol oynayan konulardan bir tanesidir. İşletmeler müşteri memnuniyetini sağlamak ve rakipleri ile rekabet edebilmek için sistemdeki plansız duruşları ve buna neden olan öngörülemeyen sebepleri ortadan kaldırması gerekmektedir. Bakım planlama sistemin sürekli olarak çalışır durumda olmasını sağlamak amacı ile yapılan faaliyetlerin planlanmasıdır. Bu çalışmada bir gıda firmasının kurutma hattındaki plansız duruşları ortadan kaldırmak ve kestirimci bakım planı oluşturmak için makine arıza tahmini çalışması yapılmıştır. ARIMA modeli doğrusal modeller için Yapay Sinir Ağları doğrusal olmayan modeller için iyi sonuçlar vermektedirler. Fakat gerçek hayat verilerinde hem doğrusal hem de doğrusal olmayan veriler bulunabilmektedirler. Bu nedenle hibrit modeller daha iyi sonuçlar verebilmektedirler. Çalışmada ARIMA, Yapay Sinir Ağları (YSA) ve Hibrit ARIMA-YSA modelleri kullanılmıştır. Veri seti ARIMA, Yapay Sinir Ağları (YSA) ve Hibrit ARIMA-YSA modelleri ile ayrı ayrı modellenmiştir. 3 aylık makine arızası veri seti ile çalışılmıştır. Her bir model için 3 aylık makine arıza zamanı tahmin değerleri oluşturulmuştur. Oluşturulan tahmin değerleri Ortalama Mutlak Hata (MAE), Ortalama Karesel Hata (MSE), Ortalama Mutlak Hata Yüzdesi (MAPE) ve Karekök Ortalama Mutlak Hata (RMSE) performans metrikleri ile istatistiksel olarak incelenmiştir. Hibrit modelin ARIMA ve YSA modellerine göre daha iyi sonuçlar verdiği gözlemlenmiştir.
Özet (Çeviri)
Failure estimation is one of the issues that play an important role in companies detecting failures and constructing a maintenance program. To ensure customer satisfaction and compete with their competitors, companies need to eliminate unplanned stops in the system and the unforeseen reasons that cause them. Maintenance planning is the planning of activities carried out to ensure that the system is in continuous operation. In this study, a machine failure estimation study was carried out to eliminate unplanned stops in the drying line of a food company and to construct a predictive maintenance plan. ARIMA for linear models and Neural Networks for nonlinear models provide acceptable results. However, real-life problems can include both linear and non-linear data. Therefore, hybrid models can provide better results. The study used ARIMA, Artificial Neural Networks (ANN), and Hybrid ARIMA-ANN models. The data set was modeled separately with ARIMA, Artificial Neural Networks (ANN), and Hybrid ARIMA-ANN models. It has been studied with a 3-month machine failure data set. For each model, 3-month prediction values of machine failure time were computed. Estimated values were statistically analyzed using Mean Absolute Error (MAE), Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE), and Root Mean Square Error (RMSE) performance metrics. The hybrid model has been demonstrated to give better results than the ARIMA and ANN models.
Benzer Tezler
- Wind speed prediction using linear prediction methods
Lineer öngörü metodları ile rüzgar hızı öngörüsü
ZAFER CANAL
Yüksek Lisans
İngilizce
2015
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
YRD. DOÇ. DR. BURAK BARUTÇU
- Toplu taşıma araçlarında yapay zekâ tabanlı kestirimci bakım yaklaşımı
Artificial intelligence based predictive maintenance approach in public transport vehicles
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAHİN
- Endüstriyel sistemlerde erken uyarıcı dinamik bakım
Pre-warning dynamic maintenance in industrial systems
ANDAÇ BATUR ÇOLAK
Yüksek Lisans
Türkçe
2004
Makine MühendisliğiMustafa Kemal ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF.DR. ERTUĞRUL BALTACIOĞLU
- Digital twin prototyping and simulation pipeline proposal through the integration of BIM and IOT
BIM ve IOT entegrasyonu yoluyla dijital ikiz prototip ve simülasyon hattı önerisi
MARWA ABDELFATTAH
Yüksek Lisans
İngilizce
2024
MimarlıkAltınbaş ÜniversitesiMimarlık Ana Bilim Dalı
Assist. Prof. Dr. CAN UZUN
- Endüstriyel bakım planlaması ve kontrolu
Başlık çevirisi yok
DİDEM ÇAPKUR
Yüksek Lisans
Türkçe
1989
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiÜretim Yönetimi Ana Bilim Dalı
PROF. DR. MEHMET GÜNEŞ GENÇYILMAZ