Endüstri 4.0 için bir anomali tespit sistemi çerçeve geliştirilmesi
Development of an anomaly detection system framework for industry 4.0
- Tez No: 758114
- Danışmanlar: PROF. DR. HADİ GÖKÇEN
- Tez Türü: Doktora
- Konular: Bilim ve Teknoloji, Endüstri ve Endüstri Mühendisliği, Science and Technology, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 156
Özet
Dördüncü nesil endüstri devrimi olarak da ifade edilen endüstri 4.0, daha yüksek üretkenlik ve daha yüksek verimlilik elde etmek için gelişmiş üretim sistemlerinin ortaya çıkartılmasını ve kullanılmasını amaçlamaktadır. Endüstri 4.0 seviyesine ulaşılma gerekliliğinin sebeplerinden biri de daha hızlı ve hatasız üretim gerçekleştirilerek müşteri memnuniyetinin oluşturulması ile küresel pazarda önemli derece bir rekabet avantajının sağlanabilmesidir. Bu gelişmeler sayesinde, birbirlerine bağlanmış cihazlar vasıtası ile oluşturulan ağ yapıları şeklindeki üretim sistemleri, stabil çalışabilme konusunda, cihazların birbirleri arasında sağlıklı bir şekilde veri iletişimi gerçekleştirmelerine bel bağlamaktadır. Bu sebeple son teknolojiye uygun üretim sistemlerinin tasarlanması aşamasında güvenlik konusuna da azami derecede önem vermek gerekmektedir. Güvenlik konusunda alınabilecek önlemlerin en önemlilerinden biri, sistemin çalışması anında ortaya çıkabilecek cihaz ve veri hatalarının gerçek zamanlı olarak hızlı bir şekilde tespit edilebilmesi için anomali tespit yapılarının hazırlanması gerekliliğidir. Gelişmiş zeki üretim yapılarında anomali tespit sistemlerini kurabilmek için kullanılabilecek yöntemlerden biri makine öğrenmesi teknikleridir. Bu tez kapsamında, endüstri 4.0 için zeki bir üretim hattında makine öğrenmesi ile elde edilen öğrenme modellerini kullanarak, gerçek zamanlı anomali tespiti gerçekleştirebilecek ve tespitleri bir ekran vasıtası ile denetçiye bildirebilecek bir sistemin geliştirilmesi amaçlanmıştır. Bunun için de gerekli sentetik verinin elde edilebilmesi amacıyla bir üretim sistemi simülasyonu kurulmuştur. Simülasyon ile elde edilen statik ve dinamik verilerin değerlendirilmesi ile her cihaz için uygun öğrenme modelleri tespit edilmiş ve gerçek zamanlı anomali tespiti yapabilecek şekilde sistem ayarlanmıştır. Uygun öğrenme modellerinin tespit edilmesi için yapılan analiz çalışmaları sonucunda, tüm cihazlar için AutoML kütüphanelerinden olan Auto-Sklearn tarafından üretilmiş olan öğrenme modellerinin en iyi sonuca ulaştığı belirlenmiştir. Tezin hazırlanması aşamasında ulaşabildiğimiz kadarıyla, anomali tespiti konusunda yapılan çalışmaların çok büyük oranda, sadece verilerde anomali olup olmadığının tespit edilmesi üzerine olduğu, ancak tespit edilen anomali ile ilgili ayrıntılı bilgi verilmediği şeklinde olduğu görülmüştür. Tez kapsamında oluşturulmuş olan anomali tespit sistemimizde ise bunlardan farklı olarak, her cihaz için anomali tespitinin yapılması ile birlikte, hatanın hangi tür anomali olduğunun da belirlenmesi sağlanmıştır.
Özet (Çeviri)
Industry 4.0, also referred to as the fourth-generation industrial revolution, aims to reveal and use advanced production systems to achieve higher productivity and higher efficiency. One of the reasons for the necessity to reach the industry 4.0 level is to achieve a significant competitive advantage in the global market by creating customer satisfaction by performing faster and error-free production. Thanks to these developments, production systems in the form of network structures created by means of devices connected to each other depend on healthy data communication between devices for stable operation. For this reason, it is necessary to give utmost importance to the issue of safety at the stage of designing production systems in accordance with the latest technology. One of the most important measures that can be taken regarding security is the necessity of preparing anomaly detection structures in order to quickly detect device and data errors that may arise during the operation of the system, in real time. One of the methods that can be used to establish anomaly detection systems in advanced intelligent production structures is machine learning techniques. Within the scope of this thesis, it has been aimed to develop a system that can perform real-time anomaly detection and report the detections to the auditor via a screen by using learning models obtained by machine learning in an intelligent production line for industry 4.0. For this, a production system simulation has been established in order to obtain the necessary synthetic data. By evaluating the static and dynamic data obtained through simulation, appropriate learning models have been determined for each device, and the system has been adjusted to perform real-time anomaly detection. As a result of the analysis studies carried out to determine the appropriate learning models, it has been determined that the learning models produced by Auto-Sklearn, which is one of the AutoML libraries for all devices, achieved the best results. As far as we can reach during the preparation of the thesis, it has been observed that the studies on anomaly detection are mostly focused on determining whether there is an anomaly in the data, but detailed information about the detected anomaly is not given. In our anomaly detection system, which was created within the scope of the thesis, unlike these, associated with anomaly detection is performed for each device, it is also possible to determine which type of anomaly the error is.
Benzer Tezler
- Federated anomaly detection for log-based defense systems
Log tabanlı savunma sistemleri için federe olağandışılık tespiti
UĞUR ÜNAL
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. HASAN DAĞ
- Otonom robotlar için pekiştirmeli öğrenme tabanlı dağıtık arıza teşhis sistemi
Reinforcement learning based distributed fault diagnosis system for autonomous robots
MAHMUT KASAP
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET YAZICI
DOÇ. DR. EYÜP ÇİNAR
- Fabrikalardaki otonom taşıyıcı araçlar için veri odaklı anomali tespiti
Data driven anomaly detection for autonomous transport vehicles in factories
ÖZLEM ÖRNEK
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET YAZICI
- Auditory detection of clips failures in manufacturing
Üretimde klips hatalarının ses tabanlı tespiti
SABRİ SÜER
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Fabrika ortamındaki otonom taşıyıcı araçlar için durumsal farkındalık yöntemi geliştirilmesi
Developing situational awareness method for autonomous transport vehicle in factory environments
ELİF DEĞİRMENCİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET YAZICI