Geri Dön

Makine öğrenmesi yöntemleri ile dinamik risk analizinde insan tecrübesine olan bağımlılığın azaltılması

Decreasing of dependency to expert in dynamic risk analysis along with machine learning methods

  1. Tez No: 758673
  2. Yazar: BURKAY KARADAYI
  3. Danışmanlar: PROF. DR. SUPHİ URAL
  4. Tez Türü: Doktora
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İşçi Sağlığı ve İş Güvenliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 207

Özet

Risk yönetimi işletmelerin karar verme ve süreçlerini yönetme konusunda başvurdukları yöntemlerden birisidir. Enerji sektörü, özellikle son dönemlerde dünya genelinde yaşanan arz problemlerinden kaynaklı olarak risk yönetiminin verimli şekilde yürütülmesi elzem sektörlerdendir. Risk yönetiminin önemli aşamalarından olan risk analizi geçmişten günümüze farklı yöntemlerle gerçekleştirilmiştir. Son dönemde teknolojinin gelişmesiyle birlikte pek çok alanda olduğu gibi risk analizi alanında da makine öğrenmesi yöntemlerinden yararlanılmaktadır. Makine öğrenmesi yöntemlerinin risk analizinde kullanılmaya başlamasıyla birlikte uzmana olan bağlılığın azaltılması bu tez çalışmasında hedeflenmiştir. Bu amaçla, bir rüzgâr enerji santralinin SCADA sisteminden temin edilen operasyon ve alarm verileri incelenmiştir. Alarm verileriyle ileriye yönelik alarm tahmini ve sistemin arıza yapma riski ekonomik kayıp üzerinden modellenmeye çalışılmıştır. Riske etki eden parametreler makine öğrenmesi yöntemleriyle otomatik olarak modele dahil edilmiş ve uzmana olan bağlılığın azaltılması hedeflenmiştir. Çalışmanın sonucunda hem gerçek zamanlı hem de ileriye yönelik risk tahminlerinin yüksek tutarlılık oranlarında gerçekleştirildiği görülmüştür.

Özet (Çeviri)

Risk management is a crucial tool for facilities for managing decision makings and operations. Also, risk management is essential for energy sector because of recent energy supply crisis around the world. Risk analysis which is a key tool for risk management has been carried out by the way of different techniques until today. As in many fields, machine learning has been used for risk analysis along with technological developments. It is aimed that decreasing dependency to expert in this study associated with using of machine learning techniques for risk analysis. So, a SCADA related database which consists of operational and alarm data of a wind turbine is examined and system failures and economical losses-based risk models are investigated. Features which are effects risk levels are included to risk model automatically and it is aimed to decrease expert opinions. At the end of the study, either real-time based or future-based risk predictions are observed with high consistencies.

Benzer Tezler

  1. Association rule mining for identifying factors in dynamic positioning incidents and accidents

    Dinamik konumlandırma kazalarına ait faktörlerin birliktelik kural madenciliği ile tanımlanması

    TUĞFAN ŞAHİN

    Doktora

    İngilizce

    İngilizce

    2024

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PELİN BOLAT

  2. Baskı çoğaltma endüstrisine yönelik otonom tekliflendirme ve cihaz yönetimi stratejilerinin değerlendirilmesi: Bir karar destek sisteminin tasarımı

    Evaluation of autonomous bidding and device management strategies for the print reproduction industry: The design of a decision support system

    DENİZ IŞIL ŞİMŞEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. EMRE ÇEVİKCAN

  3. Prediction of pore pressure and deviatoric stress generation for liquefiable soils under cyclic loading using machine learning

    Sıvılaşabilen zeminlerde dinamik yükleme durumunda boşluk suyu basıncı ve deviatorik gerilme değişiminin makine öğrenmesi yöntemleriyle tahmin edilmesi

    ÖMER TUĞŞAD BİRİNCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Deprem Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET BARIŞ CAN ÜLKER

  4. Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators

    Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi

    MAHMUT SAMİ SİVRİ

    Doktora

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  5. A composed technical debt identification methodology to predict software vulnerabilities

    Yazılım zafiyetlerini tahmin etmek için kapsamlı bir teknik borç tanımlama yöntemi

    RUŞEN HALEPMOLLASI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE TOSUN KÜHN