Endüstriyel ısıl işlem fırınları için kestirimci bakım uygulaması
Predictive maintenance study with machine learning methods for industrial heat treatment ovens
- Tez No: 760248
- Danışmanlar: PROF. DR. AHMET ERDİL
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Bu tez çalışması, endüstriyel ısıl işlem fırınları için makine öğrenmesi yöntemleri ile kestirimci bakım sistemi geliştirmek amacıyla hazırlanmıştır. Endüstriyel ısıl işlem fırınları içerisinde sıcaklık sensörleri, rezistanslar, üfleyiciler ve çeşitli kontrolcüler bulunmaktadır. Bu ekipmanlardan bir ya da birkaçının arızalanması durumunda büyük üretim duruşları ve maliyet kayıpları yaşanmaktadır. Bu tez çalışması kapsamında Toyotetsu Otomotiv Parçaları San. ve Tic. A.Ş.´de bulunmakta olan 10 katlı büyük bir ısıl işlem fırınında kullanılan rezistansların akım verileri, sıcaklık sensör verileri, üfleyici giriş-çıkış basınçları, sürücü bilgileri, akım, voltaj vb. bilgiler toplanmıştır ve ardından kestirimci bakım sisteminin bu veriler ile eğitilmesi sağlanarak çeşitli kestirimci bakım yöntemleri geliştirilmiştir. Oluşturulan yöntemler ile, ekipmanda zaman içerinde oluşan hasarlar ve arızalar önceden algılanabilmiştir. Kestirimci bakım çalışması ile operatörün, arıza oluşmadan önce uyarılması sağlanmıştır. Kestirimci bakım çalışmaları, geleneksel bakım yöntemlerinin oluşturduğu maliyet ve zaman kayıplarının ortadan kaldırılması sağlamıştır. Geleneksel bakım çalışmalarında sistem durumu ve sensör verileri incelenmemekte ve çoğunlukla periyodik bakım uygulanmaktadır. İlgili parçaların, belirlenen periyod sonunda sağlam dahi olsa yenileri ile değiştirilmesi gerekir. Bu durumun getirmiş olduğu maliyetler ve değişimi için harcanan iş gücü, işletmeler açısından büyük bir iş yükü oluşturmaktadır. Periyodik bakım yapılsa dahi ansızın bir arıza oluşabilmekte ve üretimin durmasına neden olabilmektedir. Oysaki sensör verilerinin analiz edildiği kestirimci bakım uygulamalarında 1-2 gün öncesinde ya da haftalar öncesinden anormal durumlar tespit edilebilmekte ve ilgili kişilerin uyarılabilmesi sağlanmaktadır. Bu tezde, makine öğrenmesi yöntemleri kullanarak kestirimci bakım çalışması yapılmıştır. Oluşturulan veri setleri ve kullanılan algoritmaların başarı oranları ve sonuçları paylaşılarak yorumlanması sağlanmıştır.
Özet (Çeviri)
This study developed for predictive maintenance system with machine learning methods. The system designed and applied at heat treatment furnace. Industrial heat treatment furnace includes a lot of temperature sensors, resistances, blowers and various controllers. If one or more of these equipment fails, large production downtime and efficiency losses occur. In this study, the data of current, temperature, blower input-output pressures, driver device status and voltage data are collected from heat treatment oven at Toyotetsu Turkey facility. Obtained data from heat treatment furnace will be trained using predictive maintenance methods. The created methods will be able to detect the damages that may occur in the equipment in advance. With predictive maintenance operators, will be able to warn for maintenance requirement before the failure occurs. Predictive maintenance studies reduced the cost and time losses of traditional maintenance methods will be eliminated. In traditional maintenance studies, system status and sensor data are not examined and periodic maintenance is mostly applied. Relevant parts must be replaced with new ones, even if they are intact at the end of the specified period. The costs of materials and replacement process create a great workload for machine maintenance team. Even if periodic maintenance is carried out, malfunction may occur and cause production to stop. Whereas, in predictive maintenance applications, the analysis results of the sensor data can detect abnormal situations 1-2 days or weeks before, and can be warned about. In this thesis, predictive maintenance system created with using machine learning methods. The success rates of the algorithms used in the thesis are shared.
Benzer Tezler
- Identifying technical specifications of industrial heat treatment furnaces
Endüstriyel ısıl işlem fırınlarının teknik özelliklerinin belirlenmesi
LEVENT SİNDEL
Yüksek Lisans
İngilizce
2011
Makine MühendisliğiMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. BURHANETTİN ALTAN
- Numerical investigation of the cooling zone of a container glass annealing furnace
Cam tavlama fırınlarında soğutma bölgesinin sayısal olarak incelenmesi
OĞUZHAN AŞIK
Yüksek Lisans
İngilizce
2024
Makine MühendisliğiÖzyeğin ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALTUĞ MELİK BAŞOL
- Endüstriyel bir kurutma fırının termodinamik analizi
thermodynamic analysis of an industrial dryer
GÖKÇENUR TİMİNCİOĞLU
Yüksek Lisans
Türkçe
2022
EnerjiManisa Celal Bayar ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. LEYLA ÖZGENER
- Akışkan yataklı fırında farklı çeliklerin borlanması ve borlama parametrelerinin geliştirilmesi
Development of boronizing parameters and boronizing of different steels in fluidized bed furnace
POLAT TOPUZ
Doktora
Türkçe
2009
Metalurji MühendisliğiMarmara ÜniversitesiMetal Eğitimi Ana Bilim Dalı
PROF. DR. SERDAR SALMAN
- Asit rejenerasyon tesisi yan ürünü hematitin kırmızı demir oksit pigmente dönüştürülmesi
Red iron oxide pigment derivation from acid regeneration plant by-product hematite
ÖZGÜR KARAKAŞ
Doktora
Türkçe
2020
Kimyaİskenderun Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDOĞAN KANCA