Birliktelik kuralları analizi ile arıza teşhisi: Elektrik üretim santrallerinde bir uygulama
Fault detection by analysis of association rules: An application in electricity generation plants
- Tez No: 817221
- Danışmanlar: PROF. DR. YASEMİN YAVUZ
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Üretim Yönetimi Bilim Dalı
- Sayfa Sayısı: 187
Özet
Bilgi teknolojilerindeki hızlı gelişimin doğal sonucu olarak günlük hayatın her alanında büyük miktarlarda veri toplanmaya başlamıştır. Toplanan bu verilerin incelenerek işe yarar bilgilerin çıkarılmasını amaçlayan veri madenciliği uygulamaları yaygınlaşmaktadır. Bu uygulamalar yaşamın her alanında olduğu gibi enerji alanında da büyük ilgi görmektedir. Bu kapsamda enerji verimliliği ve tasarrufunu artırmayı hedefleyen çalışmalar her geçen gün araştırmacıların daha fazla ilgisini çekmektedir. Bu çalışmada Türkiye'deki elektrik üretim santrallerinin 2020 yılında karşılaştıkları arızalardan yola çıkarak veri madenciliğinin birliktelik kuralları analizi tekniklerinden biri olan FP-Growth algoritması ile kural çıkarımı yapılmıştır. Çıkarılan kuralların ilişkisel analizlerinden yararlanılarak elektrik üretim santrallerine ilişkin arıza teşhis çalışması yapılmıştır. Farklı kaynaklardan elde edilen veriler ile ilişkisel bir veri tabanı oluşturulmuştur. Arızaların ortaya çıkmasında etkili olan faktörler 8 farklı santral türü için ayrı ayrı belirlenmiş ve santral türlerinin arıza profilleri çıkarılmıştır. Santrallerdeki arızaların hangi şartlar altında ortaya çıkabileceği bilgisi hem arızalar ortaya çıkmadan önleyici bakım çalışmalarının yapılabilmesine hem de gelecekteki tesis kuruluş yerlerinin daha isabetli bir şekilde belirlenmesine katkıda bulunabilecektir. Birliktelik kuralları analizi sonucunda 8 farklı santral türü için ayrı ayrı çıkarılan kurallar arızaların ortaya çıkmasında etkili olan faktörleri göstermektedir. Buna göre; Türkiye'deki elektrik üretim santrallerinde karşılaşılan arızalarda en fazla santralin kuruluş yılı, bulunduğu şehrin rakımı ve arızanın meydana geldiği gün şehrin güneşlenme süresi değişkenlerinin etkili olduğu belirlenmiştir.
Özet (Çeviri)
As a natural result of the rapid development in information technologies, large amounts of data have begun to be collected in all areas of daily life. Data mining applications aiming to extract useful information by examining these collected data have become widespread. These applications have attracted great interest in the field of energy as well as in all areas of life. In this context, the studies aiming to increase energy efficiency and savings have received increasing attention among research community. In this study, based on the faults encountered in electricity generation plants in Turkey during the year 2020, rule extraction has been made with the FP-Growth algorithm, which is one of the association rules analysis techniques of data mining. By using the relational analyses of the extracted rules, the fault detection study has been carried out for the power generation plants. A relational database has been created for data obtained from different sources. The factors affecting the occurrence of faults have been identified separately for 8 different types of power plants, and the fault profiles of each power plant type have been generated. The information about the conditions under which faults can arise in these plants will contribute both to the implementation of preventive maintenance activities before the faults occur and to the more accurate determination of the future facility locations. The rules that are extracted separately for 8 different power plant types as a result of the association rules analysis show the effective factors in the occurrence of faults. According to these rules, the variables of the establishment year of the power plant, the altitude of the city in which the plant is located and the sunshine duration of the city on the day of the faults have been determined as the most effective ones on the faults encountered in the electricity generation plants in Turkey.
Benzer Tezler
- 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
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- Veri madenciliği yaklaşımı kullanılarak internet erişimli televizyon kullanıcı verilerinin analizi
Analysis of internet access television user data by using data mining approach
TEVFİK ÖRKÜN
Doktora
Türkçe
2022
Mühendislik Bilimleriİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. HULUSİ GÜLSEÇEN
- Mekanik arızaların veri madenciliği Apriori algoritması ile analiz edilmesi
Analysis of mechanical breakdowns with Apriori algorithm in data mining
BETİM ÇELİK
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILDIZ ŞAHİN
- Kümeleme ve birliktelik kuralları analizi ile Borsa İstanbul 100 endeksinde yer alan hisse senetlerinin incelenmesi
Examination of stocks in Istanbul Stock Exchange 100 index with clustering and association rules analysis
DAMLA YALÇINER ÇAL
Doktora
Türkçe
2023
BankacılıkSüleyman Demirel Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. MELTEM KARAATLI
- Ürün kategorileri arasındaki satış ilişkisinin birliktelik kuralları ve kümeleme analizi ile belirlenmesi ve perakende sektöründe bir uygulama
Determining product categories sales relationship with association rules and cluster analysis: an application in retailing sector
ERTUĞRUL ERGÜN