Fren sanayinde talaşlı üretim sürecinde makine öğrenmesi modellerinin karşılaştırılması ile kestirimci bakım verimliliğinin değerlendirilmesi
Evaluation of predictive maintenance efficiency with the comparison of machine learning models in machining production process in brake industry
- Tez No: 823109
- Danışmanlar: DOÇ. DR. CAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 93
Özet
Endüstriyel sektörlerde, yapay zeka ve makine öğrenme gibi teknolojilerin kullanımı, üretim süreçlerinin verimliliğini ve kararlılığını artırmak için önemli bir gereksinim haline gelmiştir. Üretim süreçlerinde yer alan makinelerin düzenli bakımı ve arızaların önceden tespiti, kesintisiz üretim ve iş sürekliliği açısından kritik öneme sahiptir. Kestirimci bakım uygulamaları, sensörler ve veri analizi yöntemleri ile birleştirilerek, makinelere dair verilerin toplanması, analizi ve anlamlı bilgilere dönüştürülmesi sağlanmaktadır. Böylelikle makinelerde olası arızaların önceden tahmin edilmesi, planlı bakım faaliyetlerinin gerçekleştirilmesi ve beklenmedik durmaların önüne geçilmesi mümkün olmaktadır. Bu yöntemler, üretim süreçlerinde verimliliği artırırken, bakım maliyetlerinin azaltılmasına da yardımcı olmaktadır. Kestirimci bakım, makine öğrenmesi tekniklerinin kullanıldığı bir yaklaşım olarak endüstride giderek daha fazla ilgi görmektedir. Makine öğrenmesi, büyük miktardaki veriyi analiz ederek modelleri tanımlamak, gelecekteki olayları tahmin etmek ve karar verme süreçlerini otomatikleştirmek için algoritmalar kullanmaktadır. Kestirimci bakım bağlamında, makine öğrenmesi modelleri, makineden gelen verileri analiz ederek ekipman veya sistemlerde olası arızaları tahmin etmek ve önlemek için kullanılmaktadır. Bu modeller, makineye ait verileri kullanarak öğrenme işlemini gerçekleştirir, modelleri tanır ve anormallikleri tespit eder. Bu sayede, beklenmedik arızaların önceden tahmin edilmesi ve bakım süreçlerinin planlanması verimli bir şekilde sağlanmaktadır. Bu çalışmanın amacı, fren kaldırma bileşeni üreten endüstriyel bir şirketin makinede oluşabilecek arızaların veri analizi yöntemleriyle tahmin edilmesini ve bu tahminlerin doğruluk performansının artırılmasını sağlamaktır. Çalışmada, PyCharm IDE ortamı kullanılarak, veri analizi için Pandas, Numpy, Seaborn, Matplotlib ve Sklearn modüllerinden yararlanılmıştır. Veri analizi yöntemleriyle, makinedeki arızaların belirtilerini ve ilişkilerini anlamak için verilerin kapsamlı bir şekilde incelenmesi ve analiz edilmesi hedeflenmiştir.
Özet (Çeviri)
The use of technologies such as artificial intelligence and machine learning has become a crucial requirement in industrial sectors to enhance the efficiency and stability of production processes. Regular maintenance of machines involved in the production processes and early detection of failures are of critical importance for uninterrupted production and business continuity. Predictive maintenance applications combined with sensors and data analysis methods, enable the collection, analysis, and transformation of machine-related data into meaningful insights. This allows for the early prediction of potential failures, the execution of planned maintenance activities, and the prevention of unexpected downtime. Predictive maintenance, as an approach that utilizes machine learning techniques, is gaining increasing interest in the industry. Machine learning uses algorithms to analyze large amounts of data, identify patterns, predict future events, and automate decision-making processes. In the context of predictive maintenance, machine learning models are used to analyze machine-generated data and predict and prevent potential failures in equipment or systems. The purpose of this study is to predict failures in the machine used for producing brake lifting components in an industrial company through data analysis methods and enhance the accuracy performance of these predictions. PyCharm IDE was utilized in this study, along with modules namely Pandas, Numpy, Seaborn, Matplotlib, and Sklearn for data analysis. The comprehensive analysis and examination of data were aimed at understanding the symptoms and relationships of failures in the machine through data analysis methods.
Benzer Tezler
- Karbon nano tüp ve grafen nano partikül katkılı fenolik reçine matrisli nanokompozitlerin üretimi
Carbon nano tube and graphen nano particleine additive phenolic resin matrixed nanochomposit production
KEMAL DOĞAN
Yüksek Lisans
Türkçe
2018
Metalurji MühendisliğiNecmettin Erbakan ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASİN RAMAZAN EKER
- Elektromanyetik fren sistemlerinin matematiksel modellenmesi
The mathematical modeling of electromagnetic braking systems
MAXAT NURKALIYEV
Yüksek Lisans
Türkçe
2020
Makine Mühendisliğiİstanbul Üniversitesi-CerrahpaşaMakine Mühendisliği Ana Bilim Dalı
PROF. DR. EROL UZAL
- Tavan vinçleri periyodik kontrolünde test yük ağırlığının belirlenmesi
Determination of test load weight in periodic control of overhead cranes
SAYGIN ŞENER
Yüksek Lisans
Türkçe
2020
Makine MühendisliğiÜsküdar Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RÜŞTÜ UÇAN
- Kaplama parametrelerine bağlı olarak kampana fren parçalarının korozyon dayanımının incelenmesi
Investigating the corrosion resistance of the drum brake parts according to the coating parameters
OKAN NEZİH LELOĞLU
Yüksek Lisans
Türkçe
2006
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. AGAH UĞUZ
- Otomotiv yan sanayiinde rekabet (ve Türkiye örneği)
Competition a automotive compunant supplier industry (and Turkish example)
NİHAL ALİŞOĞLU