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
- Diferansiyel tiplerinin araç yol tutuşu üzerine etkileri
Effects of differential types on vehicle handling
MUHAMMED YÜKSEL
Yüksek Lisans
Türkçe
2015
Makine MühendisliğiHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELAHATTİN ÇAĞLAR BAŞLAMIŞLI
- An investigation into thermal and optical performance of multi-purpose LED automotive exterior lighting systems
LED ışık motoruyla birlikte seçilen sürücü devresinin ısı yönetimine ve optik performansın arttırılmanin araştırılması
FERİNA SAATİ KHOSROSHAHİ
Yüksek Lisans
İngilizce
2015
Makine MühendisliğiÖzyeğin ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ARIK
- Otobüslerde pnömatik sistemlerin ölçümü, kontrolü ve değerlendirmesi
Measurement, control and evaluation of the pneumatic system in buses
BAHADIR KAYNAK
Yüksek Lisans
Türkçe
2016
Makine MühendisliğiBaşkent ÜniversitesiEnerji Mühendisliği Ana Bilim Dalı
PROF. DR. TAHİR YAVUZ
- Elektrikli yol taşıtlarında bulanık mantık tabanlı tam elektrikli frenlemenin geliştirilmesi ve uygulanması
Development and application of fuzzy logic based full electrical braking for electric road vehicles
CAN GÖKCE
Doktora
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR ÜSTÜN
- Süreksiz deneysel verilerden taşıt lastik model parametrelerinin elde edilmesi
Estimation of vehicle tyre model parameters from transient experimental data
NAZLI FİRUZE ÖNDER
Yüksek Lisans
Türkçe
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGEN AKALIN