Geri Dön

Havacılık sektöründe makine öğrenmesi ile aviyonik ekipmanların öngörücü bakım planlaması

Predictive maintenance planning of avionic equipment with machine learning in aerospace industry

  1. Tez No: 842091
  2. Yazar: ŞEYMA ŞENER DEĞİRMENCİ
  3. Danışmanlar: DOÇ. DR. SADİYE NERGİS TURAL POLAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Havacılık ve Uzay Mühendisliği, Computer Engineering and Computer Science and Control, Aeronautical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Aviyonik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Aviyonik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 52

Özet

Bu çalışma, havacılık sektöründe aviyonik ekipmanlara ait öngörücü bakım planlaması için makine öğrenmesinin kullanımını araştırmaktadır. Havacılık endüstrisinde, uçakların sürekli olarak güvenli ve verimli bir şekilde çalışması hayati öneme sahiptir. Bakım, uçakların güvenliğini ve operasyonel etkinliğini sağlamak için kritik bir rol oynamaktadır. Ancak, geleneksel bakım yöntemleri genellikle zaman temelli veya deneyime dayalıdır ve önleyici bakım sürelerini tahmin etmek zordur. Çalışmadaki kod örneği, havacılık sektöründe makine öğrenmesinin aviyonik ekipmanların öngörücü bakım planlaması için kullanıldığı bir senaryoyu sunmaktadır. Kod, HeliX adında hayali bir aviyonik ekipmanın bakım sürelerini tahmin etmek için sentetik veri kullanmaktadır. Veri seti, ekipmanın arıza durumunda onarılması için geçen ortalama süre (Mean Time To Repair), ekipmanın arızalar arası geçen ortalama süresi (Mean Time Between Failure), bir sonraki bakım için kalan süre (Remaining Time To Repair), çevresel sıcaklık ve uçuş süresi gibi faktörleri içermektedir. Model, bu faktörlerin ekipmanın bakım sürelerine olan etkilerini analiz etmektedir. Öncelikle, sentetik veri seti oluşturulur ve veri seti pandas DataFrame'e yüklenir. Veri seti, eğitim ve test veri setlerine bölünür. Ardından, TensorFlow kullanılarak MTTR ve RTTR tahminleri için yapay sinir ağı modelleri tanımlanır ve eğitilir. Eğitim sonunda modeller değerlendirilir ve performansları ölçülür. Son olarak, test verisi üzerinde tahminler yapılır. Elde edilen tahmin verilerinin havacılık sektöründe aviyonik ekipmanların öngörücü bakım planlaması için kullanılması amaçlanmaktadır. Bu çalışma, havacılık endüstrisinde bakım yönetimi ve öngörücü bakım planlaması için makine öğrenmesinin önemli bir araç olduğunu vurgulamaktadır.

Özet (Çeviri)

This study explores the use of machine learning for predictive maintenance planning of avionic equipment in the aerospace industry. In aerospace, it is vital that aircraft operate safely and efficiently at all times. Maintenance plays a critical role in ensuring the safety and operational effectiveness of aircrafts. However, traditional maintenance methods are often time-based or experience-based, and predictive maintenance times are difficult to predict. The code example in the study presents a scenario in which machine learning is used for predictive maintenance planning of an avionic equipment in the aerospace industry. The code uses synthetic data to estimate maintenance times for a fictitious avionic equipment called HeliX. The data set includes Mean Time To Repair, Mean Time Between Failure of the equipment, Remaining Time To Repair, environmental temperature and flight time factors. The model analyzes the effects of these factors on equipment maintenance times. To this end, firstly, the synthetic dataset is created and loaded into the pandas DataFrame. The dataset is divided into training and test datasets. Next, neural network models are defined and trained for MTTR and RTTR predictions using TensorFlow. At the end of the training, the models are evaluated and their performances are measured. Finally, predictions are made on the test data. It is aimed to use the forecast data obtained for predictive maintenance planning of avionic equipment in the aerospace industry. This study highlights that machine learning is an important tool for maintenance management and predictive maintenance planning in aerospace industry.

Benzer Tezler

  1. Havacılık sektöründe uçuş gecikmelerinin makine öğrenmesi temelli analizi ve tahmini

    Machine learning based analysis and prediction of flight delays in aviation industry

    IRMAK DALDIR

    Doktora

    Türkçe

    Türkçe

    2021

    Sivil HavacılıkAkdeniz Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ÖMÜR TOSUN

  2. Veri madenciliği yöntemleri ile dokümantasyon süreçlerinin iyileştirilmesi: Havacılık sektöründe bir vaka çalışması

    Improving documentation processes with data mining methods: A case study in the aviation industry

    SÜMEYYE GÜNDÜZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERSİN NAMLI

  3. Zamanında performansı artırmak için makine öğrenme yaklaşımı ile blok süre tahmini

    Enhancing on-time performance through machine learning approach for predicting block time

    SEDA SOYKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER BADAY

  4. Havacılık sektöründe istatistiksel proses kontrol: Uçak bakım süreçlerinin iyileştirilmesine yönelik bir uygulama

    Statistical process control in the aviation sector: An implementation to improve aircraft maintenance processes

    HAMİT HAMİDETTİN KUMURKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAN YILDIRIM

  5. Origin and destination based demand of continuous pricing for airline revenue management

    Havayolu gelir yönetimi için sürekli fiyatlandırma yapısında başlangıç ve varış yerine dayalı talep tahmini

    MEHMET MELİH DEĞİRMENCİ

    Doktora

    İngilizce

    İngilizce

    2023

    Ekonomiİstanbul Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    DOÇ. DR. RESUL AYDEMİR