Havacılık sektöründe makine öğrenmesi ile aviyonik ekipmanların öngörücü bakım planlaması
Predictive maintenance planning of avionic equipment with machine learning in aerospace industry
- Tez No: 842091
- Danışmanlar: DOÇ. DR. SADİYE NERGİS TURAL POLAT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Havacılık ve Uzay Mühendisliği, Computer Engineering and Computer Science and Control, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Aviyonik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Aviyonik Mühendisliği Bilim Dalı
- 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
- Havacılık sektöründe uçuş gecikmelerinin makine öğrenmesi temelli analizi ve tahmini
Machine learning based analysis and prediction of flight delays in aviation industry
IRMAK DALDIR
- 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
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERSİN NAMLI
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER BADAY
- 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
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- 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
