Prediction of metropt APU performance through IoT-enabled predictive maintenance with CNN-LSTM techniques
Metropt APU performansının CNN-LSTM teknikleriyle IoT-etkin öngörücü bakım yoluyla tahmini
- Tez No: 845519
- Danışmanlar: PROF. DR. OĞUZ FINDIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Bu çalışma, derin öğrenmenin gücünü kullanarak tahminsel bakım konusunda çığır açan bir adımı temsil ediyor. MetroPT veri kümesine odaklanan ve tren aracındaki karmaşık Hava Üretim Ünitesi (APU) ölçümlerini inceleyen araştırma, özellikleri ikili ve çoklu sınıflı analiz için özenle işlendi ve mühendislikle şekillendirmiştir. Bu çalışmanın odağında, her iki sınıflandırma paradigmasında da başarılı olacak şekilde özenle oluşturulmuş çığır açan CNN-LSTM algoritması bulunmaktadır. Deneysel bulgular sonucunda ikili sınıflandırma için %92 doğruluk ve çoklu sınıf tahminleri için %99.5 doğruluk elde edilmiştir. Bu araştırmanın tahminsel bakım üzerindeki doğrudan etkisinin ötesinde, bu çalışma, derin öğrenme metodolojilerinin kritik altyapı bakım sistemlerinin güvenilirliğini ve verimliliğini sağlamlaştırmada yapabileceği dönüştürücü potansiyeli sergileyen bir işaret olarak hizmet ediyor, yapay zeka ile endüstriyel bakımın birleşiminde önemli bir adımı temsil ediyor.
Özet (Çeviri)
This study represents a pioneering leap in predictive maintenance by harnessing the power of deep learning. Focused on the MetroPT dataset and its intricate APU (Air Production Unit) metrics from a train vehicle, the research meticulously processed and engineered features for binary and multi-class analysis. The centerpiece of this work is the groundbreaking CNN-LSTM algorithm, meticulously crafted to excel in both classification paradigms. The empirical findings are nothing short of exceptional: an impressive 92% accuracy for binary classification and an outstanding 99.5% accuracy for multi-class prediction. Beyond its immediate impact on predictive maintenance, this research serves as a beacon, showcasing the transformative potential of deep learning methodologies in fortifying the reliability and efficiency of critical infrastructure maintenance systems, marking a substantial stride in the fusion of artificial intelligence and industrial upkeep.
Benzer Tezler
- Manisa bölgesinde 'ST segment yükselmesi olmayan miyokard infarktüsü' tanısı alan hastalarda kardiyovasküler risk faktörlerine göre koroner lezyonların dağılımının incelenmesi
Prediction of the significance of coronary arterial lesions by the assessment of the cardiovasular risk factors in patients with 'NON-ST elevated myocardial infarction' in Manisa region
EDA ÖZLEK
Tıpta Uzmanlık
Türkçe
2015
KardiyolojiCelal Bayar ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF. DR. ALİ RIZA BİLGE
- Travmatik beyin hasarlı çocuklarda klinik, elektrofizyolojik ve görüntüleme yöntemleri ile prognoz belirlenmesi
Prediction of prognosis by clinical, electrophysiological and imaging techniques in children with traumatic brain injury
AHMET YILDIRIM
Tıpta Uzmanlık
Türkçe
2015
Çocuk Sağlığı ve HastalıklarıEge ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. GÜL SERDAROĞLU
- Prediction of the cutting forces for robotic grinding processes with abrasive mounted bits
Aşındırıcı taş kullanılan robotik taşlama proseslerinde kesme kuvvetlerinin tahmini
KEMAL AÇIKGÖZ
Yüksek Lisans
İngilizce
2015
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN İLHAN KONUKSEVEN
- 3 KVA'lık kuru tip transformatörün sargı sıcaklık davranışının bulanık mantık yöntemi kullanılarak tahmini
Prediction of a 3 KVA dry type transformer winding temperature behavior using fuzzy logic method
BURAK DÖKMETAŞ
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İRES İSKENDER
- Uzaktan eğitim öğrencilerinin akademik başarılarının bireysel özellikler ile yordanması
Prediction of distance education students' academic achievement with individual traits
EKREM BAHÇEKAPILI
Doktora
Türkçe
2015
Eğitim ve ÖğretimAtatürk ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. SELÇUK KARAMAN