Geri Dön

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

PDF İndir

  1. Tez No: 845519
  2. Yazar: SHAHAD JAMEEL FARHAN ALSAID
  3. Danışmanlar: PROF. DR. OĞUZ FINDIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Tez No

    82111

    Prediction of financial performance in İstanbul Stock Exchange: A comparative analysis

    İstanbul Menkul Kıymetler Borsası finansal performans tahmini: Karşılaştırmalı analiz

    ÖZGÜR TÜRETKEN

    Yüksek Lisans

    İngilizce

    İngilizce

    1999

    İşletmeOrta Doğu Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    DR. SEZA DANIŞOĞLU RHOADES

  2. Tez No

    82953

    Prediction of learned despain in rats using artificial neural networks

    Yapay sinir ağlarıyla sıçanlarda öğrenilmiş çaresizlik tahmini

    İPEK ORUÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    1999

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. A. C. CEM SAY

  3. Tez No

    87167

    Prediction of failure of commercial banks in Turkey

    Türkiye'deki ticari bankaların iflas tahminleri

    BÜLENT YAĞLI

    Yüksek Lisans

    İngilizce

    İngilizce

    1996

    Bankacılıkİhsan Doğramacı Bilkent Üniversitesi

    İşletme Yönetimi Ana Bilim Dalı

    DOÇ. DR. GÜLNUR MURADOĞLU

  4. Tez No

    74861

    Zihinsel ve işitme engelliler okullarında görev yapan yönetici ve öğretmenlerde tükenmişliğin kestirilmesi

    Prediction of burnout levels of the teachers and administrators working in the special education schools for the hearing impaired and mentally retarded children

    ÖMAY ÇOKLUK

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Eğitim ve ÖğretimAnkara Üniversitesi

    Özel Eğitim Ana Bilim Dalı

    DOÇ. DR. BÜLBİN SUCUOĞLU

    DOÇ. DR. NİLGÜN KÖKLÜ

  5. Tez No

    76470

    Prediction of elasto-plastic deformations in deep excavations using finite element method

    Derin kazılardaki elastik-plastik deformasyonların sonlu elemanlar yöntemi ile tahmini

    YAVUZ SEYMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    İnşaat MühendisliğiBoğaziçi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖKHAN BAYKAL

Geri Dön