Machine learning for predictive maintenance
Bakım öngörüsü içın makine öğrenimi
- Tez No: 856810
- Danışmanlar: DR. ÖĞR. ÜYESİ UMUT AVCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Dengesiz veriler birçok alanda yaygın bir sorundur ve makine öğrenimi modellerinin performansını ve genelleştirilebilirliğini önemli ölçüde etkiler. Bunun temel nedeni, modellerin azınlık sınıfındaki örneklerin sağlam bir temsilini oluşturmakta zorlanmasıdır. Çalışmamız, veri dengesizliğinin yaygın bir sorun olduğu tahmine dayalı bakım görevlerinde sınıflandırma başarısını artırmaya odaklanıyor. Bu sorunu çözmek için dengeli veri kümeleri oluşturmak üzere tasarlanmış yeniden örnekleme yöntemlerini kullanıyoruz. Çeşitli aşırı örnekleme ve yetersiz örnekleme yöntemlerini tanıtıyoruz ve bunları sentetik ve gerçek dünya veri kümelerine uyguluyoruz. Ek olarak, sınıflandırma sonuçlarını geliştirmek için birden fazla örnekleme yöntemini birleştirerek hibrit yaklaşımların etkinliğini araştırıyoruz. Çeşitli sınıflandırıcılar kullanan hem dengesiz hem de dengeli veri kümelerini kullanarak sınıflandırma deneyleri yapıyoruz. Bu sınıflandırıcıların performanslarını karşılaştırıyoruz ve özellikle önemli olan, sınıf dengesizliğini gidermedeki etkinliklerine ilişkin içgörü kazanmak için yeniden örnekleme tekniklerinin etkinliğini değerlendiriyoruz. Çalışmamız, sınıflandırma görevlerinde sınıf dengesizliğinin azaltılmasına ilişkin genişleyen literatüre katkıda bulunmakta ve veri kümesi özelliklerine göre uygun örnekleme yöntemlerinin seçilmesi için pratik rehberlik sunmaktadır.
Özet (Çeviri)
Imbalanced data is a common problem in many areas, significantly impacting the performance and generalizability of machine learning models. This is primarily because the models struggle to construct a robust representation of the instances in the minority class. Our study focuses on enhancing classification success in predictive maintenance tasks, where data imbalance is a prevalent challenge. To address this, we employ resampling methods designed to create balanced datasets. We introduce a variety of oversampling and undersampling methods and implement them on synthetic and real-world datasets. Additionally, we explore the effectiveness of hybrid approaches by combining multiple sampling methods to enhance classification results. We conduct classification experiments using both imbalanced and balanced datasets employing diverse classifiers. We compare the performances of these classifiers and, of particular significance, assess the efficacy of resampling techniques to gain insights into their effectiveness in addressing class imbalance. Our study contributes to the expanding literature on mitigating class imbalance in classification tasks and offers practical guidance for selecting suitable sampling methods based on dataset characteristics.
Benzer Tezler
- Uç bilgi işlem endüstriyel IOT'de öngörücü bakım için uyarlanabilir birleşik öğrenim
Adaptable federated learning for predictive maintenance in the edge computing industrial IOT
AKİF EMRAH BÜYÜKSOMER
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriMarmara Üniversitesiİş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEYZA MERVE HAFIZOĞLU
- Havacılık sektöründe makine öğrenmesi ile aviyonik ekipmanların öngörücü bakım planlaması
Predictive maintenance planning of avionic equipment with machine learning in aerospace industry
ŞEYMA ŞENER DEĞİRMENCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiAviyonik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SADİYE NERGİS TURAL POLAT
- Machine learning approach for predictive maintenance IoT based railway track fault detection using proposed hyper deep neural network
Öngörücü bakım için makine öğrenme yaklaşımı önerilen hiper derin sinir ağını kullanarak IoT tabanlı demiryolu hattı hata tespiti
NOOR ALBUNDA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiBahçeşehir ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA OZBAYRAK
- Kestirimci bakım için makine öğrenmesi uygulamaları
Machine learning applications for predictive maintenance
OLCAY DUVAR
Yüksek Lisans
Türkçe
2022
Mekatronik Mühendisliğiİzmir Demokrasi ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. ZEYNEL ABİDİN ÇİL
- Endüstriyel ısıl işlem fırınları için kestirimci bakım uygulaması
Predictive maintenance study with machine learning methods for industrial heat treatment ovens
OĞUZHAN KIZILTAN
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ERDİL