Makine öğrenmesi ile turbofan motorların geriye kalan yararlı ömrünün tahminlemesi
Predicting the remaining useful life of turbofan engines with machine learning
- Tez No: 866166
- Danışmanlar: DOÇ. DR. SELDA KAPAN ULUSOY
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Bakım planlaması hem makine hem de işletme verimliliğinde çok önemlidir. Ancak havacılık sanayii alanında uçak motor vb. parça bileşenlerinin bakımı uçuş güvenliğini etkilediği için hayati önem taşımaktadır. Geriye kalan faydalı ömür, bu bakım planının etkin ve ekonomik yapılabilmesi için en önemli değişkendir. Bu çalışmada arıza meydana gelmeden bakım ve onarımın yapılması ve kayıpların yaşanmaması için kalan faydalı ömrü tahmin etmeyi amaçlıyoruz. Veri seti olarak turbofan motorların belirli koşullar altında çalışma durumlarını gösteren Doğrulama için Ulusal Havacılık ve Uzay Dairesi (NASA) C-MAPSS veri seti kullanılmıştır. Turbofan motorların geriye kalan faydalı ömrünü tahmin etmek için eğitim seti Google Colab'ta Python kodlaması yapılarak makine öğrenim yöntemlerinin en iyi parametre değerleri tespit edilerek, bu modeller eğitilmiştir. Test veri setinde ise kalan ömürler tahmin edilerek kurulan modellerin performans değerleri hesaplanmış ve değerlendirilmiştir.
Özet (Çeviri)
Maintenance planning is very important in both machine and operating efficiency. However, in the field of aviation industry, aircraft engines etc. Maintenance of part components is vital as it affects flight safety. The remaining useful life is the most important variable for making this maintenance plan effective and economical. In this study, we aim to estimate the remaining useful life in order to perform maintenance and repair before failure occurs and to avoid losses. As a data set, the National Aeronautics and Space Administration (NASA) C-MAPSS data set was used for verification, which shows the operating states of turbofan engines under certain conditions. In order to estimate the remaining useful life of turbofan engines, these models were trained by determining the best parameter values of machine learning methods by using Python coding in the training set Google Colab. In the test data set, the remaining lifetimes were estimated and the performance values of the established models were calculated and evaluated.
Benzer Tezler
- Turbo fan motorların kalan faydalı ömür tahminlemesi için makine öğrenmesi temelli sistematik bir yaklaşım
A systematic approach based on machine learning for estimating the remaining useful life of turbo fan engines
MAHMUT SAMİ ŞAŞMAZTÜRK
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA KAPAN ULUSOY
DOÇ. DR. METE ÇELİK
- Digital-twin flight modelling through machine learning for trajectory error estimation and recovery
Rota hesaplamalarında makine öğrenmesi tabanlı dijital ikiz uçuş modeli
MEVLÜT UZUN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN
DR. MUSTAFA UMUT DEMİREZEN
- Kestirimci bakımda hibrit prognostik yaklaşımlar kullanılarak kalan faydalı ömür tahmini
Remaining useful life estimation using hybrid prognostic approaches for predictive maintenance
KIYMET ENSARİOĞLU
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL EMEL
PROF. DR. TÜLİN İNKAYA
- Kestirimci bakım yaklaşımıyla bir turbofan motorunun çözümlenmesi
Analysis of a turbofan engine via predictive maintenance approach
GÖZDE GÜNGÖR KANKAYA
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAKUP SABRİ ÖZKAZANÇ
- Turbofan uçak motoru ve rulman verilerinde kaskat derin öğrenme modelleriyle kestirimci
Predictive maintenance on turbofan aircraft engine and bearing data with cascade deep learning models
ADEM AVCI
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NURETTİN ACIR
PROF. DR. HAKAN GÜRKAN