Tekstil sektöründe örme makinelerinde kestirimci bakım için hibrit makine öğrenme ve stokastik modelleme yaklaşımları
Predictive maintenance for knitting machines in the textile industry: Hybrid machine learning and stochastic modeling approaches
- Tez No: 895755
- Danışmanlar: DOÇ. DR. SELDA KAPAN ULUSOY, PROF. DR. MİTHAT ZEYDAN
- Tez Türü: Doktora
- 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: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 122
Özet
Kumaş üretim sürecinde çeşitli nedenlerle meydana gelen hatalar, sıkça yaşanan kısa süreli duruşlara neden olarak üretim verimliliğini olumsuz şekilde etkilemektedir. Bu durum, işletmenin uzun vadede rekabet avantajını kaybetmesine yol açabilir. Üretim sürecindeki hataları ve duruşları modelleyerek bu sorunları öngörmek ve önlemek mümkündür. Bu bağlamda, kestirimci bakım, bakım verimliliğini artırma potansiyeline sahiptir ve bu süreç, diagnostik yöntemler ve Kalan Faydalı Ömür (RUL) tahminleri ile desteklenebilir. Bu tez çalışması, bir tekstil işletmesinin yuvarlak örme makinesinde meydana gelen kısa süreli duruşları inceleyerek, gelecekteki duruşların olası nedenlerini belirlemek amacıyla Yapay Sinir Ağı (YSA) ve RUL tahmini için Uzun Kısa Süreli Bellek (LSTM) öğrenme algoritmalarını entegre eden hibrit bir diagnostik ve prognostik çerçeve önerisi sunmaktadır. Çalışma ilk olarak hata kaynaklı üretim duruşlarının, makine arızaları gibi sayma süreçleriyle modellemeye uygun olduğunu öne sürmektedir. Bu amaçla birden fazla örme makinesinin duruşlarını modellemek için çoklu tamir edilebilir sistemlerin güvenilirlik analizine dayalı bir model geliştirilmiştir. Önerilen modelleme yaklaşımı, bir yıl süresince 48 yuvarlak örme makinesinden toplanan 495324 duruş verisi kullanılarak uygulanmıştır. Elde edilen sonuçlar, geliştirilen modelin beklenen duruş sayılarını %95.25 doğrulukla tahmin edebildiğini göstermektedir. Hibrit yaklaşım testlerinde, YSA modelinin duruş nedenlerini %96.09 doğrulukla, LSTM modelinin ise duruşlar arası süreyi %80.86 doğrulukla tahmin ettiği belirlenmiştir. Bu sonuçlar, entegre hibrit modelin kısa süreli duruşları öngörmede başarılı olduğunu ortaya koymaktadır.
Özet (Çeviri)
Defects occurring in the fabric production process, due to various reasons, frequently lead to short-term stoppages, negatively impacting production efficiency. This situation can result in the loss of competitive advantage for the business in the long term. By modeling the defects and stoppages in the production process, it is possible to foresee and prevent these issues. In this context, predictive maintenance has the potential to enhance maintenance efficiency, and this process can be supported by diagnostic methods and Remaining Useful Life (RUL) predictions. This thesis proposes a hybrid diagnostic and prognostic framework that integrates Artificial Neural Networks (ANNs) and Long Short-Term Memory (LSTM) learning algorithms for RUL prediction, aimed at identifying potential causes of future stoppages by investigating short-term stoppages in the circular knitting machine of a textile company. The study first suggests that stoppage caused by defects is suitable for modeling with counting processes, such as machine failures. To achieve this, a model based on the reliability analysis of multiple repairable systems was developed to model the stoppages of several knitting machines. The proposed modeling approach was applied using stoppage data collected from 48 circular knitting machines over a year, totaling 495324 stoppage records. The results indicate that the developed model was able to predict the expected number of stoppages with an accuracy of 95.25%. In the hybrid approach tests, the ANN model predicted the causes of stoppages with an accuracy of 96.09%, while the LSTM model predicted the stoppage intervals with an accuracy of 80.86%. These results demonstrate that the integrated hybrid model is effective in forecasting short-term stoppages.
Benzer Tezler
- Düz yataklı atkılı örme makinelerinde üretilen giysilerde akıllı tekstillerin kullanımı
Manufactured on flat bed weft knitting machines use of smart textiles in clothes
SUZAN TOKGÖZ
Sanatta Yeterlik
Türkçe
2022
Güzel SanatlarHaliç ÜniversitesiTekstil ve Moda Tasarımı Ana Sanat Dalı
PROF. DR. MİNE BİRET TAVMAN ERTUĞRUL
- Yuvarlak örme makinelerinde elastan iplik kullanımı
Usage of elastane yarn in circular knitting machines
SERKAN TEZEL
Yüksek Lisans
Türkçe
2007
Tekstil ve Tekstil MühendisliğiUludağ ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YASEMİN KAVUŞTURAN
- Düz örme makinelerinde üretilen üç boyutlu kumaşların özellikleri üzerine bazı araştırmalar
Some researches upon the three dimensional fabrics produced on the flat knitting machines
SEÇKİN ONUR GÖRKEN
Yüksek Lisans
Türkçe
2003
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. ARZU BAYAZIT
- Atklı örme teknolojisindeki yeniliklerin giysi tasarımına etkilerinin incelenmesi: Dikişsiz kadın giysi tasarımı örneği
Innovations in weft knitting technology and an investigation of the effects on garment design: The case study of seamless women garment design
SEMAY TANYER
Yüksek Lisans
Türkçe
2019
Giyim EndüstrisiEskişehir Teknik ÜniversitesiEndüstriyel Sanatlar Ana Bilim Dalı
DOÇ. DR. MUSTAFA ERDEM ÜREYEN
- Detection and analysis for microplastics originating from the textile industry
Tekstil endüstrisinden kaynaklanan mikroplastiklerin tespiti ve analizi
SİNEM HAZAL AKYILDIZ
Yüksek Lisans
İngilizce
2023
Tekstil ve Tekstil Mühendisliğiİstanbul Teknik ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İPEK YALÇIN ENİŞ
PROF. DR. BAHATTİN YALÇIN