Geri Dön

Predictive maintenance and failure management system by collecting data from PLCs in the field

Sahadaki PLC'lerden veri toplayarak kestirimci bakım ve arıza yönetim sistemi

  1. Tez No: 905038
  2. Yazar: ERGÜN GÖZEK
  3. Danışmanlar: PROF. DR. RECEP ALP KUT
  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: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 63

Özet

Endüstriyel bir sistem genellikle AC motorlarla donatılmıştır. Bir AC motorun davranışları düzgün bir şekilde izlendiğinde, tüm sistemi anlamak için büyük miktarda veri elde edilebilir. Veriler, belirli bir süre boyunca motorun durumunu izlemek için PLC'ler (Programlanabilir Lojik Kontrolörler) aracılığıyla AC motor sürücüleri ve sensörler gibi elektronik ekipmanlardan toplanabilir. AC motorun kalan ömrünü (RUL) önceden tahmin etmek, bakım maliyetlerini en aza indirmek için çok önemlidir. Motor çalıştığı sürece RUL süresinin azalacağı varsayımı yanlış olmayacaktır. Çalışmamızda, toplanan veriler ile RUL süresi arasında bir ilişki gözlemlenmiştir. RUL süresi ile ölçülen sensör değerleri arasındaki ilişkiler için performansları karşılaştırılacak olan Karar Ağacı, Rastgele Orman ve Gradyan Artırma modelleri incelendi. Doğruluk ve performans metriklerine göre değerlendirildiğinde, Rastgele Orman modelinin boya reaktörü mikseri için kullanılan bir AC motoru üzerinde toplanan verilerde en iyi performansı gösterdiği bulunmuştur.

Özet (Çeviri)

An industrial system is generally equipped with AC motors. When the behaviors of an AC motor are properly monitored, large amounts of data can be obtained to understand the entire system. Data can be collected from electronic equipment such as AC motor drivers and sensors via PLCs (Programmable Logic Controllers) over a certain period to monitor the motor's condition. Predicting the remaining useful life (RUL) of the AC motor in advance is crucial for minimizing maintenance costs. It would not be incorrect to assume that the RUL time will decrease as long as the motor operates. In our study, a relationship was observed between the collected data and RUL time. Decision Tree, Random Forest, and Gradient Boosting models, whose performances will be compared, were investigated for their relationships between RUL time and measured sensor values. When evaluated based on accuracy and performance metrics, it has been found that the Random Forest model performed the best on the data collected for an AC motor used in a paint reactor mixer.

Benzer Tezler

  1. Development of operation and maintenance strategies for offshore wind industry based on big data management

    Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi

    UWE LUETZEN

    Doktora

    İngilizce

    İngilizce

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR BEJİ

  2. An application of digital transformation: Predictive maintenance scheduling

    Başlık çevirisi yok

    KENAN CEM DEMİREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri MühendisliğiÖzyeğin Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERİNÇ ALBEY

  3. Demir ve çelik tesislerinde bakım uygulamaları

    The Maintenance applications in iron and steel industry

    M.OĞUZ KARTEPE

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. MUSTAFA SAVCI

  4. Garp linyit işletmelerinde kullanılan çekme kepçeli yerkazarların güvenirlik analizleri

    Reliability analysis of dragline systems used in G.L.İ

    CAN DURU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Maden Mühendisliği ve Madencilikİstanbul Teknik Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKAN TUNÇDEMİR

  5. A deep learning model for prognostics and system health management

    Prognostik ve sistem sağlığı yönetimi için derin bir öğrenme modeli

    RASHID RAMADHAN BWAMBALE

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CAHİT PERKGÖZ