Application of machine learning techniques for predictive maintenance
Kestirimci bakım için makine öğrenmesi tekniklerinin uygulanması
- Tez No: 905398
- Danışmanlar: PROF. DR. DERYA BİRANT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kestirimci bakım sistemleri, Öngörücü bakım, Predictive maintenance systems, Predictive maintenance
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Yazılımı Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kestirimci Bakım (PdM), modern endüstriyel sistemlerin temel bir unsuru olarak, makine öğrenimini kullanarak ekipman durumlarını izler, arıza olasılıklarını tahmin eder ve bakım programlarını optimize eder. Temel amacı, veri odaklı içgörüler aracılığıyla etkin bakım planlamasını mümkün kılarak ekipman güvenilirliğini artırmak, ömrünü uzatmak ve maliyetleri minimize etmektir. Bu tezde, PdM alanı için, makinenin sağlık durumunu yansıtan sınıf etiketlerinin hiyerarşik yapısını dikkate alarak, topluluk ikili ayrıştırma (OPMEB) yöntemi ile yeni bir sıra öngörücü bakım yöntemi öneriyoruz. Önerilen OPMEB yöntemi, C-MAPSS, AI4I 2020 ve gerçek dünya hidrolik sisteminin durumu veri setlerinde çalıştırılarak doğrulanmıştır. Deneysel sonuçlar, doğruluk, duyarlılık, kesinlik ve F-ölçütü olmak üzere dört farklı metrik ile değerlendirilmiştir. Sonuçlar, önerilen yaklaşımın geleneksel sıra sınıflandırma algoritmasıyla karşılaştırıldığında modelin öngörü yeteneklerinde iyileşme sağladığını göstermiştir. Ayrıca, deneysel sonuçlar, OPMEB yönteminin OneVsAll, OneVsFollowers ve OneVsNext gibi diğer sıra ikili ayrıştırma yöntemlerine göre üstün performans sergilediğini göstermiştir.
Özet (Çeviri)
Predictive maintenance (PdM), a fundamental element of modern industrial systems, employs machine learning to monitor equipment conditions, estimate failure probabilities, and optimize maintenance schedules. Its core objective is to enhance equipment reliability, extend lifespan, and minimize costs through data-driven insights by enabling efficient maintenance scheduling, reducing downtime, and optimizing resource allocation. In this thesis, we propose a novel ordinal predictive maintenance with ensemble binary decomposition (OPMEB) method for the PdM domain, considering the hierarchical nature of class labels reflecting the machine's health status, including categories like healthy, low risk, moderate risk, and high risk. The proposed OPMEB method was validated by executing on the C-MAPSS, AI4I 2020, and a real-world hydraulic system's condition datasets. The experimental outcomes were evaluated with four distinct metrics: accuracy, recall, precision, and F-measure. The findings showed the improvement in the model's predictive capabilities achieved by the proposed approach when compared to the traditional ordinal classification algorithm. Furthermore, the experimental results demonstrated the superior performance of the OPMEB method over other ordinal binary decomposition methods, including OneVsAll, OneVsFollowers, and OneVsNext.
Benzer Tezler
- Kestirimci bakım süreçlerinde makine öğrenmesi algoritmaları kullanarak anomali tespiti
Anomaly detection using machine learning algorithms in predictive maintenance processes
FATMA YASEMİN ARSLAN
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ UYSAL
- Rulmanların kalan faydalı ömür tahmini için titreşim analizi tabanlı kestirimci bakım yaklaşımı
Vibration analysis based predictive maintenance approach for prediction of remaining useful life of bearings
ENİS KALCIOĞLU
Yüksek Lisans
Türkçe
2023
Makine MühendisliğiRecep Tayyip Erdoğan ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN CANER ÖZKAT
- Uçak bakımlarının gürbüz (Robust) planlanması
Robust planning of aircraft maintenance
MEHMET İKBAL KARACA
Yüksek Lisans
Türkçe
2025
Sivil HavacılıkGebze Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİGEN ÖZTOPRAK TOPKAYA
- Enhacing industrial system reliability through predictive analysis and intrusion detection using machine learning
Makine eğitimini kullanarak öngörücü analiz ve sizin giderme tespiti yoluyla endüstriyel sistem güvenilirliğinin artırılması
HOUDA SAMIRY
Yüksek Lisans
İngilizce
2024
Mühendislik BilimleriBahçeşehir ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
Prof. Dr. MUSTAFA ÖZBAYRAK
- 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
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ