Endüstriyel makinelerin arıza kestiriminin derin öğrenme tabanlı yöntemlerle gerçekleştirilmesi
Fault prediction of industrial machines with deep learning based methods
- Tez No: 927136
- Danışmanlar: DOÇ. DR. RÜŞTÜ AKAY
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Endüstri 4.0 ile endüstriyel makinelerin daha uzun süre verimli çalışması büyük önem kazanmıştır. Ancak makinelerde ortaya çıkabilecek arızalar üretimin durmasına ve üretim sürecinin aksamasına neden olmaktadır. Makinelerin bakımları yapılarak arızalardan kaynaklanan aksaklıkların ve maliyet kayıplarının da önüne geçilebilmektedir. Kestirimci bakım, makineler arızalanmadan sağlık durumlarının sürekli izlenmesiyle arızalarının ne zaman ortaya çıkabileceğinin tahmin edilerek gerekli bakımların yapılmasını ifade etmektedir. Böylece arızaların neden olduğunu kayıpların azaltılması hedeflenmektedir. Kestirimci bakım sayesinde arızalar önceden belirlenerek zamanında ve kaliteli üretim yapılmasına imkân tanınmaktadır. Kestirimci bakım, verilerin toplanması, veri analizi ve arıza tahmini, bakım kararının verilmesi ve bakım performansının test edilmesi aşamalarından oluşmaktadır. Bu veri analizi ve arıza tahminin aşamasında derin öğrenme yöntemlerinin kullanılması yüksek performansla bakım uygulamalarının yapılmasına imkân tanımaktadır. Bu tez çalışması kapsamında endüstriyel makinelerin arıza kestirimi derin öğrenme tabanlı yöntemlerle yapılmıştır. Bu çalışmalar sonucunda derin öğrenme yöntemlerini kestirimci bakım çalışmaları için kullanılmasının yararlı olabileceği düşünülmektedir.
Özet (Çeviri)
Industry 4.0 has gained great importance with the efficient operation of industrial machines for a longer period of time. However, malfunctions that may occur in the machines cause production to stop and the production process to be disrupted. By maintaining the machines, disruptions and cost losses caused by malfunctions can be prevented. Predictive maintenance refers to the continuous monitoring of the health status of the machines before they malfunction, and the necessary maintenance is carried out by predicting when the malfunctions may occur. Thus, it is aimed to reduce the losses caused by failures. Thanks to predictive maintenance, failures can be identified in advance, enabling timely and quality production. Predictive maintenance consists of data collection, data analysis and failure prediction, maintenance decision making and testing of maintenance performance. The use of deep learning methods in this data analysis and fault prediction phase enables maintenance applications with high performance. Within the scope of this thesis, failure prediction of industrial machines has been performed with deep learning methods. As a result of these studies, it is thought that it may be useful to use deep learning methods for predictive maintenance studies.
Benzer Tezler
- Joint autoencoder-based predictive maintenance methods for industrial machinery
Endüstriyel makineler için birleşik otokodlayıcı tabanlı kestirimci bakım yöntemleri
KÜRŞAT İNCE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAKUP GENÇ
- Endüstriyel makinelerin revize edilerek endüstri 4.0 sistemine uygun hale getirilmesi ve otonom üretime geçiş
Revising industrial machines and making themcompatible with the industry 4.0 system andtransition to autonomous production
ENDER ERDİK
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN VARAN
- Yapay zeka tekniklerini kullanarak rulmanlarda arıza ve kalan faydalı ömür tahmini
Bearing failure and remaining useful life estions using artificial intelligence techniques
EYYÜP AKCAN
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YILMAZ KAYA
- Endüstriyel satıh taşlama makinelerinde PLC otomasyonu ve otomatik taş bileme işlemi
PLC automation and automatic grinder discs grinding for industrial grinding machine
MAHMUT CEMAL KABAK
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiNevşehir Hacı Bektaş Veli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE KOCALMIŞ BİLHAN
- Makine öğrenmesi ve derin öğrenme yöntemleriyle otonom kestirimci bakım modellerinin geliştirilmesi
Development of autonomous predictive maintenance models with machine learning and deep learning methods
MAHMUT OLTAN DERE
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİZMİR BAKIRÇAY ÜNİVERSİTESİAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKER GÖLCÜK