Endüstriyel kutulama robotlarında makine öğrenmesi temelli arıza tahmini ile kestirimci bakım uygulaması
Predictive maintenance application with machine learning based failure estimation in industrial packaging robots
- Tez No: 927345
- Danışmanlar: DOÇ. DR. ÖZGÜR TURAY KAYMAKÇI
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Science and Technology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Endüstri 4.0, Makine öğrenmesi, Industrial 4.0, Machine learning
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üretim sistemlerinde, operasyon sırasında tekrarlayan arızalar ve planlı bakım duruşları, üretim verimliliği açısından büyük bir öneme sahiptir. Plansız üretim duruşları ve planlı bakım sırasında uygulanan, veriye bağlı olmadan yapılan geçici müdahaleler, işletmelerde büyük zaman ve para kayıplarına neden olmaktadır. Son zamanlarda büyük gelişmelerin yaşandığı Endüstri 4.0 teknolojileri, makinelerden toplanan gerçek zamanlı verileri (BigData) kapsamlı bir şekilde depolanarak potansiyel sorunların kalıcı olarak çözümü için yol göstermektedir. BigData ile birlikte oluşturulan yapay zekâ algoritmaları ile arızaların, kronik problemlerin analiz edilmesinde ve aksiyonlar alınmasında büyük öneme sahiptir. Yapay zekâ üzerinden tespit edilen aksiyon planları ile işletmelerde üretim verimliliğinin sağlanmakta ve yüksek bakım giderleri minimum seviyelere indirilmektedir. Bu çalışmamızda, üretim hattı kutulama robotlarına ait ortalama arıza süresi (MTTF) değerleri ve geçmiş arıza verileri kullanılarak sistem arıza tahmini için yapay sinir ağı (ANN) modeli oluşturulmuştur. Nesnelerin interneti (IoT) teknolojisi kullanılmadan kurgulanan makine öğrenmesi modeli üzerinden birçok iterasyon denemesi yapılmış ve başarı yüzdesi en yüksek olan iterasyon belirlenmiştir. İlave olarak sistemin MTTF karakteristği tespit edilerek arızaların tahmin başarısı artırılmıştır. Yaşanan duruşların minimum sürelerde çözülebilmesi için yedek parça analizi yapılmış ve robot üzerindeki ekipmanların teknik depo adetleri belirlenmiştir. Bu sayede geçmiş arıza verileri ile robot üzerinde başarılı bir kestirimci bakım uygulaması yapılması yanında duruşların minimum sürelerde çözülmesi için çalışmalar yapılmıştır.
Özet (Çeviri)
In the production systems during operation, repetitive downtimes and planned maintenanace stops are great importance in terms of production efficiency. Temporary interventions applied during the unplanned production stops and planned maintenance, without depending on data, cause great time and money losses in facilities. Industry 4.0 technologies, which have experienced great developments in recent times, provide guidance for solving potential problems permanently by storing real-time data (Big Data) collected from the machines comprehensively. It is great importance in analyzing downtimes, and chronic problems and taking actions with artificial intelligence algorithm created by BigData. Production efficiency is ensured and decreases high maintenance costs to minimum levels in facilites by the action plans which determined through artificial intelligence. In this study, an artificial neural network (ANN) model has been created for system failure prediction by using mean time to failure (MTTF) values and past failure data of production line packaging robots. Many iteration attempts have been made over the machine learning model, which is designed without using the internet of things (IoT) technology, and the iteration with the highest percentage of success was determined. In addition, the MTTF characteristic of the system was determined and the prediction success of the failures was increased. Spare parts analysis was performed and the equipments were determined on the technical warehouse, in order to solve the downtimes in the minimum periods. In this way, studies were carried out to solve the downtimes in minimum time, as well as the successful predictive maintenance application on the robot with past fault notification data.
Benzer Tezler
- Üniversite ile ilgili kanun ve yönetmeliğin bilgisayara aktarılması
Başlık çevirisi yok
NAFİYE MESTANOĞLU
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. OĞUZ MANAS
- Akaryakıtla çalışan endüstriyel tav fırınlarında yanma, sıcaklık ve basıncın optimum kontrolu
Optimum control of combustion temperature and pressure in industrial tempering furnaces working with fuel-oil
MEHMET EROĞLU
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL ERCAN
- Zymomonas mobilis NRRL B-14023 bakterisi ile şeker pancarı melası ve kuru üzümden etanol üretimi
Başlık çevirisi yok
ÜLKÜ BAŞER
- Endüstrileşmiş yapım sistemlerinin Türkiye'ye uyumu ve gelişme koşulları
The Appropriation and development conditions of industrialized building systems in Turkey
FİKRİ KOLENOĞLU
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiGazi ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. REŞAT ÖNGEN
- Havuçların haşlanmasında difüzyonun modellenmesi
Başlık çevirisi yok
FİGEN KAYMAK
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUZAN KINCAL
- Xanthomonas campestris NRRLB-1459 ile xanthan sakızı üretimi ve çeşitli azot ve karbon kaynaklarının verime etkisinin saptanması
Başlık çevirisi yok
SEVİNÇ KURT
Yüksek Lisans
Türkçe
1987
MikrobiyolojiEge ÜniversitesiTemel ve Endüstriyel Mikrobiyoloji Ana Bilim Dalı
DOÇ. DR. MÜCAHİT DİZBAY