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: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- 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: 79
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
- Tek boyutlu stok kesme problemi üzerine hibrit bir çözüm yaklaşımı
A hybrid solution approach to the one-dimensional cutting stock problem
ÖZGE KÖKSAL
Doktora
Türkçe
2024
Matematikİstanbul ÜniversitesiSayısal Yöntemler Ana Bilim Dalı
PROF. DR. ERGÜN EROĞLU
- Metalik kutulama teknolojisinin toplam elektromanyetik emisyon dağılımına etkisinin belirlenmesi
Determination the effect on total electromagnetic emission distribution of metallic enclosure topology
İBRAHİM BAHADIR BAŞYİĞİT
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiSüleyman Demirel ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET FATİH ÇAĞLAR
- Characterization and modeling of negative-biastemperature instability in 40 NM CMOS technologythrough long short-term memory (LSTM) networks
Uzun kısa-süreli bellek ağlarıyla (LSTM)40 NM CMOS teknolojisinde negatif-kutuplamasıcaklık kararsızlığının karakterizasyonu ve modellenmesi
FİKRET BAŞAR GENCER
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BERKE YELTEN
- Görüntü işleme ile kutu içerisindeki ürünlerin tanımlanması ve hatalı ürünlere ret işleminin uygulanması
Defining the products in the box by image processing and applying the rejection prosess to the defective products
UFUK KÖROĞLU
Yüksek Lisans
Türkçe
2023
Mekatronik MühendisliğiTrakya ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜRKAN TUNA
- Design of magnetic sensing microsystem with hall sensors
Hall algılayıcılı manyetik alan algılama mikrosistemi tasarımı
ECE OKTAY
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNHAN DÜNDAR
YRD. DOÇ. DR. HAMDİ TORUN