Optimizing aircraft maintenance costs through AI-driven predictive maintenance and inventory management integration
Yapay zeka destekli öngörücü bakım ve envanter yönetimi entegrasyonu ile uçak bakım maliyetlerinin optimizasyonu
- Tez No: 942558
- Danışmanlar: DOÇ. DR. SAİT GÜL
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Havacılık Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, uçak motorlarında kestirimci bakım ve envanter yönetimi için yapay zeka destekli bir sistem sunmaktadır. Sistem, gerçek zamanlı sensör verilerini kullanarak bileşenlerin Kalan Kullanım Ömrü'nü (Remaining Useful Life - RUL) Random Forest modeli aracılığıyla tahmin eder. Sensör sağlığı, geçmiş ortalama ve standart sapma değerlerine kıyasla mevcut davranışı analiz eden Z-skoru yöntemi ile değerlendirilir ve sensörler“sağlıklı”,“uyarı”veya“kritik”olarak sınıflandırılır. Uçuş döngüsü verisi sınırlı olan motorlar için analiz pencereleri sistem tarafından uyarlanır. RUL tahminleri, geleneksel Ekonomik Sipariş Miktarı (EOQ) yöntemleri yerine, sensör durumu ve planlanan bakım verilerine dayalı olarak yedek parça siparişleri öneren talep odaklı bir envanter modülüne aktarılır. Bir gösterge paneli, motor durumu, tanı bilgileri ve envanter uyarılarını görüntüler. Sistem, NASA'nın FD001 veri seti kullanılarak test edilmiştir. Gelecekteki çalışmalar, farklı çalışma koşullarına sahip veri setleri üzerinde eğitim yapılmasını ve daha gelişmiş veya yorumlanabilir yapay zeka tekniklerinin entegrasyonunu içerebilir.
Özet (Çeviri)
This thesis presents an AI-driven system for predictive maintenance and inventory management in aircraft engines. It uses real-time sensor data to estimate the Remaining Useful Life (RUL) of components via a Random Forest model. Sensor health is evaluated using Z-score analysis, comparing current behavior to historical baselines (mean and standard deviation) to classify sensors as healthy, warning, or critical. For engines with limited flight cycles, the system adjusts its analysis windows accordingly. RUL predictions feed into a demand-driven inventory module that recommends spare part reorders based on sensor status and scheduled maintenance, instead of traditional EOQ methods. A dashboard displays engine status, diagnostics, and inventory alerts. The system was tested using NASA's FD001 dataset. Future work may involve training on datasets with diverse operating conditions and integrating more advanced or interpretable AI techniques.
Benzer Tezler
- Ankara-Polatlı-Kabak köyü sulama pompaj tesisinin optimizasyonu
Optimizing of Ankara-Polatlı-Kabak villages watering pumping plant
İLKNUR GÖKNUR
Yüksek Lisans
Türkçe
1987
ZiraatAnkara ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
DOÇ. DR. RAHMİ KESKİN
- Proses modellendirme, optimizasyon ve kontrolün bir petrol rafineri ünitesine (FCC) uygulanması
Başlık çevirisi yok
HARUN TAŞKIN
Doktora
Türkçe
1983
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. AYHAN TORAMAN
- Determination of anion content of fogwater by ron chromatography and spectrophotometric methods
Başlık çevirisi yok
TARIK ERDAL
- Vücut sıvılarında atomik absorpsiyon spektrometresi ile iz element analizleri ve bazı uygulamaları
Başlık çevirisi yok
MÜŞERREF ATLI
