Uçak bakım ve onarım verileri ile istatistiksel uygulama
Statistical application with aircraft maintenance and repair data
- Tez No: 960846
- Danışmanlar: DOÇ. DR. FATMA SEVİNÇ KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 63
Özet
Uçak Bakım, Onarım ve Yenileme (Maintenance, Repair, and Overhaul- MRO), sektörü havacılık açısından operasyonel süreklilik ve maliyet etkinliği açısından kritik öneme sahiptir. Uçak komponentlerinin alış fiyatlarının doğru bir şekilde öngörülmesi, pazar dinamikleri, parça özellikleri, tedarikçi çeşitliliği ve talep değişkenliği gibi çok sayıda faktörden etkilenmesi nedeniyle karmaşık bir problem teşkil etmektedir. Geleneksel fiyat tahmin yöntemleri bu faktörler arasındaki doğrusal olmayan ve dinamik ilişkileri yakalamada sıklıkla yetersiz kalmaktadır. Çalışmanın temel amacı MRO sektöründe uçak komponentlerinin alış fiyatlarını yüksek doğrulukla tahmin etmek üzere bir yapay sinir ağı modeli geliştirmek ve performansını değerlendirmektir. Bu amaç doğrultusunda geçmiş satınalma kayıtları komponent teknik detayları tedarikçi verilerini içeren kapsamlı bir veri seti derlenmiştir. Parça numaraları ve tedarikçi kodları gibi kategorik bilgiler ile parça açıklamalarını ifade eden serbest metin formatındaki veriler modelin anlayabileceği anlamlı sayısal temsillere gömme katmanları kullanılarak dönüştürülmüştür. Bu zenginleştirilmiş ve birleştirilmiş set, verinin içerisindeki karmaşık ve doğrusal olmayan gizli örüntüleri otomatik olarak öğrenebilen çok katmanlı bir derin öğrenme mimarisini eğitmek için kullanılmıştır. Çalışmada farklı yapay sinir ağları mimarileri incelenmiş ve en uygun yapı belirlenmiştir. Derin öğrenme yaklaşımının çok boyutlu ve karmaşık veri setlerindeki gizli örüntüleri ve faktörler arası etkileşimleri etkin bir şekilde modelleyebilme kabiliyeti sayesinde geleneksel yöntemlere kıyasla fiyat tahmin doğruluğunu önemli ölçüde artırması beklenmektedir. Elde edilen bu öngörü kabiliyeti reaktif ve maliyetli acil durum alımlarından proaktif ve optimize edilmiş bütçe yönetimine geçişin kapısını aralamakta böylece operasyonel verimliliği artırırken finansal riskleri en aza indirme potansiyeli taşımaktadır. Ayrıca MRO şirketlerine komponent tedarik ve tamir süreçlerinde daha bilinçli kararlar alma, bütçeleme süreçlerini iyileştirme ve maliyet optimizasyonu sağlama potansiyeli taşıyan veri odaklı bir yaklaşım sunmaktadır. Çalışma derin öğrenme tekniklerinin MRO tedarik zinciri yönetimindeki pratik uygulamalarına ve potansiyel faydalarına ışık tutmayı hedeflemektedir.
Özet (Çeviri)
The Maintenance, Repair, and Overhaul (MRO) sector is of critical importance for the aviation industry in terms of operational continuity and cost-effectiveness. Accurately forecasting the purchase prices of aircraft components constitutes a complex problem, as it is influenced by numerous factors such as market dynamics, part specifications, supplier diversity, and demand variability. Traditional price forecasting methods often fall short in capturing the non-linear and dynamic relationships between these factors. The primary objective of this study is to develop an artificial neural network model to predict the purchase prices of aircraft components in the MRO sector with high accuracy and to evaluate its performance. For this purpose, a comprehensive dataset was compiled, including historical purchasing records, component technical details, and supplier data. Categorical information, such as part numbers and supplier codes, along with free-text data representing part descriptions, were converted into meaningful numerical representations that the model can understand, using embedding layers. This enriched and consolidated set was then used to train a multi-layered deep learning architecture capable of automatically learning the complex and non-linear hidden patterns within the data. In the study, different artificial neural network architectures were examined, and the most suitable structure was identified. The deep learning approach is expected to significantly increase price prediction accuracy compared to traditional methods, thanks to its ability to effectively model hidden patterns and inter-factor interactions in multi-dimensional and complex datasets. This predictive capability opens the door to a transition from reactive and costly emergency procurements to proactive and optimized budget management, thereby holding the potential to increase operational efficiency while minimizing financial risks. Furthermore, it offers MRO companies a data-driven approach with the potential to enable more informed decisions in component procurement and repair processes, improve budgeting processes, and achieve cost optimization. The study aims to shed light on the practical applications and potential benefits of deep learning techniques in MRO supply chain management.
Benzer Tezler
- Havayolu işletmelerinde kârlılık performansının makro berlirleyicileri: Türkiye örneği
Macro determinants of profitability performance in airline companies: The case of Türkiye
MEHTAP AKKUŞ
Yüksek Lisans
Türkçe
2024
Sivil HavacılıkTürk Hava Kurumu ÜniversitesiHavacılık Yönetimi Ana Bilim Dalı
DOÇ. DR. ADNAN GÜZEL
DR. ÖĞR. ÜYESİ EMRE YILMAZ
- Hava trafik kontrol hizmetinden kaynaklanan uçak kazalarının incelenmesi
Investigation of airplane accidents caused by air traffic control
LEJLA NIKSIC
Doktora
Türkçe
2022
Sivil HavacılıkGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EBRU ARIKAN ÖZTÜRK
- Predictive modeling of non-routine maintenance workload in aircraft operations: a task card-level approach using real mro data and machine learning
Uçak bakım operasyonlarında non-routıne iş yükünün öngörüsel modellemesi: gerçek mro verileri ve makine öğrenmesi ile görev kartı düzeyinde bir yaklaşım
TALHA GÜÇLÜ
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Uçak bakımlarının gürbüz (Robust) planlanması
Robust planning of aircraft maintenance
MEHMET İKBAL KARACA
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiGebze Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİGEN ÖZTOPRAK TOPKAYA
- Havayolu operasyonlarında uçuş eşleme için sezgisel bir yaklaşımın geliştirilmesi
Development of a heuristic algorithm approach for airline crew pairing problem in airline operations
MELEK SEBİLE KURTER
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUFAN DEMİREL