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: Derin öğrenme, Sivil havacılık, Uçak bakım, Deep learning, Civil aviation, Aircraft maintenance
- 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: Belirtilmemiş.
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
- Çeşitli rib örgülerin boyutsal özellikleri üzerine bazı araştırmalar
Başlık çevirisi yok
ARZU YAĞCI
Yüksek Lisans
Türkçe
1986
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ARİF KURBAK
- Halı ipliği yapımında kullanılan yünlerin teknolojik özellikleri üzerinde araştırmalar
Investigations on the technological properties of wools which are used in woollen carpet yarn production
BEKİR YILMAZ
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTarım Ürünleri Teknolojisi Ana Bilim Dalı
PROF. DR. MUSTAFA HARMANCIOĞLU
- Yaygın gelişimsel bozukluğu (Otizm spektrumu) olan çocuklarda klinik ve elektroensefalografi bulguları.
Başlık çevirisi yok
SEMİH AYTA
Tıpta Uzmanlık
Türkçe
2006
Nörolojiİstanbul ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. MEFKURE ERAKSOY