Akıllı Endüstri 4.0 için dijital ikiz tabanlı federe öğrenme
Başlık çevirisi mevcut değil.
- Tez No: 973145
- Danışmanlar: ASSOC. PROF. DR. MÜGE ÖZÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Nesnelerin İnterneti, Dijital İkiz, Federe Öğrenme, Gizlilik, Endüstri 4.0, Internet of Things, Digital Twin, Federe öğrenme, Privacy, Industry 4.0
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde teknolojisinde kullanılan Yapay Zeka (YZ); Nesnelerin İnterneti (Nİ) alanında yeni gelişmelerin entegrasyonunu ve yönetimini kolaylaştırmaktadır. Bu yeni gelişmeler endüstriyel nesnelerin interneti (ENİ) platformlarının dijital ikiz (Dİ) ile izlenmesi ve yönetimi desteği ile akıllı endüstri 4.0 hedefine ulaşmayı sağlamaktadır. Burada dijital ikiz fiziksel katmanda bulunan ekipmanların yapay zeka tabanlı bir sanal nesnesini oluştururarak ve gerçek verilerle periyodik olarak eşler. Bu sanal nesne, sürekli toplanılan gerçek veriler sayesinde dijital katmanda yaşamına devam ederek yapay zeka desteğiyle performansını arttırarak bazı problemlerin öngörülebilirliğini arttırarak endüstri 4.0 amaçları üzerinde çalışmaya imkan tanır. Başka bir deyişle, dijital ikiz, endüstriyel ağı sanal alanda haritalamak, fiziksel varlıkları gerçek zamanlı izlemek ve kapsamlı ağ analizi yapmak için kullanılan yeni nesil bir teknolojidir. Ancak, veri gizliliği endişeleri ve hassas verilerin paylaşılmasındaki güven eksikliği gibi zorluklar, bu teknolojinin yaygın benimsenmesini yavaşlatmaktadır. Bu nedenle bu tezde, dijital ikizin uç ağlarda entegrasyonunu sağlamak ve bu zorlukların üstesinden gelmek için dijital ikiz tabanlı uç ağ (DİTUA) önerilmektedir. Bu yaklaşımda, federe öğrenme (FÖ), DİTUA 'da gizlilik ve güvenilirliği sağlayarak bu endişeleri ele almak için umut verici bir yaklaşım olarak öne çıkmaktadır. Bu tez, FÖ ile Dİ tabanlı Endüstri 4.0'ın uç ağlarda entegre edildiği yenilikçi bir yaklaşım önermektedir. Bu yaklaşım, her iki teknolojinin avantajlarını birleştirerek hizmet kalitesini artırmayı, ölçeklenebilirliği ve uyarlanabilirliği geliştirmeyi hedeflerken gizliliği korumayı amaçlamaktadır. Tez kapsamında, Endüstri 4.0'daki makine öğrenimi/derin öğrenme ve federe öğrenme çalışmalarını karşılaştırmak için kapsamlı bir literatür incelemesi yapılmıştır. Ek olarak, imalat, otomotiv ve ENİ'de FÖ tabanlı Fİ modellerinin uygulamaları ile mevcut durum analizi yapılmıştır. Federe öğrenme türleri ve uygulama yöntemleri detaylandırılmıştır. Yapılan uygulamalı analizde, önerilen FÖ tabanlı DİTUA, ham verileri paylaşmak yerine gizliliği korumakla kalmayıp, merkezi modeller kadar yüksek model doğruluğu elde ettiği gözlemlenmiştir. Ayrıca, federe öğrenme turları boyunca tutarlı doğruluk iyileştirmeleri gözlemlenmiş ve bu durum, küresel modelin yinelemeli olarak güncellendiğini göstermektedir. Önerilen bu yaklaşımın; Endüstri 4.0, sağlık, akıllı şehirler gibi birçok uygulama alanına sahip olması devrim niteliğinde olup, yeni nesil çalışmalar için umut verici bir yol sunduğuna inanılmaktadır.
Özet (Çeviri)
Nowadays, new developments in artificial intelligence (AI) and the Internet of Things (IoT) have made it easier to continuously improve smart Industry 4.0 applications. These can be exemplified as smart manufacturing, environmental monitoring and management, industrial IoT (IIoT) platforms, augmented and virtual reality (AR/VR) for maintenance and training. In the literature, DT-based network management is alleviated for these applications by replicating the physical equipment with an AI-based virtual object that periodically takes data from the real industrial world. Moreover, the accuracy of AI-based predictions in DT is extremely high due to the centralized view and aggregating huge amount of data to the cloud. However, centralized DT has main challenges such as data privacy concerns, the lack of trust in sharing sensitive data, and having a high potential for exposure to many types of attacks during data sharing between IoT devices and clouds. Therefore, this work has proposed DT-based edge network (DTEN) to integrate DT at the edge to overcome the aforementioned challenges. Moreover, Federated Learning (FL) is a promising approach to address these concerns by ensuring privacy and trust in DTEN. Here, a novel framework that integrates FL with DT-enabled Industry 4.0 combines the advantages of both to keep accuracy of AI based applications at an acceptable level, improving scalability and adaptability while maintaining privacy. This practical analysis shows that the DTENs based on the federated approach not only protect privacy instead of sharing raw data, but also achieves acceptable accuracy results nearly as centralized AI-based models. It is believed that the proposed approach offers a promising way to revolutionize more use cases such as Industry 4.0, healthcare, smart cities.
Benzer Tezler
- Tornalama süreçlerinde aktif titreşim kontrolü, yapay zeka uygulamaları ve nesnelerin interneti uygulamaları
Active vibration control, artificial intelligence applications and internet of things applications in turning processes
MEHMET ALİ GÜVENÇ
Doktora
Türkçe
2022
Makine Mühendisliğiİskenderun Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK MISTIKOĞLU
- Üretim planlama ve kontrol süreçlerinde dijital ikiz teknolojisinin kullanılması: Tekstil sektöründe bir uygulama
Using digital twin technology in production planning and control process: An application in textile industry
AYSEL KOÇAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTAÇ YILDIZ
- Veri güdümlü dijital ikiz modeli ile freze takım tezgahı takım aşınma tahminlemesi ve kesme parametreleri optimizasyonu
Prediction of tool wear and cutting parameter optimization of milling machine tool with data-driven digital twin model
GİZEM BURUN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Integrated digital twin and scada framework for real-time process optimization, predictive maintenance, and energy efficiency in ındustry 4.0
Integrated digital twin and scada framework for real-time process optimization, predictive maintenance, and energy efficiency in industry 4.0
KHALID FAYEZ ABD ALYAFAWI
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÇİL
- Endüstri 4.0 ve dijital dönüşüm teknolojileri ile desteklenen akıllı fabrika yönetim ve bilişim sisteminin geliştirilmesi
Development of smart factory management and information system supported by industry 4.0 and digital transformation technologies
ÇAĞLAR GÜRKAN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİH PALANDÖKEN