Yüklüyor…
Turbofan uçak motoru ve rulman veri̇leri̇nde kaskat deri̇n öğrenme modelleri̇yle kesti̇ri̇mci/
Gelişen sensör teknolojisi ve Endüstri 4.0 devrimiyle beraber üretim hatlarından ve sistemlerin her bir adımından büyük miktarda veri toplanmaktadır. Elde edilen bu veriler hem kalite kestirimi hem de sistem ve ekipmanlarının bakım zamanlarının kestiriminde kullanılmaktadır. Endüstri 4.0 ile beraber...
| Yazar: | |
|---|---|
| Kurumsal yazarlar: | , |
| Diğer Yazarlar: | |
| Materyal Türü: | Tez |
| Dil: | Türkçe |
| Konular: |
| Özet: | Gelişen sensör teknolojisi ve Endüstri 4.0 devrimiyle beraber üretim hatlarından ve sistemlerin her bir adımından büyük miktarda veri toplanmaktadır. Elde edilen bu veriler hem kalite kestirimi hem de sistem ve ekipmanlarının bakım zamanlarının kestiriminde kullanılmaktadır. Endüstri 4.0 ile beraber bakım faaliyetleri de evrim geçirmiştir ve kestirimci bakım ile arızalar meydana gelmeden kestirilmesi üzerine çalışılmaktadır. Bakım süreçlerini günümüzde hassas ürünlerin çokça olması ve üretimdeki güvenirlilik sebebiyle daha da önem kazanmıştır. Doğru zamanda yapılan bakım faaliyetleri hem kaliteyi artırmakta hem de bakım maliyetlerini düşürmektedir. Kestirimci bakım uygulamaları ile arızalar meydana gelmeden önce ve ancak gereksiz parça değişimini de önleyecek şekilde sistemlerin takibi yapılmaktadır. Ayrıca toplanan veriler ile yapılan bu çalışmalarda duraksama sürelerini azaltmak için veriler içerisinde arızanın kaynağı ve türünün de kestirimi yapılmakta ve maliyetleri daha da azaltılabilmektedir. Bu tez kapsamında sistem ve ekipmanlarından elde edilen veriler üzerinde kestirimci bakım kapsamında Kalan Faydalı Ömür çalışmaları yapılmıştır. Bu kestirim modellerinde makine öğreniminin bir alt dalı olan derin öğrenme yapıları kullanılmıştır. Bu tez kapsamında Commercial Aero-Propulsion System Simulation uçak motoru veri kümesi ile rulman titreşim verileri üzerinde Kalan Faydalı Ömür kestirimi çalışılmıştır. Bu çalışmalarda veri odaklı bir model geliştirilmesi amaçlanmıştır. Derin öğrenme tabanlı kestirim modelleri sunulmuştur. Özellikle son yıllarda ön plana çıkan Öz-Dikkat Katmanı temelli yapılar önerilmiştir. Böylelikle hem sensör verilerinde hem de ihtiyaç duyulan özniteliklerde sonuca etki edecek noktalara odaklanılması amaçlanmıştır. Uçak motoru veri kümesinde Öz-Dikkat katmanı ve kısayol içeren katman yardımıyla daha hassas kestirimler yapan bir model geliştirilmiştir. Ayrıca bu kestirim problemi için asimetrik bir kayıp fonksiyonu önerilmiştir. İçermiş olduğu dört farklı senaryo ve alt veri kümelerinde başarımları test edilmiş ve elde edilen başarılı sonuçlar raporlanmıştır. Önerilen model ile FD001, FD002, FD003, FD004 alt veri kümelerinde Karekök Ortalama Karesel Hata metriğinde sırasıyla 11.017, 23.14, 12.62, 26.39 değerleri elde edilmiştir. Bu problem kapsamında veri yarışmasında önerilen skor fonksiyonunda ise sırasıyla 157.19, 2490.09, 218.6, 3800.15 değerleri elde edilmiştir. Çalışma kapsamında önerilen modelin belirli katmanlarının sonuçlar üzerine olan etkisi de ayrıca incelenmiştir. Rulman titreşim veri kümesinde son yıllarda kullanıldığı alanlarda üstün başarım sonuçları veren Dönüştürücü yapısı baz alınarak yeni bir derin öğrenme modeli sunulmuştur. Bu veri kümesinde yüksek örnekleme frekansına sahip titreşim verileri frekans uzayındaki barındırmış olduğu bilgi önişleme ile kullanılabilir hale getirilmiştir. Mel frekans uzayına getirilen veriler derin bir yapıya sahip model ile eğitilmiştir. Veri kümesinin önerildiği veri yarışmasında kestirim modellerinin başarımlarının karşılaştırılması için yeni bir skor değerlendirme fonksiyonu öne sürülmüştür. Test rulmanları üzerinde elde edilen sonuçlar bu skor fonksiyonunda 0.433 değerini vermiştir. Test veri kümesindeki her bir rulmanda elde edilen sonuçlar ve genel skor değeri literatürdeki diğer modellerle karşılaştırmalı olarak sunulmuş ve başarımdaki üstünlük belirtilmiştir. Artan veri miktarı ve derin öğrenme tekniklerinin gelişmesi ile daha hassas Kalan Faydalı Ömür tahminleri yapılabilmektedir. Özellikle tahmin çalışmalarında yeni modellerin ortaya konması ve bu yapıların titreşim, uçak motorları gibi verilerde derin yapılarla uygulanması başarılı sonuçlar vermektedir. Bu yapıların sistemlere uygulanması daha güvenilir ve izlenebilir yapıların kurulmasının önünü açmıştır. |
|---|---|
| Fiziksel Özellikler: | 127 sayfa : şekil ; 30 cm |
| Bibliyografya: | Kaynakça : 117-124 sayfa |