Yüklüyor…
Toplu taşıma araçlarında yapay zekâ tabanlı kestirimci bakım yaklaşımı/
Donanım bağımlı bir sistemin yaşam döngüsü boyunca plansız aksamalar olmaksızın hizmet verebilmesi için sistemin bakım ihtiyaçlarının zamanında karşılanması gerekmektedir. Bakım ihtiyacı, sisteme, ekipmanın çalışma mantığına ve yaşam döngüsünün hangi evresinde olduğuna bağlı olarak değişebilen temel...
| Yazar: | |
|---|---|
| Kurumsal yazarlar: | , |
| Diğer Yazarlar: | |
| Materyal Türü: | Tez |
| Dil: | Türkçe |
| Konular: |
| Özet: | Donanım bağımlı bir sistemin yaşam döngüsü boyunca plansız aksamalar olmaksızın hizmet verebilmesi için sistemin bakım ihtiyaçlarının zamanında karşılanması gerekmektedir. Bakım ihtiyacı, sisteme, ekipmanın çalışma mantığına ve yaşam döngüsünün hangi evresinde olduğuna bağlı olarak değişebilen temel bir gereksinimdir. Bu gereksinim için sistemde oluşabilecek arızaların onarılabilir olduğu şekilde düzeltici ve arızaların oluşmasını engelleyecek önleyici faaliyetlerle uygun bir bakım planlaması yapılabilmektedir. Düzeltici bir bakım politikasında arıza kendisine odaklanıp arızayı gidermeye yönelik çalışmalar yapılırken, önleyici bakım politikasında potansiyel arıza tespit çalışmalarına odaklanılmaktadır. Bu çalışmada, ulaştırma sektöründe gerçek bir problem ele alınmış ve toplu taşıma araçlarında arıza oluşmadan tahminlenmesi üzerine önleyici bakım politikasında kestirimci bakım yapılmıştır. Çalışmanın amacı, bakım politikası olarak düzeltici bakım olan bir toplu taşıma firmasının beklenmedik arızalardan kaynaklı aksamaları ve hatta durma noktasına gelen sefer planlarını ve arıza kaynaklı kazaları önlemek amacıyla önleyici bir bakım politikası izlenmesidir. Politika olarak akıllı bir sistem benimsenmiş ve makine öğrenmesi ile kestirimci bakım tercih edilmiştir. Bakım sisteminin ilk aşaması için pilot bir araç seçilmiş ve arızaların en iyi şekilde tespit edilebildiği IoT sağlık verileri değişken olarak alınmış ve bu değişkenler için anlık veriler toplanarak eğitim ve test veri setleri oluşturulmuştur. Kestirimci bakımın sonucunu oluşturmak için aracın sağlık durumunu sağlıklı ve arızalı olarak sınıflandırmak üzere Rassal Orman, Destek Vektör Makineleri, Lojistik Regresyon, K-En Yakın Komşu ve Naif Bayes makine öğrenmesinde sınıflandırma teknikleri kullanılmıştır. Nihai sağlık sonucunun oluşturulması için de topluluk öğrenme yöntemleri kullanılmış ve beş sınıflandırma yönteminin sonucu arasında oylama yapılıp aracın sağlık durumunu gösteren son karar verilmiştir. Aracın anlık sağlık durumu oluştuktan sonra sağlıklı olma durumunun ne zamana kadar geçerli olduğunu gösteren aracın kalan yaşam ömrü ise ağaç tabanlı bir regresyon yöntemi olan Gradyan Arttırma Regresyon Ağaçları tercih edilmiştir. Bu çalışma ile, toplu taşıma araçlarında yaşanan gerçek bir probleme çözüm üretilmiş ve elde edilen sonuçlar, toplu taşıma araçlarında gözlenen plansız arızaların tatmin edici derecede önüne geçilebildiğini göstermiştir. Böylece söz konusu arızalarla birlikte bu arızaların yol açtığı maliyet, zaman, müşteri ve itibar kayıpları da azaltılmıştır. |
|---|---|
| Fiziksel Özellikler: | 103 sayfa ; 30 cm |
| Bibliyografya: | Kaynakça 87-101 sayfa |