Fren sanayinde talaşlı üretim sürecinde makine öğrenmesi modellerinin karşılaştırılması ile kestirimci bakım verimliliğinin değerlendirilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü, Yönetim Bilişim Sistemleri Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: BURAK EVRENTUĞ
Danışman: CAN AYDIN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Endüstriyel sektörlerde, yapay zeka ve makine öğrenme gibi teknolojilerin kullanımı, üretim süreçlerinin verimliliğini ve kararlılığını artırmak için önemli bir gereksinim haline gelmiştir. Üretim süreçlerinde yer alan makinelerin düzenli bakımı ve arızaların önceden tespiti, kesintisiz üretim ve iş sürekliliği açısından kritik öneme sahiptir. Kestirimci bakım uygulamaları, sensörler ve veri analizi yöntemleri ile birleştirilerek, makinelere dair verilerin toplanması, analizi ve anlamlı bilgilere dönüştürülmesi sağlanmaktadır. Böylelikle makinelerde olası arızaların önceden tahmin edilmesi, planlı bakım faaliyetlerinin gerçekleştirilmesi ve beklenmedik durmaların önüne geçilmesi mümkün olmaktadır. Bu yöntemler, üretim süreçlerinde verimliliği artırırken, bakım maliyetlerinin azaltılmasına da yardımcı olmaktadır. Kestirimci bakım, makine öğrenmesi tekniklerinin kullanıldığı bir yaklaşım olarak endüstride giderek daha fazla ilgi görmektedir. Makine öğrenmesi, büyük miktardaki veriyi analiz ederek modelleri tanımlamak, gelecekteki olayları tahmin etmek ve karar verme süreçlerini otomatikleştirmek için algoritmalar kullanmaktadır. Kestirimci bakım bağlamında, makine öğrenmesi modelleri, makineden gelen verileri analiz ederek ekipman veya sistemlerde olası arızaları tahmin etmek ve önlemek için kullanılmaktadır. Bu modeller, makineye ait verileri kullanarak öğrenme işlemini gerçekleştirir, modelleri tanır ve anormallikleri tespit eder. Bu sayede, beklenmedik arızaların önceden tahmin edilmesi ve bakım süreçlerinin planlanması verimli bir şekilde sağlanmaktadır. Bu çalışmanın amacı, fren kaldırma bileşeni üreten endüstriyel bir şirketin makinede oluşabilecek arızaların veri analizi yöntemleriyle tahmin edilmesini ve bu tahminlerin doğruluk performansının artırılmasını sağlamaktır. Çalışmada, PyCharm IDE ortamı kullanılarak, veri analizi için Pandas, Numpy, Seaborn, Matplotlib ve Sklearn modüllerinden yararlanılmıştır. Veri analizi yöntemleriyle, makinedeki arızaların belirtilerini ve ilişkilerini anlamak için verilerin kapsamlı bir şekilde incelenmesi ve analiz edilmesi hedeflenmiştir.