Application of Machine Learning Techniques for Predictive Maintenance

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Yazılımı Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: ÖZLEM ECE YÜREK

Danışman: Derya Birant

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Kestirimci Bakım (PdM), modern endüstriyel sistemlerin temel bir unsuru olarak, makine öğrenimini kullanarak ekipman durumlarını izler, arıza olasılıklarını tahmin eder ve bakım programlarını optimize eder. Temel amacı, veri odaklı içgörüler aracılığıyla etkin bakım planlamasını mümkün kılarak ekipman güvenilirliğini artırmak, ömrünü uzatmak ve maliyetleri minimize etmektir. Bu tezde, PdM alanı için, makinenin sağlık durumunu yansıtan sınıf etiketlerinin hiyerarşik yapısını dikkate alarak, topluluk ikili ayrıştırma (OPMEB) yöntemi ile yeni bir sıra öngörücü bakım yöntemi öneriyoruz. Önerilen OPMEB yöntemi, C-MAPSS, AI4I 2020 ve gerçek dünya hidrolik sisteminin durumu veri setlerinde çalıştırılarak doğrulanmıştır. Deneysel sonuçlar, doğruluk, duyarlılık, kesinlik ve F-ölçütü olmak üzere dört farklı metrik ile değerlendirilmiştir. Sonuçlar, önerilen yaklaşımın geleneksel sıra sınıflandırma algoritmasıyla karşılaştırıldığında modelin öngörü yeteneklerinde iyileşme sağladığını göstermiştir. Ayrıca, deneysel sonuçlar, OPMEB yönteminin OneVsAll, OneVsFollowers ve OneVsNext gibi diğer sıra ikili ayrıştırma yöntemlerine göre üstün performans sergilediğini göstermiştir.