KESTİRİMCİ BAKIMDA MAKİNE ÖĞRENMESİ: SAYISAL BİR VAKA ÇALIŞMASI

Kulluk S., Torun H., Ay M. M., Akargöl İ.

SIVAS II. INTERNATIONAL CONFERENCE ON SCIENTIFIC AND INNOVATION RESEARCH, Sivas, Türkiye, 15 - 17 Eylül 2023, ss.988-1001

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Sivas
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.988-1001
  • Sivas Cumhuriyet Üniversitesi Adresli: Evet

Özet

Dördüncü Sanayi Devrimi (Endüstri 4.0) ile birlikte rekabet koşullarının değişmesi, yapay zeka ve makine öğrenmesi, nesnelerin interneti, büyük veri ve veri analitiği gibi kavramların kullanımına yönelik işletmelerin dijital dönüşüm ihtiyacını doğurmuştur. Akıllı bakım yönetimi Endüstri 4.0 uygulamalarının önemli bir parçasını oluşturmaktadır. Gelişen teknolojik yenilikler ve dijitalleşme ile birlikte, makine ve ekipmanların bozulma ve arızalarına neden olan göstergeler, esnek ve akıllı bakım uygulamaları ile otomatik olarak önceden belirlenebilmektedir. Akıllı bakıma yönelik uygulanan kestirimci bakım stratejisine yönelik çeşitli test ve ölçümlerle arızaların önceden tahmini ile arıza giderme süreleri ve plansız makine duruş sürelerinin azaltılması, bakım maliyetlerinde azalma, makine kalan faydalı ömürlerinde artış ve üretimde verimlilik artışı sağlanabilmektedir. Bu çalışmada, Ar-Ge merkezi olarak faaliyetini sürdüren, Türkiye’nin önde gelen yatak üreticilerinden YATAŞ Grup’ da makine öğrenmesi kullanılarak bir kestirimci bakım uygulaması gerçekleştirilmiştir. Uygulama kapsamında pilot makine olarak elyaf hattında yer alan tarak makinesi seçilmiş ve analizler bu makineden elde edilen sensör verileri üzerinden gerçekleştirilmiştir. Özellikle bu makinenin seçilme sebebi, makinenin alternatifinin bulunmayışı ve arızalanması durumunda elyaf üretim hattının tamamen durmasıdır. Çalışma kapsamında, tarak makinesinde ana tambur motoruna bağlanan sabit sensör vasıtasıyla, 11 girdi değişkenine ait veriler toplanmıştır. Elde edilen veriler üzerinde veri etiketleme, veri temizleme, veri dönüştürme, veri normalizasyonu gibi veri ön işlemleri gerçekleştirilmiştir. Çalışma süresince ilgili motorda meydana gelen arıza kaydına bağlı olarak kalan faydalı ömür hesabı yapılmıştır. Analiz aşamasında, veri ön işlemeden geçirilen veriler üzerinde makine öğrenmesi tabanlı kalan faydalı ömür tahmini ve arıza sınıflandırması yapılmıştır. Kalan faydalı ömür tahmini için karar ağacı (DT), rasgele orman (RF), destek vektör makinesi (SVM), doğrusal regresyon (LR) makine öğrenme algoritmaları kullanılmış ve belirleme katsayısı (R2) etkinlik ölçütüne göre sonuçlar karşılaştırılmıştır. Arıza sınıflandırma için, karar ağacı (DT), rasgele orman (RF), destek vektör makinesi (SVM), K-en yakın komşu (KNN) makine öğrenme algoritmaları kullanılarak doğruluk etkinlik ölçütü üzerinden sonuçlar karşılaştırılmıştır.

Anahtar Kelimeler: Kestirimci Bakım, Makine Öğrenmesi, Kalan Faydalı Ömür Tahmini, Sınıflandırma.