Arşiv logosu
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
Arşiv logosu
  • Koleksiyonlar
  • Sistem İçeriği
  • Analiz
  • Talep/Soru
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
  1. Ana Sayfa
  2. Yazara Göre Listele

Yazar "Yurtsever, Mustafa" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
Sayfa Başına Sonuç
Sıralama seçenekleri
  • Yükleniyor...
    Küçük Resim
    Öğe
    Makine öğrenmesi ve derin öğrenme yöntemleri ile titreşim analizi tabanlı arıza teşhis ve kestirimci bakım sistem tasarımı
    (Ege Üniversitesi, Sosyal Bilimler Enstitüsü, 2020) Yurtsever, Mustafa; Çiçekli, Ural Gökay
    Günümüzde işletmeler; üretimin her aşamasından veri toplamak amacıyla daha fazla sensör ve bilgi iletişim teknolojisi kullanmaktadır. Nesnelerin interneti, makine öğrenmesi ve derin öğrenme gibi teknoloijiler verilerin toplanmasını ve işlenmesini kolaylaştırmaktadır. Gerçek zamanlı veriler kullanarak olası arızaların teşhis edilmesini sağlayan kestirimci bakım, arıza sürelerini ve bakım maliyetlerini en aza indirgemeyi hedeflemektedir. Kestirimci bakımı etkin uygulamak için ekipman sağlığını değerlendirme ve toplanan verilerle mevcut veya gelecekteki arızalar hakkında ayrıntılı bilgi bulma yeteneğine sahip olunması gerekmektedir. Makine öğrenmesi ve derin öğrenme yöntemleri kestirimci bakım uygulamalarına yeni bakış açıları kazandırmıştır. Bu tez kapsamında makine öğrenmesi ve derin öğrenme yöntemleri ile titreşim analizi tabanlı arıza teşhisi ve kestirimci bakım sistemi tasarımı amaçlanmıştır. Geliştirilen sistem ile uzmanlık bilgisi gerektirmeden derin öğrenme yöntemlerinin özellik çıkarma yöntemleri kullanılarak, veri odaklı hata teşhisi modellerinin oluşturulması amaçlanmıştır. Derin öğrenmenin denetimsiz öğrenme için kullanılan oto kodlayıcı yapısının boyut azaltma özelliği kullanılarak yüksek boyutlu ham titreşim verilerinin boyutu azaltılarak önerdiğimiz modelde doğrudan kullanılmıştır. Sistemde gerçek zamanlı durum izleme için, Mikro Elektro Mekanik Sistem (MEMS) sensörü ve Raspberry Pi donanımı kullanılarak sürekli veri kaydı yapısı tasarlanmıştır. Sistemde toplanan veriler ile veri odaklı hata teşhis modeli bu veriler üzerinde test edilmiştir. Ayrıca bu tez kapsamında, düşük bütçeli mini bilgisayar ve sensör teknolojileri ile işletme içinde kestirimci bakım uygulamalarının yapılabilirliği araştırılmıştır. Bindirme hatası CNC makinelerinde yüksek onarım maliyetleri ve uzun arıza sürelerine yol açmaktadır. Bu çalışmada toplanan veriler ile bindirme hatasının teşhisi ve sınıflandırılması da yapılmıştır.

| Ege Üniversitesi | Kütüphane | Açık Erişim Politikası | Rehber | OAI-PMH |

Bu site Creative Commons Alıntı-Gayri Ticari-Türetilemez 4.0 Uluslararası Lisansı ile korunmaktadır.


Ege Üniversitesi Rektörlüğü Gençlik Caddesi No : 12 35040 Bornova - İZMİR, TÜRKİYE
İçerikte herhangi bir hata görürseniz lütfen bize bildirin

DSpace 7.6.1, Powered by İdeal DSpace

DSpace yazılımı telif hakkı © 2002-2025 LYRASIS

  • Çerez Ayarları
  • Gizlilik Politikası
  • Son Kullanıcı Sözleşmesi
  • Geri Bildirim