Turbo fan motorların kalan faydalı ömür tahminlemesi için makine öğrenmesi temelli sistematik bir yaklaşım
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: MAHMUT SAMİ ŞAŞMAZTÜRK
Danışman: SELDA KAPAN ULUSOY, METE ÇELİK
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Hem üretim hem de hizmet endüstrilerinde, mühendislik sistemlerinin prognostiği ve sağlık yönetimi (PHM) güvenli, güvenilir ve uygun maliyetli çalışma için çok önemlidir. PHM'nin en önemli bileşeni kalan faydalı ömür (RUL) tahminidir. Turbo fan motorlar, ticari uçaklarda kullanılan karmaşık yapıdaki güç üniteleridir. Turbo fan motorların çalışırken arızalanması ciddi maddi kayıplara ve hatta can kayıplarına yol açabilir. Bu nedenle turbo fan motorların kalan faydalı ömrünün belirlenmesi PHM için gereklidir. Uçuş sırasında bir turbo fan motorun durumu çok sayıda sensör ile izlenmektedir. Sensörler motordan ölçtükleri değerler ile veri setleri oluştururlar. Bu veri setleri makine öğrenmesi modelleri ile analiz edilerek RUL tahmini yapılır. Ancak RUL ve sensörler arasındaki karmaşık ve dinamik ilişki tahminleme yapılmasını zorlaştırmaktadır. Bu tez çalışmasında, turbo fan motorlarının RUL tahminlemesi için veri odaklı yeni bir tahminleme metodolojisi geliştirilmiştir. Önerilen yaklaşım bu dinamik ilişkinin başarılı bir şekilde ifade edilmesini sağlamaktadır. Turbo fan motor ünitelerinin RUL tahminlemesine yönelik geliştirilen sistem bazlı hibrit kalan faydalı ömür (SBHRUL) tahminleme yaklaşımında, veri seti uygun sayıdaki kümelere ayrılır ve veri setlerine regresyon modelleri eğitilir. Kümelere uygun regresyon modelleri performans göstergeleri bakımından eşleştirilerek tüm veri setinin RUL tahmini için hibrit model elde edilmektedir. Önerilen yaklaşım literatüre RUL tahmininin farklı aşamalarında katkılar içermektedir. Bu çalışmanın katkıları veri ön işlem, veri seti analizi ve regresyon modelleri aşamalarında yer almaktadır. SBHRUL tahminleme metodolojisinin gerçek RUL değerlerinin eğilimini başarıyla yakalayabildiği gösterilmiştir. Önerilen yaklaşımın etkinliği NASA tarafından sunulan C-MAPSS turbo fan motoru veri seti üzerinde doğrulanmıştır. Anahtar Kelimeler: Makine öğrenmesi, Turbo fan motoru, Kalan faydalı ömür, PHM, NARX.