Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama

CALAYIR, Gözde Nur; Kabak, Mehmet

Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama

Gözde Nur CALAYIR, (Gazi Üniversitesi, Endüstri Mühendisliği Bölümü, Ankara, Türkiye)

Mehmet KABAK (Gazi Üniversitesi, Endüstri Mühendisliği Bölümü, Ankara, Türkiye)

Journal of the Turkish Operations Management (JTOM)

10 2

Yıl: 2021 Cilt: 5 Sayı: 1 Sayfa Aralığı: 662 - 675 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama

Öz:

Bakım, her üretim kuruluşunda olması gerekli bir faaliyet olarak kabul edilirken, günümüzde ise ilave olarak şirketin gelir ve giderlerini etkileyenkritik bir işletme fonksiyonu olarak tanımlanmaktadır. Makine öğrenmesi kavramı, makinelerin karşılaştıkları durumlar karşısında kendini eğiterekdaha iyi kararlar verebilmesini sağlayan algoritmaların geliştirilmesi olgusudur. 1950 yıllarından itibaren bakım planlaması tahminlemeçalışmasında makine öğrenmesi teknikleri kullanılmaktadır. Savunma sanayi firmasında yapılan bu çalışmada makinelerin aniden ve plansızyapılan bakımlardan kaynaklı maliyeti yüksek olan parçaların hurda olması ve sevkiyatlarda meydana gelen gecikmelerden dolayı firmanınmüşterilere yüksek miktarda ceza ödemesi problemi ele alınmıştır. Bu çalışmadaki amaç gelişen bilim ve teknoloji kullanılarak, yapılacak olanbakım planlamalarını, arızaları önceden tahmin etmek, üretimde durmayı, maliyet kaybını en aza indirgemek veya tamamen engelleyebilmektir.Makine Öğrenmesi tekniklerinden denetimli öğrenme tekniği savunma sanayi firmasındaki en kritik kimyasal boya makinesinde uygulanarakbakım planlaması tahmini çalışması yapılmıştır.

Anahtar Kelime: Kestirimci bakım Makine öğrenmesi Bakım planlaması

Analysis of machine learning techniques for maintenance and an application

Öz:

While maintenance is considered a necessary activity in every production establishment, it is defined as a critical business function thataffects the income and expenses of the company today. The concept of machine learning is the phenomenon of developing algorithms that enablemachines to make better decisions by educating themselves in the face of the situations they encounter. Machine learning techniques have been usedin maintenance planning estimation studies since the 1950s. In this study conducted by a defense industry firm, the problem of the fact thatthe parts with high costs due to sudden and unplanned maintenance of the machines are scrap and the company pays a high amount of fines tocustomers due to delays in shipments. The purpose of this study is to predict the maintenance planning and malfunctions to be made by usingdeveloping science and technology, to minimize the cost loss and completely prevent stopping in production, in addition, the supervisedlearning technique, one of the Machine Learning techniques, was applied in the most critical chemical paint machine in the defense industrycompany, and maintenance planning was estimated.

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

Aggarwal, R. K., Xuan, Q. Y., Dunn, R. W., Johns, A. T. ve Bennett, A. (1999). A novel fault classification technique for double-circuit lines based on a combined unsupervised/supervised neural network, IEEE transactions on Power Delivery, 1250-1256. Doi: https://doi.org/10.1109/61.796214
Albayrak, A.S., Yılmaz, Ö. (2019). Veri madenciliği: Karar ağacı algoritmaları ve İMKB verileri üzerine bir uygulama. “Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi.”Doi: https://doi.org/10.31590/ejosat.843837
Ayhan, S., Erdoğmuş, Ş. (2014). Destek vektör makineleriyle sınıflandırma problemlerinin çözümü için çekirdek fonksiyonu seçimi. “Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi.” Erişim adresi: http://www.itobiad.com/tr/pub/issue/54141/673015
Baraçlı, H., Coşkun, S., Eser, A. (2001). Toplam kalite programlarının başarılı olarak uygulanabilmesinde toplam üretken bakım tekniği, I. Demir-Çelik Sempozyumu, 340-341, Zonguldak. Erişim adresi: https://www.mmo.org.tr/kitaplar/idemir-celik-sempozyumu-bildiriler-kitabi-1
Cassady, C.R., Pohl, E.A., Murdock W.P. (2001). Selective Maintenance Modeling for Industrial Systems, Journal of Quality in Maintenance Engineering, 7, 104-117. Doi: https://doi.org/10.1108/13552510110397412
Ekici, S. (2012). Support Vector Machines for classification and locating faults on transmission lines, Applied Soft Computing, 1650-1658. Doi: https://doi.org/10.1016/j.asoc.2012.02.011
Freedman, D. A. (2009). Statistical Models, Cambridge University Press. Doi: https://doi.org/10.1017/CBO9781139165495
Garcia, M. A., Sanz-Bobi, Pico, J. (2006). SIMAP: Intelligent System for Predictive Maintenance. “Application to the health condition monitoring of a wind turbine gearbox”, Comput. Ind., 57, 552–568. Doi: https://doi.org/10.3390/pr9020300
Gök, M., Atuntaş, V. (2017). “Regresyon Analizi”, (Ed. Akçetin E, Çelik, U, Gök, M.) “Rapidminer ile Veri Madenciliği”, 85-86, Ankara. Erişim adresi: https://dergipark.org.tr/tr/pub/gujsc/issue/31140/311082
Hashemian, H., Bean, W. C. (2011). “State-of-the-art predictive maintenance techniques,” IEEE Trans. Instrum. Meas., 60, 3480–3492. Doi: https://doi.org/ 10.1109/TIM.2009.2036347
Jahnke, P. (2015). Machine Learning Approaches for Failure Type Detection and Predictive Maintenance, 83. Erişim adresi: https://www.ke.tu-darmstadt.de/lehre/arbeiten/master/2015/Jahnke_Patrick.pdf
Kenne, J.P., Nkeungoue, L.J. (2007). Simultaneous control of production, preventive and corrective maintenance rates of a failure-prone manufacturing system, Applied Numerical Mathematics. Doi: https://doi.org/10.1016/j.apnum.2006.11.010
Konar, P., Chattopadhyay, P. (2011). “Bearing fault detection of induction motor using wavelet and Support Vector Machines (SVMs),” Appl. Soft Comput. J., 11, 4203–4211. Doi: https://doi.org/10.1016/j.asoc.2011.03.014
Kutner, M. H., Nachtsheim, C. J., Neter, J., Li, W. (2015). “Applied Linear Statistical Models”, Cilt 103. McGraw-Hill Irwin, New York. Erişim adresi: https://docplayer.biz.tr/140769174-Fen-bilimleri-dergisi-makineogrenmesi-yontemleri-ile-akademik-basarinin-tahmin-edilmesi.html
Lyonnet, P. (1991). Maintenance Planning: Methods and Mathematics, Chapman&Hall. Doi: https://doi.org/10.1002/qre.4680090514
Nils J. Nilsson, (1996). Introduction to Machine Learning: An Early Draft of a Proposed Textbook, Stanford University. Erişim adresi: https://ai.stanford.edu/~nilsson/MLBOOK.pdf
Nitze, I., Schulthess, U., Asche, H. (2012). Comparison of machine learning algorithms random forest, artificial neural network and support vector machine to maximum likelihood for supervised crop type classification. Proceedings of the 4th. GEOBIA, 35-40. Doi: https://doi.org/10.5194/isprs-archives-XLII-3-W6-573-2019
Nourmohammadzadeh, A., Hartmann, S. (2015). Fault Classification of a Centrifugal Pump in Normal and Noisy Environment with Artificial Neural Network and Support Vector Machine Enhanced by a Genetic Algorithm in Theory and Practice of Natural Computing. Lecture Notes in Computer Science. Doi: https://doi.org/10.1016/j.eswa.2009.06.018
Osowski, S., Siwekand, K., Markiewicz, T. (2004). MLP and SVM Networks – a Comparative Study Proceedings of the 6th Nordic Signal Processing Symposium – NORSIG. https://doi.org/10.1109/NORSIG.2004.250120
Öztanır, O. (2018). “Makine öğrenmesi kullanılarak kestirimci bakım”, (Yüksek lisans tezi), https://openaccess.hacettepe.edu.tr.
Rohani, A., Abbaspour-Fard, M., Abdolahpour, S. (2011). Prediction of tractor repair and maintenance costs using Artificial Neural Network, Expert Syst. Appl., 38, 8999–9007. Doi: https://doi.org/10.1016/j.eswa.2011.01.118
Sarac, A., Batta, R. ve Rump, C. M. (2006). A Branch-and-Price Approach for Operational Aircraft Maintenance Routing. Europen Journal of Operational Research.
Sebastiani, F. (2002). Machine learning in automated text categorization, ACM computing surveys (CSUR), 34, 1-47. Doi: https://doi.org/10.1145/505282.505283
Soman, K.P., Loganathan, R., Ajay, V. (2011). Machine learning with SVM and other kernel methods. PHI Learning. Erişim adresi:https://content.kopykitab.com/ebooks/2018/03/16708/sample/sample_16708.pdf
Sriram, C. ve Haghani, A. (2003). An Optimization Model for Aircraft Maintenance Scheduling and Reassignment. Transportation Research. Doi: https://doi.org/10.1016/S0965-8564(02)00004-6
Tamilselvan, P., Wang, P. (2013). Failure diagnosis using deep belief learning based health state classification, Reliab. Eng. Syst. Saf., 115, 124–135. Doi: https://doi.org/10.1016/j.ress.2013.02.022
Tsang A.H.C. (2002). Strategic Dimensions of Maintenance Management, Journal of Quality in Maintenance Engineering, 8, 7-39. Doi: https://doi.org/0.1108/13552510210420577
Vapnik, V. (2000). The Nature of Statistical Learning Theory, Second Ed., 1, New York. Doi: http://dx.doi.org/10.1007/978-1-4757-3264-1
Worsham, C.W. (2004). “Önleyici bakım gerekli midir?”, Mühendis ve Makine Dergisi, 45, Sayı 538, 21- 23.Erişim adresi: https://polen.itu.edu.tr/bitstream/11527/5895/1/9192.pdf
Zhou, X., Xi, L., Lee, J. (2007). Reliability centered predictive maintenance scheduling for a continuously monitored system subject to degradation, Reliability Engineering & System Safety, 92, 530-534. doi: 10.1016/j.ress.2006.01.06

APA	CALAYIR G, Kabak M (2021). Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. , 662 - 675.
Chicago	CALAYIR Gözde Nur,Kabak Mehmet Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. (2021): 662 - 675.
MLA	CALAYIR Gözde Nur,Kabak Mehmet Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. , 2021, ss.662 - 675.
AMA	CALAYIR G,Kabak M Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. . 2021; 662 - 675.
Vancouver	CALAYIR G,Kabak M Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. . 2021; 662 - 675.
IEEE	CALAYIR G,Kabak M "Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama." , ss.662 - 675, 2021.
ISNAD	CALAYIR, Gözde Nur - Kabak, Mehmet. "Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama". (2021), 662-675.

APA	CALAYIR G, Kabak M (2021). Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. Journal of the Turkish Operations Management (JTOM), 5(1), 662 - 675.
Chicago	CALAYIR Gözde Nur,Kabak Mehmet Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. Journal of the Turkish Operations Management (JTOM) 5, no.1 (2021): 662 - 675.
MLA	CALAYIR Gözde Nur,Kabak Mehmet Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. Journal of the Turkish Operations Management (JTOM), vol.5, no.1, 2021, ss.662 - 675.
AMA	CALAYIR G,Kabak M Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. Journal of the Turkish Operations Management (JTOM). 2021; 5(1): 662 - 675.
Vancouver	CALAYIR G,Kabak M Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama. Journal of the Turkish Operations Management (JTOM). 2021; 5(1): 662 - 675.
IEEE	CALAYIR G,Kabak M "Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama." Journal of the Turkish Operations Management (JTOM), 5, ss.662 - 675, 2021.
ISNAD	CALAYIR, Gözde Nur - Kabak, Mehmet. "Bakım için makine öğrenme tekniklerinin analizi ve bir uygulama". Journal of the Turkish Operations Management (JTOM) 5/1 (2021), 662-675.