Tam koşullu üretim benzetim modellemesi ile veri madenciliği teknikleri kullanılarak kestirimci bakım ve makine öğrenmesi analizleri Predictive maintenance and machine learning analysis using data mining techniques with full conditional production simulation modelling

ÖZETModern üretim sistemleri, sistem performansını izleyen ve operasyonlarındaki belirsizlikleri yönetmek için veri toplayan sensörler gibi akıllı cihazlarla kurulur. Ancak, bu sistem kurulumları yüksek maliyetli / yüksek riskli olduğundan, firma içi yatırım sorumluları karar vermekte zorlanmakta ve bazen de projelerin bir üst yönetime sunulması zaman zaman kriz olabilmektedir. Bu sebeple, üretim sistemlerinin tasarlanması ve “optimize edilmesi” için simülasyonun yaygın kullanımı devam etmektedir. Nitekim, simülasyonun imalat sistemlerine diğer uygulama alanlarına göre daha yaygın bir şekilde uygulandığı söylenebilir. Üretim simülasyonu çıktılarının anlamlandırılması, doğru yorumlanması için birçok veri analizi, veri madenciliği yöntemleri kullanılabilir. Verilerin benzer özelliklerinden faydalanılarak daha değerli bilgilere ulaşılabilinir. Böylelikle, kurulum maliyeti yüksek olan sistemlerin fizibilite çalışmalarında önemli bir ön fikir alınabilir.ABSTRACTModern production systems are installed with smart devices, such as sensors that monitor system performance and collect data to manage uncertainties in their operations. However, because these system installations are high-cost/high-risk, it is difficult to decide on-account investment principals, and sometimes it may be a crisis to submit projects to a higher management. For this reason, the widespread use of the simulation continues to be designed and optimised for production systems. Indeed, it can be said that the simulation is applied to the manufacturing systems more widely than other application areas.Many data analysis, data mining methods can be used to understand production simulation outputs, to interpret correctly. In this way, the feasibility studies of systems with high installation cost can be taken in an important preliminary idea.

Görüntülenme
6
24.10.2022 tarihinden bu yana
İndirme
1
24.10.2022 tarihinden bu yana
Son Erişim Tarihi
17 Ocak 2024 14:18
Google Kontrol
Tıklayınız
systems yüksek simulation production simülasyonun system yaygın üretim sistem sometimes principals investment crisis on-account operations decide manage devices sensors monitor performance collect uncertainties difficult projects However because installations high-cost/high-risk submit ÖZETModern higher feasibility understand outputs
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
Eser Adı
(dc.title)
Tam koşullu üretim benzetim modellemesi ile veri madenciliği teknikleri kullanılarak kestirimci bakım ve makine öğrenmesi analizleri Predictive maintenance and machine learning analysis using data mining techniques with full conditional production simulation modelling
Eser Sahibi
(dc.contributor.author)
Uğurlu, Ergin
Tez Danışmanı
(dc.contributor.advisor)
Ayşegül Alaybeyoğlu
Yayıncı
(dc.publisher)
Fen Bilimleri Enstitüsü
Tür
(dc.type)
Yüksek Lisans
Açıklama
(dc.description)
xii, 69 sayfa
Açıklama
(dc.description)
29 cm. 1 CD
Özet
(dc.description.abstract)
ÖZETModern üretim sistemleri, sistem performansını izleyen ve operasyonlarındaki belirsizlikleri yönetmek için veri toplayan sensörler gibi akıllı cihazlarla kurulur. Ancak, bu sistem kurulumları yüksek maliyetli / yüksek riskli olduğundan, firma içi yatırım sorumluları karar vermekte zorlanmakta ve bazen de projelerin bir üst yönetime sunulması zaman zaman kriz olabilmektedir. Bu sebeple, üretim sistemlerinin tasarlanması ve “optimize edilmesi” için simülasyonun yaygın kullanımı devam etmektedir. Nitekim, simülasyonun imalat sistemlerine diğer uygulama alanlarına göre daha yaygın bir şekilde uygulandığı söylenebilir. Üretim simülasyonu çıktılarının anlamlandırılması, doğru yorumlanması için birçok veri analizi, veri madenciliği yöntemleri kullanılabilir. Verilerin benzer özelliklerinden faydalanılarak daha değerli bilgilere ulaşılabilinir. Böylelikle, kurulum maliyeti yüksek olan sistemlerin fizibilite çalışmalarında önemli bir ön fikir alınabilir.ABSTRACTModern production systems are installed with smart devices, such as sensors that monitor system performance and collect data to manage uncertainties in their operations. However, because these system installations are high-cost/high-risk, it is difficult to decide on-account investment principals, and sometimes it may be a crisis to submit projects to a higher management. For this reason, the widespread use of the simulation continues to be designed and optimised for production systems. Indeed, it can be said that the simulation is applied to the manufacturing systems more widely than other application areas.Many data analysis, data mining methods can be used to understand production simulation outputs, to interpret correctly. In this way, the feasibility studies of systems with high installation cost can be taken in an important preliminary idea.
Kayıt Giriş Tarihi
(dc.date.accessioned)
31.10.2022
Açık Erişim Tarihi
(dc.date.available)
2022-10-31
Yayın Tarihi
(dc.date.issued)
2019
Yayın Dili
(dc.language.iso)
tr
Konu Başlıkları
(dc.subject)
Fen bilimleri
Konu Başlıkları
(dc.subject)
Veri madenciliği
Konu Başlıkları
(dc.subject)
Makine öğrenimi
Tek Biçim Adres
(dc.identifier.uri)
https://hdl.handle.net/11469/2616
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve çerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms