Derin Öğrenme Modelleri Kullanarak Endüstriyel Makinelerin Kalan Kullanım Ömrü Tahmini

Authors : Mustafa Ozan Özkök, Rüştü Akay

Pages : 955-967

Doi:10.29109/gujsc.1598534

View : 60 | Download : 77

Publication Date : 2025-09-30

Article Type : Research Paper

Abstract :Bu çalışmada, endüstriyel makinelerde arıza tahmini için derin öğrenme tekniklerinin etkinliği araştırılmıştır. Araştırmada, olası makine arızalarını önceden tahmin etmek amacıyla sensör verileri üzerinde CNN, LSTM ve BiLSTM gibi farklı derin öğrenme mimarileri kullanılarak kombinasyonel modeller oluşturulmuştur. Farklı derin öğrenme mimarilerinin katman sayıları ve performansları ayrıntılı olarak incelenmiş, özellikle BiLSTM ve LSTM mimarilerinin zaman serisi veri analizi konusunda başarılı olduğu bulunmuştur. Sonuçlar, CNN-3BiLSTM yönteminin geleneksel ve makine öğrenimi yaklaşımlarına kıyasla daha düşük hata oranları ile başarılı sonuçlar verdiğini göstermiştir. Literatürdeki benzer çalışmalarla karşılaştırıldığında, önerilen yöntemin Çok Katmanlı Algılayıcı, Destek Vektör Regresyonu ve CNN gibi yöntemlere kıyasla önemli bir performans üstünlüğü sergilediği görülmüştür. Bu çalışma, derin öğrenme tabanlı arıza tahmin modellerinin endüstriyel makinelerde güvenliği artırma ve bakım maliyetlerini optimize etme konusundaki önemli potansiyelini ortaya koymaktadır.
Keywords : Kestirimci bakım, derin öğrenme, yapay zeka, endüstriyel makineler

ORIGINAL ARTICLE URL