Yazar "İleri, Uğur" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim Yok
    Öğe
    Kestirimci bakım için makine öğrenmesi ve derin öğrenme yöntemleri uygulanarak hata tespiti ve sınıflandırılması
    (Düzce Üniversitesi, 2024) İleri, Uğur; Altun, Yusuf
    Kestirimci bakım, akıllı sensörler, veri analizi ve makine öğrenmesi algoritmaları ile potansiyel arızaları tahmin ederek makine ve ekipman bakım programlarını verimli bir şekilde yönetir. Hata sınıflandırması, bu arızaları "arıza" ya da "normal" varyasyonlar olarak sınıflandırır. Bu sayede, zamanında müdahale ve sorunsuz operasyonlar sağlanırken bakım planlaması ve operasyonel verimlilik artırılır. Bu tez çalışması iki ana bölümden oluşmaktadır. İlk bölüm, bir boyutlu (1D) kestirimci bakım veri seti kullanılarak yürütülen sınıflandırma çalışmalarını içermektedir. Sonraki bölüm ise orijinal veri setini iki boyutlu (2D) örüntü veri setine dönüştürme ve ardından ileri sınıflandırma analizlerine odaklanmaktadır. Tezin ilk kısmında, orijinal 1D veri setindeki hataları sınıflandırmak için uygulanan farklı metodolojiler tanıtılmaktadır. Karar ağacı, destek vektör makinaları, k-en yakın komşu gibi geleneksel makine öğrenmesi yöntemleri ve 1D-LeNet, 1D-AlexNet ve 1D-VGG16 gibi 1D derin öğrenme teknikleri ile gerçekleştirilen hata sınıflandırma çalışmalarının performans değerlendirmeleri sunulmuştur. Sonuçlara göre, 1D-LeNet sınıflandırıcı ve veri normalizasyonu ile en yüksek doğruluk ve F1-skor performansı elde edilmiştir. Tezin ikinci bölümünde, sekiz evrişimli sinir ağı (CNN) modeli (AlexNet, VGG16, MobileNetV2, VGG19, DarkNet19, DarkNet53, ResNet50 ve ResNet18) ve iki farklı sınıftan (makine arızası ve normal) oluşan 1D veri setinden elde edilen 2D örüntü verileri kullanılarak hata sınıflandırma çalışmaları yapılmıştır. Her bir CNN modelinden çıkarılan özniteliklerden oluşturulan birleştirilmiş öznitelikler üzerinde öznitelik seçim yöntemleri olarak karınca koloni algoritması (ACO), parçacık sürüsü optimizasyonu (PSO) ve gri kurt optimizasyonu (GWO) uygulanmış ve hata sınıflandırma performansları karşılaştırılmıştır. Destek vektör makinaları, k-en yakın komşu, karar ağacı ve naive bayes olmak üzere dört farklı sınıflandırıcı kullanılarak performans sonuçları hesaplanmıştır. Elde edilen deneysel sonuçlar dikkate alındığında destek vektör makinaları ve ACO temelli modelin kullanılmasının 2D örüntü verileri için en yüksek sınıflandırma performansını sağladığı görülmüştür.