Yüksek Lisans Adayı: Rabia Nur Gevrek

EABD: Veri Bilişimi

Tarih: 25.08.2025 / 15:30

Yer: A-212

Özet: Bu tez, karmaşık makineler için değişen tahmin ufukları altında kestirimci bakım stratejilerinin kullanımını incelemektedir. Pratik uygulamalarda, arıza zamanının kesin tahmin edilmesinden ziyade, bakıma en uygun zamanın belirlenmesi genellikle daha önemlidir. Kalan Faydalı Ömür’ün (RUL) doğru tahminine odaklanmak yerine, bakım ve arıza maliyetlerini dikkate alarak kuruluşların optimal bakım kararları almasını sağlayan bir model önerilmektedir. Bu araştırmada, çok kısa (ör. sonraki döngü) tahmin ufuklarından çok daha uzun periyotlara (ör. sonraki 50 döngü) kadar farklı tahmin ufukları incelenmiş ve her birinin ekonomik etkisi değerlendirilmiştir. Bunu yapmak için, LSTM tabanlı modeller C-MAPSS turbofan motor veri seti üzerinde eğitilerek farklı ufuklar için arıza tahminleri yapılmıştır. Geleneksel RMSE ya da doğruluk gibi ölçütler yerine, planlı bakım maliyetlerini ve beklenmeyen arıza maliyetlerinin yüksek bedelini dikkate alan maliyet tabanlı bir değerlendirme kullanılmıştır. Önerilen bakım stratejisi, zaman içerisinde tekrarlayan arıza uyarılarını dikkate almakta ve hedefe yönelik müdahaleler için arızaya neden olabilecek sensörleri belirlemek üzere SHAP (SHapley Katkı Açıklamaları) gibi Açıklanabilir Yapay Zeka (XAI) tekniklerini kullanmaktadır. Genel olarak bu tez, uygun tahmin ufku seçiminin ve maliyet odaklı bakım politikalarının entegrasyonunun kestirimci bakım kararlarını önemli ölçüde iyileştirebileceğini göstererek literatüre katkı sağlamaktadır. Bulgular, kestirimci bakımı daha verimli ve ekonomik açıdan etkili hâle getirmek için pratik bir yaklaşım sunmaktadır.