Endüstriyel otomasyon sistemlerinde yapay zeka yöntemleri ile arıza tespiti

Abstract

Bu tezde; gerçek üretim hatlarından toplanan veri kümelerinin, yapay zeka yöntemleri ile değerlendirilerek otomasyon sistemlerindeki arızaların tespiti üzerine çalışılmıştır. Üretim hatlarından toplanan bu veri kümeleri; Endüstri 4.0 ile birlikte hayatımıza giren `Internet of Things` ve `Big Data` kavramları doğrultusunda elde edilmiş gerçek verilerdir. Elde edilen bu veriler bir yapay sinir ağı algoritması olan perceptron, Rastgele Orman (Random Forest) algoritması ve Gradient Boosting (GBM) algoritmaları kullanılarak işlenmiş ve sistem arızaları sınıflandırılmıştır. Kullanılan yapay zeka yöntemlerinin performansları analiz edilerek seçilen örnek modele en uygun sınıflandırma yöntemi belirlenmiştir. Bu tez çalışması ile yapay zeka yöntemlerinin endüstriyel otomasyon sistemlerinde oluşan arızaların tespitinde başarılı bir şekilde kullanılabileceği gösterilmiştir.

In this thesis; the data sets collected from real production lines are evaluated by using artificial intelligence methods to determine the faults in automation systems.These real datasets collected from production lines are obtained in line with the concepts of `Internet of Things` and `Big Data` which entered our lives with Industry 4.0. These data processed by using Perceptron algorithm (which is an algorithm of Artificial Neural Network), Random Forest algorithm and Gradient Boosting (GBM) algorithms and then the system failures are classified. By analyzing the performances of the artificial intelligence methods, the most appropriate classification method is determined for the selected model. The results of this thesis show that artificial intelligence methods can be used successfully in fault detection for industrial automation systems.