Geri Dön

Mekanik arızaların veri madenciliği Apriori algoritması ile analiz edilmesi

Analysis of mechanical breakdowns with Apriori algorithm in data mining

PDF İndir

  1. Tez No: 598685
  2. Yazar: BETİM ÇELİK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YILDIZ ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Çağımızın gelişen teknolojisi büyük miktarlarda verinin depolanabilmesine olanak tanımaktadır. Veri tabanlarında depolanan bu veriler ham halleriyle anlam taşımazlar. Büyük miktarlardaki ham veriyi bilgiye veya anlamlı hale dönüştürme işlemleri veri madenciliği ile yapılabilmektedir. Veri madenciliği, bir veri yığını içerisinde daha önce ortaya çıkarılmayan gözlenebilir veya ölçülebilir bilgilerin keşfedilmesini amaçlayan teknikler bütününü ifade etmektedir. Veri madenciliği işlemleri için geliştirilen çok sayıda algoritma ve yöntem bulunmaktadır. En bilinen ve uygulamalarda sıklıkla tercih edilen algoritma Apriori algoritmasıdır. Apriori algoritması, veri yığını içerisinde sık geçen ve birlikte bulunan ögelerin keşfedilmesini amaçlar. Birlikteliklerin bulunması için veri tabanı birçok kez taranır. Taramalar yapılırken Apriori algoritması özellikleri kullanılarak sık geçen öge kümeleri tespit edilir. Bu çalışmada, bir üretim tesisine ait veri tabanından elde edilen veriler içerisinden anlamlı bilgi çıkarılmaya çalışılmıştır. Veri madenciliğine ait temel kavramlar açıklanmış, özellikle Apriori algoritması ile birliktelik kurallarının elde edilmesi üzerinde durulmuştur. Apriori algoritması, sıklıkla kullanıldığı market sepet analizinden farklı olarak mekanik arıza kaynaklı duruş verilerine uygulanmıştır. Firmanın arızaların ortaya çıkardığı üretim kaybı, arıza tespit ve müdahale maliyetleri ve ürün kalitesinin düşmesinden kaynaklı maliyetlerin azaltılmasında kullanabileceği birliktelik kuralları ortaya çıkarılmıştır. Algoritma, iki farklı veri seti üzerinde farklı güven ve destek değerleri kullanılarak birçok kez çalıştırılmıştır. Sonrasında çıkarılan birliktelik kuralları değerlendirilmiş, karşılaştırılarak yorumlanmış ve gelecek çalışmalar için öneriler sunulmuştur.

Özet (Çeviri)

Constantly developing technology makes it possible to store large amounts of data. The data stored in databases are not meaningful in their raw state. Extracting information from large amounts of raw data is done via data mining. Data mining is a set of methods aimed to explore the observable and quantifiable information hidden in a data stack. There are lots of algorithms and methods developed to be used in data mining. Apriori is the most common and widely used method in applications. Apriori aims to discover frequent and neighbouring data inside the stack. To find associations, database is scanned multiple times. During scanning frequent data clusters are detected by using Apriori features. This paper contains work on getting significant information from a data set which is obtained from a production facility. Fundamental concepts of data mining are explained while focusing on getting association rules via Apriori algorithm. The algorithm is used on stops caused by mechanical breakdowns dissimilarly to the Market Basket Analysis where Apriori is mostly used. Association rules which can be used to improve: production loss from breakdowns, breakdown detection and response costs, costs from product quality decrease; are found. Algorithm is run many times on two data sets using different confidence and support values. Later on, the obtained association rules are assessed, compared and explicated, suggestion are made for future research.

Benzer Tezler

  1. Tez No

    19371

    Effect of geotechnical properties on the cutting performance of full-face tunnel boring machine

    Başlık çevirisi yok

    MEHMET ÇIĞLA

    Yüksek Lisans

    İngilizce

    İngilizce

    1991

    Maden Mühendisliği ve Madencilikİstanbul Teknik Üniversitesi

    PROF.DR. NUH BİLGİN

  2. Tez No

    390668

    Rüzgâr santrallerindeki elektriksel ve mekanik arızaların temel bileşenler analizi ve destek vektör makinaları yöntemleriyle sınıflandırılması

    Classification of electrical and mechanical faults in wind plants with principal component analysis and support vector machines methods

    SEÇİL VARBAK NEŞE

    Doktora

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik Eğitimi Ana Bilim Dalı

    PROF. DR. OSMAN KILIÇ

  3. Tez No

    683055

    Data-driven condition monitoring and fault diagnosis of VFD-FED induction motors

    Değişken frekanslı sürücü ile beslenen asenkron motorlarda veri odaklı durum izleme ve arıza tanılama

    ALPER SENEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞENİZ ERTUĞRUL

  4. Tez No

    274894

    Olasılık sinir ağı kullanarak alternatör arızalarının tespiti

    Fault diagnosis of alternators using probabilistic neural network

    EMEL KOÇAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Elektronik ve Bilgisayar Eğitimi Ana Bilim Dalı

    DOÇ. DR. RAİF BAYIR

  5. Tez No

    413432

    Konik dişlilerde Yapay Sinir Ağı yöntemiyle arıza teşhisi

    Fault diagnosis on bevel gears with Artificial Neural Networks

    CEMAL KELEŞOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Mekatronik MühendisliğiMarmara Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. HALUK KÜÇÜK

    DOÇ. DR. MUSTAFA DEMETGÜL

Geri Dön