Korelasyona dayalı aykırılık saptama ve kestirimci bakım

Üretim ekipmanları genellikle planlı bir bakım yaklaşımı olmadan kullanılmaktadır. Böyle bir strateji, beklenmeyen arızalar nedeniyle sıklıkla planlanmamış aksama sürelerine neden olur. Zamanlanmış bakım, beklenmeyen ekipman durmalarını önlemek için bileşenleri sık sık değiştirir, ancak makinenin çalışmaması ve bakım maliyeti ile ilişkili süreyi artırır. Endüstri 4.0 ve akıllı sistemlerin ortaya çıkması, aksama süresini azaltabilecek ve imalat ekipmanının kullanılabilirliğini (kullanım oranını) artırabilecek olan kestirimci bakım, ya da Kestirimci Bakım (Predictive Maintenance - PdM) stratejilerine artan ilgi gösterilmesine yol açmaktadır. Kestirimci Bakım (Predictive Maintenance - PdM) son yıllarda yaygın olarak kullanılmakta olan bir uygulamadır, veri analizi ile cihazlarda daha sorun oluşmadan önce, durumu izleyen ve arıza çıkarma ihtimallerini değerlendirip, önlem alan bir bakım metodudur. Arıza olasılığını azaltmak için normal çalışma sırasında ekipmanın performansını ve durumunu izler. Kestirimci bakım ayrıca, bileşenlerin kullanım ömrünü en üst düzeye çıkararak üretimde sürdürülebilir uygulamaları geliştirme potansiyeline sahiptir. Üretim, altyapı, sağlık ve enerji gibi çeşitli endüstrilerde verimliliği artırmak ve işletme maliyetlerinden tasarruf sağlayabilmek için kullanılmaktadır. Bu tez çalışmasında sık kullanılan regresyon metotları yerine yapay sinir ağları kullanılarak sonuçlar gözlemlenmiş ve bunların diğer regresyon modelleri ile performans açısından karşılaştırılması gösterilmeye çalışılmıştır.