Bir tekstil fabrikasının elektrik tüketim değerlerinin derin öğrenme ile tahminlenmesi

Endüstriyel süreçlerin devamlılığını sağlayan en önemli kaynaklardan biri elektrik enerjisidir. Elektrik enerjisinin oldukça maliyetli bir kaynak olması nedeniyle tüketiminin en aza indirilmesi işletmeler için önemli bir husustur. İşletmelerin üretim süreçlerinde tüketilen kaynak değerlerinin tahmin edilebilmesi ile maliyetlerin azaltılması sağlanabilmektedir. Son dönemlerde, Makine Öğrenmesi ve Derin Öğrenme kavramları, herhangi bir alanda gelecek tahmini için kullanılan güçlü Yapay Zekâ alt alanlarıdır. Bu nedenle bu tez çalışmasında, tekstil endüstrisi makinelerinin bekleme durumunda aşırı kaynak tüketimini önlemek amacıyla Derin Öğrenme destekli bir elektrik tahmin modeli tasarlanmıştır. Bu yöntem, Uzun-Kısa Süreli Bellek (LSTM) ve kayan pencere tekniği sayesinde tekstil makinelerindeki elektrik tüketiminin dinamik eşik değerlerini tahminlemektedir. LSTM modeli kullanılarak elde edilen elektrik eşik değerleri, Tekrarlayan Sinir Ağları (RNN) ve Kapılı Tekrarlayan Birimler (GRU) gibi diğer Derin Öğrenme yöntemlerinin yanı sıra geleneksel bir yöntem olan Otomatik Regresif Entegre Hareketli Ortalama (ARIMA) ile karşılaştırılmış, elde edilen sonuçların gerçek zamanlı elektrik tüketim verilerine ne kadar yaklaştığı analiz edilmiştir. Bu tez çalışmasında geliştirilen model, elektrik tüketim seviyelerini başarılı bir şekilde tahmin etmekte, tüketim seviyeleri eşiğe ulaştığında Programlanabilir Mantık Denetleyicisi (PLC) ünitesine durma sinyali göndermekte ve bu sayede aşırı kaynak tüketimini engellemektedir.