Makine öğrenmesi yöntemleri kullanılarak diyarbakır içme suyu şebekesindeki yatay milli su pompası sesinden arıza tahmini

Makineler, mekanik bileşenlerinin doğrusal veya döner hareketinin bir sonucu olarak gürültü üretir. Çalışma sırasında, ses, makineyi oluşturan bileşenlerin eksenel yanlış hizalanması, aşırı gerilmesi ve aşınması sonucu değişir. Sınıflandırma modellerini eğitmek için doğrudan seslerden elde edilen dizileri veya görüntüleri kullanmanın yanı sıra, zaman ve frekans değerlerinden özellikler çıkarılarak modeller için çoklu diziler oluşturulur. Bu çalışmada, CNN (Convolutional Neural Network) gibi derin öğrenme modellerinde kullanılacak verileri oluşturmak üzere her ses için MFCC'lerden (Mel-Frequency Cepstral Coefficients) oluşan 15 adet 1D (tek boyutlu) dizi ve 15 adet 2D (iki boyutlu) görüntü kullanılmıştır. Makine öğrenmesi modellerinde ise her sesten Genlik-zaman, Mel-spektrogram, MFCC'ler, ZCR'ler (Sıfır Geçiş Oranları) ve RMS (Ortalama Enerji Karekökü) özelliklerinden 18 özellik çıkarılarak bir veri kümesi oluşturulmuştur. Makine öğrenme modellerinde SVM (Destek Vektör Makinesi), KNN (K-En Yakın Komşular) ve Ensemble Öğrenme modelleri kullanılmıştır. Ensemble öğrenme modeli SVM, KNN ve RF (Random Forest) modellerini birleştirmektedir. Pompa fanı için en yüksek doğruluk oranı %98,83 ile topluluk modelinde, en düşük doğruluk oranı ise %63,38 ile DVM modelinde, pompa ön yatağı için en yüksek doğruluk oranı %99,68 ile topluluk modelinde, en düşük doğruluk oranı ise %84,08 ile DVM modelinde elde edilmiştir. Buna ek olarak, pompa arka yatağı için en yüksek doğruluk topluluk modelinde %99,66 ve en düşük doğruluk DVM modelinde %89,53'tür ve pompa motoru fanı ve yatağı için en yüksek doğruluk KNN modelinde %98,19 ve en düşük doğruluk DVM modelinde %75,60'tır. Tüm sistem için en yüksek doğruluk topluluk modelinde %93,57 ve en düşük doğruluk DVM modelinde %65,11 olarak hesaplanmıştır. Bu sonuçlar, bir santrifüj pompanın erken arıza teşhisinin sağlanabileceğini ve arızaların önlenebileceğini göstermektedir. Çalışma sırasında bozulan veya arızalanan makinelerin neden olduğu arızaları önlemek için erken arıza teşhisi ve kestirimci bakım planlamasının uygulanması önemli bir ekonomik ve enerji tasarrufu sağlamaktadır.