Motor arızalarının tespiti için derin öğrenme tabanlı bir girişimsel olmayan mobil platform uygulaması

Elektrik motor arızaları, performans kaybına ve endüstriyel süreçlerin aksamasına yol açarak hem işletme verimliliğini düşürmekte hem de bakım maliyetlerini artırmaktadır. Bu arızalar genellikle pahalı ve zaman alıcı olabilen bakım veya onarım çalışmaları gerektirir. Bu nedenle arıza ve arıza riskinin en aza indirilmesi ve motorların güvenilir ve verimli çalışmasının sağlanması üretim sektörü için son derece önemlidir. Bu tez çalışmasında, motor düzeneği içerisine veya üzerine herhangi bir sensör bağlantısı gerektirmeden motor arıza sınıflandırmasını derin öğrenme tabanlı gerçekleştiren bir arıza tespit sistemi önerilmişir. Özellikle endüstride en çok kullanılan motorlardan asenkron motorun elektriksel ve mekaniksel arızalarına odaklanılmıştır. Akıllı telefonların sahip olduğu üç eksenli ivmeölçer sensörünü kullanarak titreşim verileri alabilen bir mobil uygulama Flutter kullanılarak gerçekleştirilmiştir. Arıza tespiti yapılması istenen elektrik motorunun üzerine uygulamanın yüklü olduğu akıllı telefon yerleştirilerek üç eksende (x, y, z) alınan titreşim verileri ile derin modeller eğitilmiştir. Ardından test verileri ile elektrik motoru arıza durumu ve sınıfı tespit edilmiştir. Akıllı telefonların sahip olduğu ivmeölçer sensörlerinin elektrik motoru arıza tespitindeki yeterliliğini test etmek amacıyla farklı durum ve senaryolar oluşturulmuştur. Yüklü ve yüksüz durumda farklı motor çalışma hızları altında alınan titreşim verileri ile yapılan arıza sınıflandırmasında %90'ın üzerinde doğruluk oranları elde edilmiştir. Çalışmanın en önemli özgün değeri, herhangi bir motor iç veya dış bağlantısına gerek duymadan ve minimum donanım kaynaklarını kullanarak elektrik motor arıza sınıflandırılmasını sağlayacak bir uygulamanın gerçekleştirilmiş olmasıdır. Mobil uygulama ile yapay zeka destekli elektrik motoru arıza tespiti yapan sistem, hem derin öğrenme mimarilerini kullanması hem de herhangi bir ek sensör bağlantısı gerektirmemesi açısından uzman bilgisine olan ihtiyacı minimuma indiren, hızlı ve maliyetsiz bir yaklaşımdır.