Otomotiv endüstrisinde kestirimci bakım sistemlerinin makine öğrenmesi yöntemleri ile bakım yönetim sistemine uygulanması

Üretim sistemlerinin verimliliği ve sürdürülebilir üretim açısından bakım yaklaşımları kritik bir rol oynamaktadır. Üretim hacmi ve kalitesi kadar, ekipmanların etkinliği de sürdürülebilir üretim için önemli bir performans göstergesidir. Bakım yaklaşımları geleneksel olarak uygulandığında belirli sınırlamalarla karşı karşıya kalmış olsa da günümüz endüstriyel teknolojileri, özellikle Endüstri 4.0'ın etkisi altında, makinelerden belirli standartlarla gerçek zamanlı veriler toplamamıza ve böylece bakım etkinliğinin artmasına izin verir. Toplanan verileri kullanarak makine öğrenimi (Machine Learning) ile bakım süreçlerini optimize etmemize imkân tanır. Bu sayede, kestirimci bakım anlayışıyla üretim sürecindeki muhtemel arızalar önceden tahmin edilebilir ve bu tür sorunlar yaşanmadan önce önlenir. Planlı bakım programlarının, makine öğrenmesi araçlarıyla tahminlemeye dayalı ihtiyaca göre tekrar planlanabilmesi, bakım etkinliğini artırabilir ve dolayısıyla üretim verimliliğini artırabilir. Bu çalışmada, bir otomotiv fabrikasındaki arızalar, duruş süreleri ve ekipmanların etkinlik oranı incelenerek pareto analizi ile ilgili ekipman grupları ve hedef arızalar seçilmiştir. Çeşitli veri kaynakları toplanarak kategorize edilmiş ve algoritma verisi olarak kullanılabilir hale getirilmiştir. Algoritmaların oluşturulması ve sebep-sonuç ilişkisinin kurulmasında, tahminlemenin bakım yönetim sistemine değerlendirilerek aktarılmasında yapay zekâ ve makine öğrenmesi araçlarından faydalanılmıştır. Recurrent Neural Network (RNN) makine öğrenme metodları kullanılarak kestirimci bakım tahminleri %81,7 başarı oranıyla gerçekleştirilmiştir. Anahtar Kelimeler: Endüstri 4.0, Makine öğrenimi, Kestirimci bakım