Uçak bakım periyotları ve arıza sayılarının yapay zeka teknikleri kullanılarak tahmini

Havacılık endüstrisi çok fazla verinin ve bilginin biriktiği bir alandır. Bu alanda bakım planları, arıza bildirimleri, tamir siparişleri, ekipman sökme/takma kayıtları, uçuş saatleri, sorti sayısı, faal/gayrı faal durumları gibi bir çok veri saklanmaktadır. Bu verilerin analiz edilmesi, yanlış arıza sinyali ve yanlış bildirim ile gelen durumların ayırt edilmesi ve gerçek arızaların tespit edilmesi gerekmektedir. Ayrıca anlamlı verilerin çıkarılmasına, gereksiz verilerin ve özelliklerin de elenmesine ihtiyaç vardır. Kaynak yönetim sisteminde bu amaç için programlar yazarak, öncelikle seçilen uçak sistemine ait ekipmanların MTBF ve NFF değerleri hesaplanmış, malzemelerin üretici kataloğunda yazan bakım periyotları, hesaplanan MTBF değerleri ile karşılaştırılarak analiz edilmiştir. Ayrıca uçağın genel bakım periyotlarının ayarlanmasına yardımcı olmak amacıyla iki yıllık döneme ait elde edilen uçak faaliyet raporları üzerinden uçağın bir sonraki arızalanma günü yapay zekâ ve makine öğrenmesi metotlarıyla tahmin edilerek modelin başarısı ortaya konmuştur. Tez kapsamında uçak ekipmanlarının arıza sayısının tahminine yönelik olarak yapay zeka/makine öğrenmesi ve optimizasyon algoritmaları ile çalışmalar yürütülmüştür. Bu amaçla arıza sayısı tahmininin başarısını artırmak için iki aşamalı hibrit veri hazırlama modeli önerilmiştir. İlk aşamada, nitelik değerlendirerek en etkili ve en etkisiz parametreleri bulmak için bir özellik seçme yöntemi olan ReliefF kullanılmıştır. İkinci aşamada gürültülü veya tutarsız verileri elemek için geliştirilmiş K-ortalamalar algoritması kullanılmıştır. Hibrit veri hazırlama modelinin ekipmanın bakım veri kümesindeki performansı, makine öğrenimi algoritmalarından; Yapay Sinir ağı (YSA) olarak Çok Katmanlı Algılayıcı (MLP), Destek Vektör Regresyonu (DVR) ve Doğrusal Regresyon (DR) ve optmizasyon algoritmalarından Genetik Algoritma (GA), Diferansiyel Evrim Algoritması (DE) ve Dağıtık Algoritma (DA) kullanılarak değerlendirilmiştir. Elde edilen sonuçlar ile hibrit veri hazırlama modelinin ekipmanın arıza sayısını tahmin etmede başarıyı artırdığı gösterilmiştir.