Yapay Zekâ Destekli Kestirimci Bakımın Endüstriyel Sistemlerde Kullanımı: Yöntemler, Uygulamalar ve Sınırlılıklar

Öz

Endüstriyel sistemlerde ekipman güvenilirliğinin korunması, plansız duruşların azaltılması ve bakım maliyetlerinin kontrol edilmesi üretim sürekliliği açısından önem taşımaktadır. Kestirimci bakım ekipmanın mevcut durumuna ilişkin verileri kullanarak arıza oluşmadan önce bakım gereksiniminin belirlenmesini amaçlamaktadır. Sensör teknolojileri, Nesnelerin İnterneti ve endüstriyel veri toplama sistemlerindeki gelişmeler, ekipmanlardan sürekli veri alınmasını sağlamış, makine öğrenmesi ve derin öğrenme yöntemleri bu verilerin analizinde kullanılmaya başlanmıştır. Bu derlemede yapay zekâ destekli kestirimci bakım sistemleri kullanılan yöntemler, endüstriyel uygulamalar ve uygulamada karşılaşılan sınırlılıklar açısından incelenmiştir. Literatürde destek vektör makineleri, Random Forest, karar ağaçları, k-en yakın komşu, XGBoost ve yapay sinir ağlarının arıza tespiti, durum sınıflandırması ve kalan yararlı ömür tahmininde kullanıldığı görülmektedir. CNN ve LSTM gibi derin öğrenme modelleri yüksek boyutlu ve zamana bağlı sensör verilerinin analizinde öne çıkmaktadır. Üretim, otomotiv, madencilik ve tesis yönetimi uygulamalarında bakım planlaması, ekipman kullanılabilirliği ve maliyetler açısından olumlu sonuçlar bildirilmiştir. Veri kalitesi, etiketli arıza verisinin yetersizliği, açıklanabilirlik, hesaplama gereksinimi, model genellenebilirliği ve mevcut sistemlerle entegrasyon başlıca sınırlılıklardır. Gerçek endüstriyel koşullarda uzun süreli doğrulama ve değişen çalışma koşullarına uyarlanabilir modeller alanın başlıca araştırma gereksinimleridir.