Tez No	İndirme	Tez Künye	Durumu
692507		Anomaly detection in industry 4.0 environment / Endüstri 4.0 ortamında anomali sezinleme Yazar:MAWUGNON KODJO Danışman: DOÇ. DR. RIZA CENK ERDUR Yer Bilgisi: EGE ÜNİVERSİTESİ / FEN BİLİMLERİ ENSTİTÜSÜ / BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Anahtar Kelime:	Onaylandı Doktora İngilizce 2021 153 s.
Fabrikada üretim devamlığı süreçlerinin sürekliliği esastır, çünkü istem dışı duruş ürün teslimatında gecikmeye, maliyetli bakım ücretlerine, memnun olmayan müşterilere vb. neden olabilir. Bu yüzden, olası hataların önceden tespit edilmesi ve zamanında uygun aksiyonların alınması gerekmektedir. Sorunu çözmenin geleneksel yolları vardır. Bununla birlikte, üretim biriminin boyutu büyüdükçe sıkıcı, zaman alıcı ve daha az güvenilir oldukları kanıtlanmıştır. Dolasıyla, bu sorun endüstri 4.0'ın fabrika otomasyonuna zeka katarak çözmeye çalıştığı sorunlardan biridir. Endüstri 4.0 ortamında, gelecekteki arızaları tahmin etmek için veriler toplanır ve analiz edilir. Endüstri 4.0 teknolojilerini kullanmanın bilinen faydaları olmasına rağmen, birçok şirket bunları benimsemekte zorlanmaktadır. Bunun arkasındaki temel nedenlerden biri, kademeli olarak akıllı üretime geçmelerine yardımcı olacak net bir kılavuza sahip olmamalarıdır. Bu boşluğu doldurmak için değerlendirme modelleri konusu ile ilgili birçok çalışma yapılmıştır. Bununla birlikte, bu çalışmaların çoğu, genel olarak endüstri 4.0 teknolojilerinin benimsenmesi için yöntemler, kılavuzlar ve olgunluk modelleri geliştirmeye odaklanmıştır. Üretimde başarının anahtarı olduğuna inanılan bakım stratejileri üzerine fazla çalışma yoktur. Bu nedenle, bu çalışma akıllı bir bakım olgunluk modeli geliştirerek bu boşluğu doldurmaya çalışmaktadır. Geliştirilen model, bir vaka çalışmasıyla dört şirkete uygulanmıştır. Anomali sezinleme konusunda literatürde de pek çok çalışma yapılmıştır. Ancak, çoğu, endüstri 4.0 spesifikasyonlarının kullanılmasını gerektiren endüstrideki yeni eğilimi hesaba katmadan istatistiksel ve makine öğrenimi tekniklerini kullanmıştır. Bu çalışma, endüstri 4.0 vizyonuna uygun olarak anomali sezinleme için son teknoloji makine öğrenimi tekniklerini araştırıp uygulayarak boşluğu doldurmaya çalışacaktır. Özellikle bu çalışma, endüstri 4.0 ortamında akıllı bakım uygulamasına odaklanmaktadır.
The continuity of production processes in a factory is essential as involuntary stops may cause delays in product delivery, introduce costly maintenance fees, unsatisfied customers, etc. Therefore, there is a need to identify potential errors in advance in order to take appropriate actions in time. There are traditional ways to tackle the problem. However, they are proven tedious, time-consuming, and less reliable. This is one of the problems that industry 4.0 try to solve by incorporating intelligence in factory automation. Although the known benefits of using industry 4.0 technologies, many companies are struggling to adopt them. One of the main reasons behind that is the fact that there is no clear guideline to help them move gradually toward smart manufacturing. To fill this gap, assessment models have been proposed in the literature. However, most of them are focused on the adoption of industry 4.0 technologies in general. There is not much work on maintenance strategies, which are believed to be a key to success in manufacturing. Therefore, this work tries to fill that gap by developing a smart maintenance maturity model. The developed model has been applied to three companies through a case study. Furthermore, the work investigates and applies state-of-the-art machine learning techniques for anomaly detection, following the industry 4.0 specifications. In particular, this work focuses on the implementation of smart maintenance in the industry 4.0 environment.