Akademik Veri Yönetim Sistemi
IV. INTERNATIONAL CANAKKALE SCIENTIFIC STUDIES CONGRESS, Çanakkale, Türkiye, 17 - 19 Ocak 2025, ss.18-33
Havacılıkta bakım, hava araçlarının operasyonlarının güvenilirliği, emniyeti, verimliliği ve
idame edilebilirliği için kritik öneme sahiptir. Kritik bu parametreler sağlanırken kolay,
ekonomik, en az zamanda ve en az kaynak kullanımıyla bakım yapabilmek için daha etkin
yöntemlere ihtiyaç duyulmaktadır. Havacılık teknolojisinin ve hava araçlarının gelişmesiyle
birlikte verimli bakım yönetimi stratejilerinin benimsenmesi, hava araçlarının daha az bakım
aralığına girmesini ve daha fazla uçuş saati yapabilmesini sağlama adına önem arz etmektedir.
Arızalar meydana geldikten sonra yapılan işlemleri içeren bakım Reaktif bakım yaklaşımı
olarak değerlendirilmektedir. Düzeltici bakım kavramı, reaktif bakım yaklaşımı olarak
nitelendirilmektedir ancak operasyonel verimliliği düşürdüğü için zamanla yerini Proaktif
bakım yaklaşımına bırakmıştır. Proaktif bakım yaklaşımı, önleyici ve kestirimci bakımları
kapsayan bakım yaklaşımı olarak nitelendirilmektedir. Belirlenen zaman dilimlerinde periyodik
olarak yapılan işlemlerin olduğu yaklaşım önleyici bakım olarak ifade edilmektedir.
Bileşenlerin arızalanmadan önce meydana gelebilecek sorunlarını, kalan ömrünü tahmin etmek
için gelişmiş veri analizleri ve durum izleme süreçleri olarak da adlandırılan yaklaşım ise
kestirimci bakım olarak tanımlanmaktadır. Kestirimci bakım temel olarak hava aracında
bulunan sistemlerin ve bu sistemlere ait ekipmanların kalan kullanılabilir ömrünün (RUL,
Remaining Useful Life) tahmin edilerek hava aracı bakımlarının optimize edilmesini
hedeflemektedir. Bu sayede ekipmanın gerçek durumunun gözlemlenerek takvimde daha
önceden belirlenen gereksiz bakımların ortadan kaldırılması sağlanabilmektedir. Kalan
kullanılabilir ömrünün tahmin edilebilmesi sayesinde de yedek parça, tedarik zinciri gibi
lojistik süreçler iyileştirilebilmektedir. Literatürde yapılan çalışmalar incelendiğinde kestirimci
bakım kapsamında istatiksel yöntemler, fiziksel modelleme, simülasyon ve derin öğrenme gibi
birçok teknikle RUL tahmini yapılabilmektedir. Bu çalışmada, derin öğrenme tekniklerinin
havacılıkta kestirimci bakım uygulamalarına entegrasyonunun önemi ve gelişiminin yanı sıra,
derin öğrenme tekniği ile yüksek doğruluk oranına sahip RUL tahmini sağlayarak bakım
verimliliğini artırma potansiyeli ortaya konulmaktadır. Havacılıktaki endüstriyel ihtiyaçlar ve
teknolojinin gelişimiyle birlikte sistemlerden toplanan veri miktarı sürekli olarak artış
göstermektedir. Bu sebeple veri tabanlı kestirimci bakım yaklaşımlarının artış göstereceği
öngörülmektedir. Özellikle bu alandaki RUL tahmin süreçlerinde yüksek doğruluk oranına
sahip derin öğrenme tekniklerinin geliştirilmesi önerilmektedir