Hava araçlarında uzun kısa vadeli bellek yöntemiyle kestirimci bakım analizi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, AVİYONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: ERHAN GÜL
Danışman: Serkan Kurt
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Havacılık alanında bakım, hava araçlarının performansı, güvenilirliği ve sürdürülebilirliği açısından büyük önem taşımaktadır. Reaktif bakım anlayışı, arızalar ortaya çıktıktan sonra düzeltici müdahaleler yapılmasını sağlamaktadır ancak bu yaklaşım endüstrinin ihtiyaçlarını tam olarak karşılayamamaktadır. Bu nedenle, arızalar ortaya çıkmadan önce önlem almayı hedefleyen proaktif bakım stratejileri giderek daha fazla benimsenmektedir. Proaktif bakım stratejilerinden biri olan kestirimci bakım, bir hava aracının ya da alt bileşenlerinin arıza yapmadan önceki sağlık yönetimi kapsamındaki verilerini takip ederek, olası arızaların zamanını tahmin etme çalışmaları olarak değerlendirilmektedir. Kestirimci bakım yöntemi, gerçekleşmek üzere olan bir arızayı belirlemenin yanında ekipman veya alt sistemlerin kalan kullanılabilir ömrünün tahmin edilebilmesini de sağlamaktadır. Bu kazanımların sonucu olarak hava araçlarının bakım ve operasyon kabiliyetlerinin daha planlı, az maliyetli, daha çok güvenilir olabileceği altyapı sağlanmaktadır. Bu çalışmada, kestirimci bakımın havacılık uygulamalarına entegrasyonunun önemi ve gelişiminin yanında Uzun Kısa Vadeli Bellek (Long Short Term Memory, LSTM) derin öğrenme yöntemi aracılığıyla gerçek değerlere yakınsayan Kalan Kullanılabilir Ömür (Remaining Useful Life, RUL) değerleri belirlenerek bakımda elde edilebilecek kazanımlar açıklanmaktadır. Uzun Kısa Vadeli Bellek modelleri arasında gerçek değerlere en çok yaklaşan tahmin modellerinin belirlenmesinde veri ön işleme tekniklerinin uygulanmasının önemi vurgulanmaktadır. Normalizasyon, filtreleme ve hiper parametre ayarları gibi farklı özelliklerin birlikte uygulandığı kombinasyon ile yapılan testlerin sonucunda elde edilen modelden daha yüksek doğruluk oranıyla tahminler elde edilebildiği gözlemlenmiştir. Bu model farklı bir veri seti üzerinde de aynı yöntemlerle geliştirilerek daha yüksek doğruluk oranına sahip farklı bir model daha elde edilmiştir. Gelecekteki araştırmalar için, farklı hava aracı sistemleri ve alt bileşenlerinin performansına odaklanarak, benzer veri üretim kapasitesine sahip sistemlerin belirlenmesi ve karşılaştırılması önerilmektedir. Ayrıca, geliştirilen modellerin RUL tahmini gibi uygulamalarla entegrasyonu ile, bakım süreçlerinin daha etkin yönetilmesine ve sistem arızalarının önceden tespit edilerek uçuş güvenliğinin ve operasyonel kullanılabilirliğin artırılmasına katkı sağlayabileceği vurgulanmaktadır.