Endüstri 4.0 için Bir Anomali Tespit Sistemi Çerçeve Geliştirilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Bilişim Enstitüsü, Yönetim Bilişim Sistemleri, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: CİHAN BAYRAKTAR
Danışman: Hadi Gökçen
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dördüncü nesil endüstri devrimi olarak da ifade edilen endüstri 4.0, daha yüksek üretkenlik ve daha yüksek verimlilik elde etmek için gelişmiş üretim sistemlerinin ortaya çıkartılmasını ve kullanılmasını amaçlamaktadır. Endüstri 4.0 seviyesine ulaşılma gerekliliğinin sebeplerinden biri de daha hızlı ve hatasız üretim gerçekleştirilerek müşteri memnuniyetinin oluşturulması ile küresel pazarda önemli derece bir rekabet avantajının sağlanabilmesidir. Bu gelişmeler sayesinde, birbirlerine bağlanmış cihazlar vasıtası ile oluşturulan ağ yapıları şeklindeki üretim sistemleri, stabil çalışabilme konusunda, cihazların birbirleri arasında sağlıklı bir şekilde veri iletişimi gerçekleştirmelerine bel bağlamaktadır. Bu sebeple son teknolojiye uygun üretim sistemlerinin tasarlanması aşamasında güvenlik konusuna da azami derecede önem vermek gerekmektedir. Güvenlik konusunda alınabilecek önlemlerin en önemlilerinden biri, sistemin çalışması anında ortaya çıkabilecek cihaz ve veri hatalarının gerçek zamanlı olarak hızlı bir şekilde tespit edilebilmesi için anomali tespit yapılarının hazırlanması gerekliliğidir. Gelişmiş zeki üretim yapılarında anomali tespit sistemlerini kurabilmek için kullanılabilecek yöntemlerden biri makine öğrenmesi teknikleridir. Bu tez kapsamında, endüstri 4.0 için zeki bir üretim hattında makine öğrenmesi ile elde edilen öğrenme modellerini kullanarak, gerçek zamanlı anomali tespiti gerçekleştirebilecek ve tespitleri bir ekran vasıtası ile denetçiye bildirebilecek bir sistemin geliştirilmesi amaçlanmıştır. Bunun için de gerekli sentetik verinin elde edilebilmesi amacıyla bir üretim sistemi simülasyonu kurulmuştur. Simülasyon ile elde edilen statik ve dinamik verilerin değerlendirilmesi ile her cihaz için uygun öğrenme modelleri tespit edilmiş ve gerçek zamanlı anomali tespiti yapabilecek şekilde sistem ayarlanmıştır. Uygun öğrenme modellerinin tespit edilmesi için yapılan analiz çalışmaları sonucunda, tüm cihazlar için AutoML kütüphanelerinden olan Auto-Sklearn tarafından üretilmiş olan öğrenme modellerinin en iyi sonuca ulaştığı belirlenmiştir. Tezin hazırlanması aşamasında ulaşabildiğimiz kadarıyla, anomali tespiti konusunda yapılan çalışmaların çok büyük oranda, sadece verilerde anomali olup olmadığının tespit edilmesi üzerine olduğu, ancak tespit edilen anomali ile ilgili ayrıntılı bilgi verilmediği şeklinde olduğu görülmüştür. Tez kapsamında oluşturulmuş olan anomali tespit sistemimizde ise bunlardan farklı olarak, her cihaz için anomali tespitinin yapılması ile birlikte, hatanın hangi tür anomali olduğunun da belirlenmesi sağlanmıştır.