Bu çalışma, havacılık sektöründe öngörücü bakım planlaması için makine öğrenmesinin kullanımını araştırmaktadır. Havacılık endüstrisinde, uçakların sürekli olarak güvenli ve verimli bir şekilde çalışması hayati öneme sahiptir. Bakım, uçakların güvenliğini ve operasyonel etkinliğini sağlamak için kritik bir rol oynamaktadır. Ancak, geleneksel bakım yöntemleri genellikle zaman temelli veya deneyime dayalıdır ve önleyici bakım sürelerini tahmin etmek zordur. Çalışmadaki kod örneği, havacılık sektöründe makine öğrenmesinin aviyonik ekipmanların öngörücü bakım planlaması için kullanıldığı bir senaryoyu sunmaktadır. Kod, HeliX adında hayali bir aviyonik ekipmanın bakım sürelerini tahmin etmek için sentetik veri kullanmaktadır. Veri seti, ekipmanın beklenen onarım süresi (MTTR), beklenen arıza süresi (MTBF), gerçekleşen arıza süresi (RTTR), çevresel sıcaklık ve uçuş süresi gibi faktörleri içermektedir. Model, bu faktörlerin ekipmanın bakım sürelerine olan etkilerini analiz etmektedir. Öncelikle, sentetik veri seti oluşturulur ve veri seti pandas DataFrame'e yüklenir. Veri seti, eğitim ve test veri setlerine bölünür. Ardından, TensorFlow kullanılarak MTTR ve RTTR tahminleri için yapay sinir ağı modelleri tanımlanır ve eğitilir. Eğitim sonunda modeller değerlendirilir ve performansları ölçülür. Son olarak, test verisi üzerinde tahminler yapılır. Elde edilen tahmin verilerinin havacılık sektöründe aviyonik ekipmanların öngörücü bakım planlaması için kullanılması amaçlanmaktadır. Bu çalışma, havacılık endüstrisinde bakım yönetimi ve öngörücü bakım planlaması için makine öğrenmesinin önemli bir araç olduğunu vurgulamaktadır. ORCID NO: 0009-0007-6999-5746
Anahtar Kelimeler: Havacılık, Aviyonik Ekipmanlar, Makine Öğrenmesi, Öngörücü Bakım
|
