Yapay Zeka ile Makine Arızası Tahmini: Predictive Maintenance

Predictive Maintenance Nedir?

Makine öğrenmesi modelleri sayesinde arıza oluşmadan önce tespit etme yöntemidir. Üretim sektöründe %25-30 bakım maliyeti azaltımı sağlayabilir.

Sensör Altyapısı

• Titreşim sensörleri: Rulman ve dişli aşınması tespiti
• Termal kameralar: Motor sıcaklığı izleme
• Akım sensörleri: Motor yük analizi
• Akustik sensörler: Anormal ses tespiti

Python ile Anomali Tespiti

import pandas as pd
from sklearn.ensemble import IsolationForest
from sklearn.preprocessing import StandardScaler

df = pd.read_csv("sensor_data.csv")
features = ["titresim_x", "titresim_y", "sicaklik", "akim"]

scaler = StandardScaler()
X = scaler.fit_transform(df[features])

model = IsolationForest(contamination=0.05, random_state=42)
model.fit(X)

df["anomaly"] = model.predict(X)
anomaliler = df[df["anomaly"] == -1]
print(f"Tespit edilen anomali: {len(anomaliler)}")

Alarm Sistemi

Anomali skoru belirli eşik değerin altına düştüğünde:

1. Bakım ekibine otomatik bildirim
2. İş emri sistemiyle entegre bakım talebi
3. Makine operatörü uyarısı

Beklenen Kazanımlar

• Planlanmamış duruş: %40 azalma
• Acil bakım maliyeti: %35 azalma
• Yedek parça stoğu: %20 optimize