Ağır Vasıta Hava Kompresörü Arıza Durumlarının Naive Bayes Sınıflandırıcısı Kullanılarak Analizi

Emre GÜL; Mete KALYONCU

Makale detayları

Ağır Vasıta Hava Kompresörü Arıza Durumlarının Naive Bayes Sınıflandırıcısı Kullanılarak Analizi

Yazarlar:

Emre GÜL | Mete KALYONCU

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 31, pp.796-800

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000916101

Sıklık:

Üç Aylık

eISSN:

2148-2683

Anahtar kelimeler:

Özet:

 

Air compressors are vital for the air supply of heavy vehicle braking systems. With the piston connecting rod mechanism it has in it, it ensures that the air is delivered to the desired pressure (10-12.5 bar) and stored in the tank. While changes of its components can be made at small fees during planned maintenance, it can cause the vehicle to stay on the road in case of failure and can be repaired with a high amount of fees and unplanned loss of time. Unexpected failure times can cause heavy vehicles to deliver their products to the customer late and cause customer dissatisfaction. In this study, the fault situations that may occur in the air compressor were investigated and the deciencies determined by the test device created in the company's R &D unit were performed manually. The obtained data were recorded with Dewesoft software. Naive Bayes Classifier models were created using Python software. Models were trained with 80% of the total data and fault prediction was made with 20%. Classification performances for training and test data were examined and the results were evaluated.

 

Hava kompresörleri ağır vasıta fren sistemlerinin hava ile beslenmesi için hayati öneme sahiptir. İçerisinde bulundurduğu piston biyel mekanizması ile havanın istenilen basınca ulaştırılarak (10-12.5 bar) tanka depo edilmesini sağlamaktadır. Planlı bakımlarda bileşenlerinin cüzi ücretlerle değişimleri yapılabilirken, arıza durumlarında aracın yolda kalmasına sebep olabilmekte ve yüksek miktarda ücret ve plansız zaman kaybı ile onarımı yapılabilmektedir. Beklenmedik arıza süreleri ağır vasıtaların taşıdıkları ürünleri müşteriye geç teslim edilmesine sebep olabilmekte ve müşteri memnuniyetsizliğine sebep olmaktadır. Bu çalışma ile hava kompresöründe gerçekleşebilecek arıza durumları araştırılmış ve firma Ar-Ge biriminde oluşturulan test düzeneği ile belirlenen arızalar manuel olarak gerçekleştirilmiştir. Elde edilen veriler Dewesoft yazılımı ile kayıt altına alınmıştır. Python yazılımı kullanılarak Naive Bayes Sınıflandırıcısı modelleri oluşturulmuştur. Toplam verinin %80’lik kısmı ile modeller eğitilmiş ve %20 ‘lik kısmı ile arıza tahmininde bulunulmuştur. Eğitim ve test verileri için sınıflandırma performansları incelenmiş ve elde edilen sonuçlar değerlendirilmiştir.

Makale detayları

Ağır Vasıta Hava Kompresörü Arıza Durumlarının Naive Bayes Sınıflandırıcısı Kullanılarak Analizi

Yazarlar:

Emre GÜL | Mete KALYONCU

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 31, pp.796-800

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000916101

Sıklık:

Üç Aylık

eISSN:

2148-2683

Ağır Vasıta Hava Kompresörü Arızaları

Bernoulli – Multinominal - Gaussian Naive Bayes Sınıflandırıcısı

Makine Öğrenmesi

Sayı

Makale detayları

Ağır Vasıta Hava Kompresörü Arıza Durumlarının Naive Bayes Sınıflandırıcısı Kullanılarak Analizi

Yazarlar: Emre GÜL | Mete KALYONCU

Yayıncı: Osman SAĞDIÇ

Ana Başlıklar: Uygulamalı fizik

Dergi: European Journal of Science and Technology 2021 Vol. Issue 31, pp.796-800

Belge Tipi: Makale

Yayın Tarihi: 12/2021

Belge Dili: Türkçe

Document ID (Org No.): 2000916101

Sıklık: Üç Aylık

eISSN: 2148-2683

Ağır Vasıta Hava Kompresörü Arızaları

Bernoulli – Multinominal - Gaussian Naive Bayes Sınıflandırıcısı

Makine Öğrenmesi

Sayı

Yazarlar:

Emre GÜL | Mete KALYONCU

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 31, pp.796-800

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000916101

Sıklık:

Üç Aylık

eISSN:

2148-2683