Karabuk University

PREDICTION OF METROPT APU PERFORMANCE THROUGH IOT-ENABLED PREDICTIVE MAINTENANCE WITH CNN-LSTM TECHNIQUES

Show simple item record

dc.contributor.author ALSAID, SHAHAD JAMEEL FARHAN
dc.date.accessioned 2024-01-22T08:11:59Z
dc.date.available 2024-01-22T08:11:59Z
dc.date.issued 2024-01
dc.identifier.uri http://acikerisim.karabuk.edu.tr:8080/xmlui/handle/123456789/3177
dc.description.abstract ABSTRACT This study represents a pioneering leap in predictive maintenance by harnessing the power of deep learning. Focused on the MetroPT dataset and its intricate APU (Air Production Unit) metrics from a train vehicle, the research meticulously processed and engineered features for binary and multi-class analysis. The centerpiece of this work is the groundbreaking CNN-LSTM algorithm, meticulously crafted to excel in both classification paradigms. The empirical findings are nothing short of exceptional: an impressive 92% accuracy for binary classification and an outstanding 99.5% accuracy for multi-class prediction. Beyond its immediate impact on predictive maintenance, this research serves as a beacon, showcasing the transformative potential of deep learning methodologies in fortifying the reliability and efficiency of critical infrastructure maintenance systems, marking a substantial stride in the fusion of artificial intelligence and industrial upkeep. ÖZET Bu çalışma, derin öğrenmenin gücünü kullanarak tahminsel bakım konusunda çığır açan bir adımı temsil ediyor. MetroPT veri kümesine odaklanan ve tren aracındaki karmaşık Hava Üretim Ünitesi (APU) ölçümlerini inceleyen araştırma, özellikleri ikili ve çoklu sınıflı analiz için özenle işlendi ve mühendislikle şekillendirmiştir. Bu çalışmanın odağında, her iki sınıflandırma paradigmasında da başarılı olacak şekilde özenle oluşturulmuş çığır açan CNN-LSTM algoritması bulunmaktadır. Deneysel bulgular sonucunda ikili sınıflandırma için %92 doğruluk ve çoklu sınıf tahminleri için %99.5 doğruluk elde edilmiştir. Bu araştırmanın tahminsel bakım üzerindeki doğrudan etkisinin ötesinde, bu çalışma, derin öğrenme metodolojilerinin kritik altyapı bakım sistemlerinin güvenilirliğini ve verimliliğini sağlamlaştırmada yapabileceği dönüştürücü potansiyeli sergileyen bir işaret olarak hizmet ediyor, yapay zeka ile endüstriyel bakımın birleşiminde önemli bir adımı temsil ediyor. en_EN
dc.language.iso en en_EN
dc.subject CNN, Deep Learning, LSTM, Predictive Maintenance, MetroPT. en_EN
dc.subject CNN, Derin Öğrenme, LSTM, Tahminsel Bakım, MetroPT. en_EN
dc.title PREDICTION OF METROPT APU PERFORMANCE THROUGH IOT-ENABLED PREDICTIVE MAINTENANCE WITH CNN-LSTM TECHNIQUES en_EN
dc.title.alternative METROPT APU PERFORMANSININ CNN-LSTM TEKNİKLERİYLE IOT-ETKİN ÖNGÖRÜCÜ BAKIM YOLUYLA TAHMİNİ en_EN
dc.type Thesis en_EN


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account