Analysis of different maintenance policies on a multi-component system using dynamic bayesian networks

Basit Öğe Kaydı
dc.authorid10235314
dc.contributor.advisorÖzgür Ünlüakın, Demeten_US
dc.contributor.authorKaracaörenli, Ayşeen_US
dc.contributor.otherIşık Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği - Yöneylem Araştırması Yüksek Lisans Programıen_US
dc.date.accessioned2019-04-08T22:54:42Z
dc.date.available2019-04-08T22:54:42Z
dc.date.issued2019-01-15
dc.departmentIşık Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği - Yöneylem Araştırması Yüksek Lisans Programıen_US
dc.descriptionText in English ; Abstract: English and Turkishen_US
dc.descriptionIncludes bibliographical references (leaves 96-104)en_US
dc.descriptionxvi, 104 leavesen_US
dc.description.abstractRecently, system components and interactions between them have become more complex and this situation has made it di?cult to provide maintenance decisions. Herewith, determining e?ective decisions has played an important role. In multicomponent systems, many methodologies and strategies can be applied when a component or a system has already broken down or when it is desired to identify and avoid pro-actively defects that could lead to future failure. In dynamic systems, it is important for proactive maintenance to increase system reliability by performing early diagnosis-based maintenance activities without waiting for a problem. In this study, we focus on proactive maintenance of a complex multi-component dynamic system. Components are hidden although there exists partial observability to the decision maker. Components deteriorate in time. It is possible to replace or repair components with a given cost. We want to ?nd a policy that minimizes the total maintenance cost in a prede?ned time horizon. We propose several maintenance policies and compare the performance of these by simulating them via Dynamic Bayesian Networks on an empirical model. Furthermore, a dynamic Bayesian network is constructed for the maintenance of an endo generator system to show how the proposed methods can be implemented in real life.en_US
dc.description.abstractSon zamanlarda, sistemlerin karmaşıklığı artmış ve bunun paralelinde bileşenler arasındaki etkileşimler gittikçe daha karmaşık hale gelmiş ve bu durum bakım kararlarını vermeyi zorlaştırmıştır. Dolayısıyla etkili bakım politikalarının belirlenmesi ve uygulanması büyük önem kazanmıştır. Çok bileşenli sistemlerde, bir çok metodoloji ve strateji bir bileşen veya sistem bozulduğunda veya bir arızaya neden olabilecek proaktif olarak kusurları tanımlamak ve önlemek istendiği zaman uygunanabilir. Dinamik sistemlerde, bir problem beklemeden erken tanıya dayalı bakım faaliyetlerini gerçekleştirerek sistem güvenilirliğini artırması proaktif bakım için önemlidir. Bu çalışmada, çok bileşenli dinamik bir sistem üzerinde çeşitli bakım politikaları oluşturup bunları sistem performansı ve bakım maliyetleri bakımından karşılaştırmayı hede?edik. Ele alınan sistem çeşitli bileşenler ve işlemlere sahiptir. Karar vermek için kısmi bir gözlemlenebilirlik olmasına rağmen, bileşenlerin durumları gizlidir ve zaman içinde bozulmaktadır. Bileşenleri belirli bir zaman içerisinde değiştirmek mümkündür. amaç, belirli bir planlama ufkunda toplam bakım maliyetini en aza indirmektir. Empirik bir sistem için bakım politikaları önerip bunları çeşitli senoryalar altında Dinamik Bayesçi Ağlar ile planlama ufku boyunca benzeterek performanslarını karşılaştırıyoruz. Ayrıca, önerilen yöntemlerin gerçek hayatta nasıl uygulanabileceğini göstermek için bir endo jeneratör sisteminin bakımı için dinamik bir Bayesian ağı oluşturulmuştur.en_US
dc.description.tableofcontentsMaintenance Strategiesen_US
dc.description.tableofcontentsMulti-Component Systemsen_US
dc.description.tableofcontentsMaintenance Decisions and Maintenance Strategies in Complex Systemsen_US
dc.description.tableofcontentsDependencies among the Components and Probability Modelling in Complex Systemsen_US
dc.description.tableofcontentsBayesian Networksen_US
dc.description.tableofcontentsDynamic Bayesian Networksen_US
dc.description.tableofcontentsProblem Definition and Empirical Modelen_US
dc.description.tableofcontentsProblem Definitionen_US
dc.description.tableofcontentsAssumptions of the Empirical Modelen_US
dc.description.tableofcontentsDBN Modellingen_US
dc.description.tableofcontentsRepresentation of the DBN modelen_US
dc.description.tableofcontentsProbabilities in the DBN Modelen_US
dc.description.tableofcontentsMaintenance Costsen_US
dc.description.tableofcontentsProposed Solutionsen_US
dc.description.tableofcontentsGeneral Framework of the Simulationen_US
dc.description.tableofcontentsDBN Time versus Real Timeen_US
dc.description.tableofcontentsProposed Methodsen_US
dc.description.tableofcontentsFault Effect Myopic Method (FEM)en_US
dc.description.tableofcontentsFault Effect Look - Ahead Method (FEL)en_US
dc.description.tableofcontentsReplacement Effect Myopic Method (REM)en_US
dc.description.tableofcontentsReplacement Effect Look - Ahead Method (REL)en_US
dc.description.tableofcontentsMaintenance Strategiesen_US
dc.description.tableofcontentsCorrective Maintenance Strategy (CM)en_US
dc.description.tableofcontentsConstant Interval Proactive Maintenance (CIPM)en_US
dc.description.tableofcontentsDynamic Interval Proactive Maintenance (DIPM)en_US
dc.description.tableofcontentsThreshold Based Proactive Maintenance (ThPM)en_US
dc.description.tableofcontentsOpportunistic Maintenance Approachen_US
dc.description.tableofcontentsComputational Analysisen_US
dc.description.tableofcontentsResults of Corrective Maintenance Strategyen_US
dc.description.tableofcontentsResults Based on the Maintenance Quantity and Costen_US
dc.description.tableofcontentsResults of the Selected Maintenance Methoden_US
dc.description.tableofcontentsResource Planning of the Selected Maintenance Methoden_US
dc.description.tableofcontentsEffect of the Selected Maintenance Method on the Systemen_US
dc.description.tableofcontentsResults of Proactive Maintenance Strategiesen_US
dc.description.tableofcontentsResults Based on the Maintenance Costen_US
dc.description.tableofcontentsResults Based on the Maintenance Quantityen_US
dc.description.tableofcontentsResults of the Selected Maintenance Strategyen_US
dc.description.tableofcontentsResource Planning of the Selected Maintenance Strategyen_US
dc.description.tableofcontentsEffect of the Selected Maintenance Strategy on the Systemen_US
dc.description.tableofcontentsResults of Opportunistic Maintenance Approachen_US
dc.description.tableofcontentsResults of Opportunistic Corrective Maintenance (OPPCM)en_US
dc.description.tableofcontentsResults Based on the Maintenance Quantity and Costen_US
dc.description.tableofcontentsResults of the Selected OPPCM Methoden_US
dc.description.tableofcontentsResults of Opportunistic Proactive Maintenance Strategies (OPPPM)en_US
dc.description.tableofcontentsResults Based on the Maintenance Costen_US
dc.description.tableofcontentsResults Based on the Maintenance Quantityen_US
dc.description.tableofcontentsResults of the Selected OPPPM Strategyen_US
dc.description.tableofcontentsComparison of the Maintenance Policiesen_US
dc.description.tableofcontentsSolution Time Analysisen_US
dc.description.tableofcontentsReal Life Modelen_US
dc.description.tableofcontentsAustempering Furnace Lineen_US
dc.description.tableofcontentsEndo Generator Systemen_US
dc.description.tableofcontentsTechnical Information of the Endo Generatoren_US
dc.description.tableofcontentsWorking Principle of the Endo Generatoren_US
dc.description.tableofcontentsDBN Model of the Endo Generator Systemen_US
dc.description.tableofcontentsDependencies Among the Componentsen_US
dc.description.tableofcontentsModelling of Maintenance Actionsen_US
dc.description.tableofcontentsProbabilities of the DBN Modelen_US
dc.description.tableofcontentsTransition probabilitiesen_US
dc.description.tableofcontentsConditional probabilitiesen_US
dc.identifier.citationKaracaörenli, A., (2019). Analysis of different maintenance policies on a multi-component system using dynamic bayesian networks. İstanbul: Işık Üniversitesi Fen Bilimleri Enstitüsü.en_US
dc.identifier.urihttps://hdl.handle.net/11729/1540
dc.institutionauthorKaracaörenli, Ayşeen_US
dc.institutionauthorid10235314
dc.language.isoenen_US
dc.publisherIşık Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectDBNsen_US
dc.subjectMaintenanceen_US
dc.subjectMulti-component systemsen_US
dc.subjectPolicy analysisen_US
dc.subjectReliabilityen_US
dc.subjectBakımen_US
dc.subjectÇok bileşenli sistemleren_US
dc.subjectGüvenirliliken_US
dc.subjectPolitika analizien_US
dc.subject.lccTS192 .K37 2019
dc.subject.lcshIndustrial equipment -- Maintenance and repair.en_US
dc.subject.lcshIndustrial equipment -- Maintenance and repair -- Mathematical models.en_US
dc.subject.lcshPlant maintenance.en_US
dc.titleAnalysis of different maintenance policies on a multi-component system using dynamic bayesian networksen_US
dc.title.alternativeÇok-bileşenli sistemler üzerinde dinamik bayesçi ağlar kullanarak farklı bakım politikalarının analizien_US
dc.typeMaster Thesisen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
1540.pdf
Boyut:
2.07 MB
Biçim:
Adobe Portable Document Format
Açıklama:
MasterThesis
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu