Otomotiv sektöründe nesnelerin interneti ve makine öğrenmesine dayalı bir yaklaşımla ısı transfer değerinin tahmini

Authors : Makbule Nalkıran, Serkan Altuntaş

Pages : 937-950

Doi:10.17341/gazimmfd.1406869

View : 121 | Download : 227

Publication Date : 2025-02-03

Article Type : Research Paper

Abstract :Enerji tüketiminin hâkim olduğu hızla gelişen dünyada, yapay zekâ çözümleri ile tüketilecek enerjinin tahmini çalışmaları tüketiciler için hem enerji verimliliği hem de maliyet etkinliği için bir zorunluluk haline gelmiştir. Binalarda ya da tesislerde harcanan ısı enerjisi ise bu tüketimin önemli bir kısmını oluşturmaktadır. Bu çalışmada nesnelerin interneti ve makine öğrenmesine dayalı bir yaklaşımla otomotiv sektöründe faaliyet gösteren bir fabrika binası için ısı transfer değerleri tahmin edilmiştir. Çalışmada, IoT yazılımı ve makine öğrenimi modellerinin bir kombinasyonu kullanılarak gerçek bir endüstriyel sisteme uygulanmıştır. Hem gerçek bir endüstriyel sistem üzerinde çalışan hem de iki farklı endüstri 4.0 konusu bütünleşmiş bir şekilde kullanılması çalışmanın özgün yanıdır. Bu çalışmanın önemi, birçok binaya ve tek bir ısıtma merkezine sahip işletme ya da tesislerde ısıtma merkezinden binalara gönderilecek ısının önceden tahmin etmektir. Bu çalışmada, otomotiv endüstrisindeki bir fabrikanın seçilen pilot tesisi için gerekli olan ısıyı tahmin etmek amacıyla mevcut sıcaklık verilerinden yeni değişkenler üreterek genişletilmiş veri seti ile makine öğrenmesi tabanlı regresyon modelleri geliştirilmiştir. Geliştirilen model ile sıcaklık regülasyonu (hedef sıcaklığa ulaşmak ve sürdürmek) yapılarak, tesisin ısıtma sürecindeki ısı kayıpları, dış ortam koşullarındaki değişiklikler, ortamın aşırı ısınması ya da soğuması, gönderilen ısının bir süre sonra etkisinin kaybetmesi gibi birçok olumsuz faktörün etkisi ve ısı kayıpları önlenerek maliyetler azaltılmıştır. Lineer Regresyon, Rastgele Orman Regresyon, Polinom Regresyon, Karar Ağacı Regresyon, Destek Vektör Regresyon, Ekstra Ağaç Regresyon, Adaboost Regresyon, Gradient Boosting Regresyon, Oylama Regresyon ve Yapay Sinir Ağı algoritmaları kullanılarak üretim tesislerinde ıs tahmininin yapılmıştır. Bu algoritmalar arasında en yüksek tahminleme gücüne sahip olan Doğrusal Regresyon modeli, çalışmanın bir sonraki adımı olan fabrikanın canlı ısıtma sistemi olan SCADA (Supervisory Control and Data Acquisition) sistemine entegre edilmiş ve gerçek zamanlı olarak test edilmiştir. Çalışmanın sonuçları, önerilen yaklaşımın ısıtma sisteminden kaynaklanan maliyetleri indirdiği ve çalışan memnuniyetini arttırdığı tespit edilmiştir.
Keywords : Isı Tahmini, Nesnelerin İnterneti, Makine Öğrenmesi