Akıllı Kestirimci Bakım Sistemi (Geliştirme Aşamasında)
Endüstriyel Arızaların Önceden Tahmini ve Dijital Dönüşüm
Bu çalışma, Yalova Üniversitesi Bilgisayar Mühendisliği bünyesinde yürütülen, endüstriyel makinelerde bakım süreçlerini optimize etmeyi ve arızaları gerçekleşmeden önce tespit etmeyi hedefleyen yapay zekâ tabanlı kestirimci bakım sistemi projesidir.
Amacımız; CNC tezgâhları ve benzeri endüstriyel ekipmanların çalışma verilerini sürekli izleyerek, olası teknik problemleri ve bakım gerektiren durumları önceden tahmin eden bir yapay zekâ altyapısı geliştirmektir.
Bu proje, Future Action AI Hub katkıları ve AugeLab tarafından sağlanan özel lisans desteği ile ilerletilmektedir.
Teknik Çekirdek: Sensör Verileri ile Arıza Tahmini
Projemizin yapay zekâ modeli, makineden gelen çok çeşitli verileri analiz ederek arıza ihtimalini belirlemektedir.
Topladığımız Başlıca Veriler
• Titreşim sensör verileri
• Motor akımı ve güç tüketimi
• Sıcaklık değişimleri
• Spindle yük ve hız verileri
• Tork dalgalanmaları
• Limit switch, encoder ve sensör hataları
Tahmin Süreci
• IoT kartı ile veriler gerçek zamanlı toplanır.
• AugeLab’ın sunduğu AI modülleri üzerinden sinyal işleme + anomali algılama modelleri eğitilir.
• Sistem, ekipmanda teknik bir problem oluşmadan önce kullanıcıyı uyaracak şekilde arıza ihtimalini hesaplar.
Mevcut aşamada sensör verisi toplama ve ilk anomali tespit modelleri geliştirilmiş olup, CNC tezgâhı üzerinde saha testleri bir sonraki adımdır.
AugeLab ile Görsel Analiz ve AI Entegrasyonu
AugeLab’ın sağladığı özel lisans sayesinde projede:
• Sensör verilerinin canlı olarak görselleştirilmesi
• Anomalilerin AI tarafından işaretlenmesi
• Model eğitimi ve doğrulama
• Endüstriyel veri setleriyle gelişmiş hata tahmin algoritmaları
gibi ileri seviye analiz imkânları kullanılmaktadır.
Bu araçlar, bakım süreçlerini otomatikleştiren güçlü ve güvenilir bir kestirimci bakım sistemi oluşturmamıza olanak sağlamaktadır.
Destek ve İşbirlikleri
Projenin verimli ilerleyişi; teknik, akademik ve yazılım altyapısı açısından sağlanan çeşitli desteklerle mümkün olmaktadır:
• AugeLab Lisans Desteği: Projede kullanılan AI ve analiz araçlarına özel erişim.
• Future Action AI Hub: Projenin yönlendirilmesi, mentorluk ve teknik katkı.
• Yalova Üniversitesi Bilgisayar Mühendisliği: Akademik altyapı ve geliştirme ortamı.
Bu işbirlikleri sayesinde, endüstriyel sahada uygulanabilir nitelikte bir yapay zekâ çözümü geliştirilmesi hedeflenmektedir.
Çağrı: Diğer Öğrencilere Fırsatlar
Bu proje, doğru yazılım araçları ve yapay zekâ altyapısı ile öğrencilerin endüstride karşılığı olan projeleri rahatlıkla üretebileceğini göstermektedir.
AugeLab’ın sunduğu lisans imkânları ve
Future Action AI Hub’ın destek ekosistemi,
başka öğrencilere de benzer projelerde yer alma ve kendi yapay zekâ sistemlerini geliştirme fırsatı sunmaktadır.
Bu alana ilgi duyan tüm arkadaşlarımızı, bu gelişen teknolojik ekosistemin bir parçası olmaya davet ediyoruz!
Smart Predictive Maintenance System (Under Development)
Early Fault Detection and Digital Transformation in Industrial Systems
This project, carried out within the Department of Computer Engineering at Yalova University, aims to optimize maintenance processes in industrial machinery and detect potential failures before they occur using an AI-based predictive maintenance system.
Our goal is to develop an artificial intelligence infrastructure capable of continuously monitoring operational data from CNC machines and similar industrial equipment, identifying possible technical issues and maintenance needs in advance.
The project is currently progressing with the support of Future Action AI Hub and is in the process of receiving special licensing assistance from AugeLab.
Technical Core: Fault Prediction Through Sensor Data
The AI model developed in this study analyzes a wide range of machine data to estimate the likelihood of mechanical failures.
Primary Data Sources
-
Vibration sensor data
-
Motor current and power consumption
-
Temperature fluctuations
-
Spindle load and rotational speed
-
Torque variations
-
Limit switch, encoder, and other sensor errors
Prediction Workflow
-
Real-time data is collected via an IoT-based sensor interface.
-
Signal processing and anomaly detection models are trained using AugeLab’s AI modules.
-
The system calculates the probability of failure and alerts the operator before a critical malfunction occurs.
The project is currently in the data acquisition and initial anomaly detection model development phase, with CNC machine field tests planned as the next stage.
AugeLab Integration for Visual Analysis and AI Processing
Through the licensing support provided by AugeLab, the project utilizes advanced capabilities such as:
-
Real-time visualization of sensor data
-
AI-assisted anomaly marking
-
Model training and validation
-
Advanced fault-prediction algorithms built on industrial datasets
These tools enable the creation of a reliable and efficient predictive maintenance system capable of automating maintenance workflows.
Support and Collaborations
The efficient progress of the project is made possible through academic and technical collaborations:
-
AugeLab Licensing Support: Access to AI and advanced analytics tools.
-
Future Action AI Hub: Project guidance, mentorship, and technical contributions.
-
Yalova University – Computer Engineering Department: Academic infrastructure and development environment.
These collaborations aim to build an AI solution that is both technically robust and applicable in real industrial environments.
Invitation for Students and Young Developers
This project demonstrates that with the right software tools and AI infrastructure, students can produce industry-level solutions.
Both the licensing opportunities provided by AugeLab and the development ecosystem of Future Action AI Hub offer valuable opportunities for students to join similar projects or develop their own AI-driven systems.
We invite all students interested in advanced technologies to become part of this dynamic ecosystem!