SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2020 / Cilt: 35 - Sayı: 4

Hidroelektrik santrallarda bakım çizelgeleme için hibrid bir model önerisi

Evrencan ÖZCAN
Tuğba DANIŞAN
Tamer EREN
Pages
1815–1828
Publication Date
2020-07-21
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Hesaplanan bu süreler TP modeline dahil edilerek beş farklı periyodik bakım türü çizelgelenmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bakım, endüstriyel işletmelerde üretim, personel ve malzeme ile eş zamanlı yönetilmesi gereken önemli bir prosestir.
📊
Key Findings & Data:İlk aşama bakım stratejilerinin belirlenmesi ve ikinci aşama ise bakım çizelgelerinin oluşturulmasıdır.
💡
Conclusion & Impact:Hesaplanan bu süreler TP modeline dahil edilerek beş farklı periyodik bakım türü çizelgelenmiştir.
🔬Design:Survey & Empirical Study
📍Scope:Comprehensive Sample
⚙️Variables:Bakım çizelgeleme · üretim tahmini · hidroelektrik santral

Özet

Bakım, endüstriyel işletmelerde üretim, personel ve malzeme ile eş zamanlı yönetilmesi gereken önemli bir prosestir. Bu önemli prosesin kritik aşamalarının başında bakım planlaması gelmektedir. Bakım planlaması için gerekli olan iki aşama bulunmaktadır. İlk aşama bakım stratejilerinin belirlenmesi ve ikinci aşama ise bakım çizelgelerinin oluşturulmasıdır. Bu çalışma, bakım planlamasının ilk adımını oluşturan bakım strateji seçiminin gerçekleştirildiği bir çalışmanın devamı olarak bakım çizelgelemesi için yapılmıştır. Bakım strateji seçimi için gerçekleştirilen ilk adımdaki çalışmada, Türkiye’deki büyük ölçekli bir hidroelektrik santralda yer alan 1330 elektriksel ekipman incelenmiş ve santral açısından kritiklik seviyesi belirlenmiştir. Analitik Hiyerarşi Prosesi (AHP), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) ve Tam Sayılı Programlama (TP) yöntemleri kullanılmıştır. Çalışma sonucunda bir zaman çizelgesi doğrultusunda gerçekleştirilebilecek olan, periyodik bakım stratejisinin uygulanabileceği kritik elektriksel 7 ana ekipman grubu belirlenmiştir. Elde edilen bu sonuçlar bakım planlamasındaki bakım çizelgeleme aşamasını oluşturan bu çalışmada kullanılmıştır ve periyodik bakım stratejisinin uygulanabileceği bu kritik elektriksel 7 ana ekipman grubu için bakım çizelgesi oluşturulmuştur. Bakım çizelgeleme için yapılan bu çalışmanın ilk aşamasında santralın bir yıllık üretim tahmini Yapay Sinir Ağı (YSA) yöntemi ile gerçekleştirilmiş ve bu tahmin sonucunda elde edilen verilerden çalışma-bakım süreleri hesaplanmıştır. Hesaplanan bu süreler TP modeline dahil edilerek beş farklı periyodik bakım türü çizelgelenmiştir.

🔖

Cite This Article

ÖZCAN, E., DANIŞAN, T., EREN, T. (2020). Hidroelektrik santrallarda bakım çizelgeleme için hibrid bir model önerisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 35 - Sayı: 4, 1815–1828. https://ajindex.com/articles/19714

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. TEİAŞ. Kurulu Güç Raporları Haziran 2019. https://www.teias.gov.tr/sites/default/files/2019-07/KURULU%20G%C3%9C%C3%87%20%C4%B0NTERNET%20HAZ%C4%B0RAN%20AYI_0.pdfErişim tarihi Ağustos 3, 2019
  2. Özcan E.C., Bakım Yönetim Sistemi: Kurulum ve İşletme Esasları, Elektrik Üretim A.Ş. Yayınları, Ankara, Türkiye, 2016
  3. Özcan E.C., Yumuşak R., Eren T., Risk based maintenance in the hydroelectric power plants, Energies, 12(8), 1502, 2019
  4. Özcan E.C., Ünlüsoy S., Eren T., A combined goal programming–AHP approach supported with TOPSIS for maintenance strategy selection in hydroelectric power plants, Renewable Sustainable Energy Rev., 78, 1410-1423, 2017
  5. Özcan E.C., Danışan T., Eren T., Hidroelektrik santralların en kritik elektriksel ekipman gruplarının bakım stratejilerinin optimizasyonu için matematiksel bir model önerisi, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, basımda, 2019
  6. White H., Learning in artificial neural networks: A statistical perspective, Neural Comput., 1(4), 425-464, 1989
  7. Ripley B.D., Statistical aspects of neural networks, Networks and chaos statistical and probabilistic aspects, 50, 40-123, 1993
  8. Cheng B., Titterington D.M., Neural networks: A review from a statistical perspective, Statistical Science, 2-30, 1994
  9. Liao S.H., Wen C.H., Artificial neural networks classification and clustering of methodologies and applications–literature analysis from 1995 to 2005, Expert Syst. Appl., 32(1), 1-11, 2007
  10. Al-Shayea Q.K., Artificial neural networks in medical diagnosis, International Journal of Computer Science Issues, 8(2), 150-154, 2011
  11. Yuce B., Rezgui Y., Mourshed M., ANN–GA smart appliance scheduling for optimised energy management in the domestic sector, Energy Build., 111, 311-325, 2016
  12. Voyant C., Notton G., Kalogirou S., Nivet M.L., Paoli C., Motte F., Fouilloy A., Machine learning methods for solar radiation forecasting: A reviews, Renewable Energy, 105, 569-582, 2017
  13. Notton G., Voyant C., Fouilloy A., Duchaud J.L., Nivet M.L., Some applications of ANN to solar radiation estimation and forecasting for energy applications, Applied Sciences, 9(1), 209, 2019
  14. Dougherty M., A review of neural networks applied to transport, Transportation Research Part C: Emerging Technologies, 3(4), 247-260, 1995
  15. Shankaracharya D.O., Samanta S., Vidyarthi A.S., Computational intelligence in early diabetes diagnosis: a reviews, The review of diabetic studies: RDS, 7(4), 252, 2010. [16]