Tekstil Endüstrisinde Derin Öğrenme Kullanarak Aşırı Elektrik Tüketiminin Önlenmesine Yönelik Bir Vaka Çalışması

Abstract

Endüstrinin en kritik girdileri kaynaklardır ve bu nedenle kaynak tüketimi endüstriyel süreçlerde en aza indirilmesi gereken önemli bir konudur. Öte yandan, kaynak tüketimi birçok parametreye bağlı olduğu için tahmin edilmesi zordur. Son dönemlerde, Makine Öğrenmesi (MÖ) ve Derin Öğrenme (DÖ) kavramları, herhangi bir alanda gelecek tahmini için kullanılan güçlü Yapay Zeka alt alanlarıdır. Bu çalışmada tekstil endüstrisi için bir vaka çalışması olarak, makinelerin bekleme durumunda aşırı kaynak tüketimini önlemek amacıyla DÖ destekli bir elektrik tahmin modeli tasarlanmıştır. Bu yöntem, makinelerin karar verme süreçlerini içeren ve aşırı tüketime nedeniyle üretimi kesintiye uğratmasına yardımcı olan Uzun-Kısa Süreli Bellek (UKSB) tabanlı kayan pencere tekniği sayesinde elektrik tüketiminin saatlik dinamik eşik değerlerini tahminlemektedir. Hesaplanan eşik değerleri, Tekrarlayan Sinir Ağları (TSA) ve Kapılı Tekrarlayan Birimler (KTB) gibi diğer Derin Öğrenme yöntemleri ve geleneksel bir yöntem olan Otomatik Regresif Entegre Hareketli Ortalama (ARIMA) yöntemi ile karşılaştırılmış, elde edilen sonuçların makinelerin bekleme durumundaki gerçek zamanlı elektrik tüketim verilerine ne kadar yaklaştığı analiz edilmiştir. Elde edilen sonuçlara göre, UKSB modeli elektrik tüketim seviyelerini başarılı bir şekilde tahmin etmekte, tüketim seviyeleri eşiğe ulaştığında Programlanabilir Mantık Denetleyicisi (PMD) ünitesine durma sinyali göndermekte ve bu sayede aşırı kaynak tüketimini engellemektedir.