Üretim sistemlerinde bakım planlama kapsamında arızaların sınıflandırılması ve arıza zamanı tahmini
Küçük Resim Yok
Tarih
2025
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Bayburt Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışma, verimliliği etkileyen başlıca sorunları belirlemek için bir üretim tesisindeki sorunları, özellikle makine arızalarına odaklanarak değerlendirmekte ve sınıflandırmaktadır. İlk olarak, geçmiş arıza verileri Pareto analizi kullanılarak niceliksel olarak analiz edilmiş, arızalar sıklık ve toplam duruş süresine göre sıralanmış ve yağ yönetim sisteminin arızaların en önemli nedeni olduğu ortaya çıkmıştır. Günümüz imalat endüstrisindeki yüksek rekabet göz önüne alındığında, özellikle yağ yönetimi gibi kritik sistemleri içeren makine arızaları, üretim planlamasını ve bakımı etkileyerek iş operasyonları üzerinde önemli etkilere sahiptir. Bunu ele almak için, çalışma ayrıca yağ yönetim sisteminin arızaları için bir tahmin modeli geliştirmeyi amaçlamıştır. Geçmiş 150 arıza kaydı kullanılarak, Weibull dağılımının arıza sürelerini modellemeye uygunluğu, Minitab yazılımı ortamında, En Küçük Kareler Yöntemi (LSM) ve Maksimum Olabilirlik Yöntemi (MLE) ile değerlendirilmiştir. MLE en doğru yöntem olarak belirlenmiş, verimli bakım planlaması ve etkili arıza yönetimi için gerekli olan güvenilir arıza süresi tahminleri sağlayarak, sonuçta arızayla ilgili maliyetleri en aza indirmeyi ve üretim çalışma süresini en üst düzeye çıkarmayı amaçlamıştır.
This study evaluates and categorizes problems in a manufacturing plant to identify the major problems affecting productivity, with a particular focus on machine failures. First, historical failure data is quantitatively analyzed using Pareto analysis, the failures are ranked according to frequency and total downtime, and it is revealed that the oil management system is the most important cause of failures. Given the high competition in today's manufacturing industry, machine failures, especially those involving critical systems such as oil management, have significant impacts on business operations by affecting production planning and maintenance. To address this, the study also aimed to develop a prediction model for failures of the oil management system. Using 150 past failure records, the suitability of the Weibull distribution for modeling downtime was evaluated using the Least Squares Method (LSM) and Maximum Likelihood Estimation Method (MLE) in Minitab software. MLE was determined to be the most accurate method, providing reliable downtime predictions necessary for efficient maintenance planning and effective failure management, ultimately aiming to minimize failure-related costs and maximize production uptime.
This study evaluates and categorizes problems in a manufacturing plant to identify the major problems affecting productivity, with a particular focus on machine failures. First, historical failure data is quantitatively analyzed using Pareto analysis, the failures are ranked according to frequency and total downtime, and it is revealed that the oil management system is the most important cause of failures. Given the high competition in today's manufacturing industry, machine failures, especially those involving critical systems such as oil management, have significant impacts on business operations by affecting production planning and maintenance. To address this, the study also aimed to develop a prediction model for failures of the oil management system. Using 150 past failure records, the suitability of the Weibull distribution for modeling downtime was evaluated using the Least Squares Method (LSM) and Maximum Likelihood Estimation Method (MLE) in Minitab software. MLE was determined to be the most accurate method, providing reliable downtime predictions necessary for efficient maintenance planning and effective failure management, ultimately aiming to minimize failure-related costs and maximize production uptime.
Açıklama
Anahtar Kelimeler
Makine Mühendisliği, Mechanical Engineering
