Analysis of Heavy Vehicle Air Compressor Failure States Using Naive Bayes Classifier

Abstract

Air compressors are vital for the air supply of heavy vehicle braking systems. With the piston connecting rod mechanism it has in it, it ensures that the air is delivered to the desired pressure (10-12.5 bar) and stored in the tank. While changes of its components can be made at small fees during planned maintenance, it can cause the vehicle to stay on the road in case of failure and can be repaired with a high amount of fees and unplanned loss of time. Unexpected failure times can cause heavy vehicles to deliver their products to the customer late and cause customer dissatisfaction. In this study, the fault situations that may occur in the air compressor were investigated and the deciencies determined by the test device created in the company's R &D unit were performed manually. The obtained data were recorded with Dewesoft software. Naive Bayes Classifier models were created using Python software. Models were trained with 80% of the total data and fault prediction was made with 20%. Classification performances for training and test data were examined and the results were evaluated.

Keywords

• Heavy Vehicle Air Compressor Fault
• Bernoulli – Multinominal - Gaussian Naive Bayes Classifier
• Machine Learning.

Ağır Vasıta Hava Kompresörü Arıza Durumlarının Naive Bayes Sınıflandırıcısı Kullanılarak Analizi

Öz

Hava kompresörleri ağır vasıta fren sistemlerinin hava ile beslenmesi için hayati öneme sahiptir. İçerisinde bulundurduğu piston biyel mekanizması ile havanın istenilen basınca ulaştırılarak (10-12.5 bar) tanka depo edilmesini sağlamaktadır. Planlı bakımlarda bileşenlerinin cüzi ücretlerle değişimleri yapılabilirken, arıza durumlarında aracın yolda kalmasına sebep olabilmekte ve yüksek miktarda ücret ve plansız zaman kaybı ile onarımı yapılabilmektedir. Beklenmedik arıza süreleri ağır vasıtaların taşıdıkları ürünleri müşteriye geç teslim edilmesine sebep olabilmekte ve müşteri memnuniyetsizliğine sebep olmaktadır. Bu çalışma ile hava kompresöründe gerçekleşebilecek arıza durumları araştırılmış ve firma Ar-Ge biriminde oluşturulan test düzeneği ile belirlenen arızalar manuel olarak gerçekleştirilmiştir. Elde edilen veriler Dewesoft yazılımı ile kayıt altına alınmıştır. Python yazılımı kullanılarak Naive Bayes Sınıflandırıcısı modelleri oluşturulmuştur. Toplam verinin %80’lik kısmı ile modeller eğitilmiş ve %20 ‘lik kısmı ile arıza tahmininde bulunulmuştur. Eğitim ve test verileri için sınıflandırma performansları incelenmiş ve elde edilen sonuçlar değerlendirilmiştir.

Anahtar Kelimeler

• Ağır Vasıta Hava Kompresörü Arızaları
• Bernoulli – Multinominal - Gaussian Naive Bayes Sınıflandırıcısı
• Makine Öğrenmesi

Kaynakça

1. Ünüvar, E., Gül, E., Aydıner, M. Ş. ve Kalyoncu, M., 2019, Investigation of the effect of intake and exhaust valve dimensions on performance for heavy duty vehicle air compressors, The International Aluminium-Themed Engineering and Natural Sciences Conference “IATENS-2019” Seydişehir / Konya, 1-1118.
2. Anonymous, 2019a, Heavy vehicle air compressor pictures, https://moto-press.pl/en/vaden-original.html [Ziyaret Tarihi: 10.06.2020].
3. Anonymous, 2008, Health for your air compressor Knorr-Bremse. Service Instructions.
4. Cömert, B., 2016, Alın bölgesinden alınan elektrookülogram (EOG) işaretleri için ölçüm devresi tasarımı ve sınıflandırılması, Balıkesir Üniversitesi, Fen Bilimleri Enstitüsü, 97.
5. Aydın, D. B., 2016, Yenidoğan yoğun bakım ünitesinde idrar yolu enfeksiyonunu tanımlama için yapay sinir ağı tabanlı bir karar destek sisteminin geliştirilmesi Bozok Üniversitesi Fen Bilimleri Enstitüsü 67.
6. Aydıner, M. Ş., Ünüvar, E., & Kalyoncu, M. Bir Ağır Vasıta Hava Kompresörünün Performansının Deneysel olarak İncelenmesi, International Symposium on Automotive Science and Technology, ISASTECH, 2019.
7. Gül, E., Ünüvar, E., & Kalyoncu, M. Ağır Vasıta Hava Kompresörü Arızaları ve Performansa Etkilerinin Deneysel İncelenmesi. Paper presented at the International Symposium on Automotive Science and Technology, 2019.
8. Gül, E , Kalyoncu, M . Ağır Vasıta Hava Kompresörü Piston Segmanı Aşınması Durumlarında K-En Yakın Komşu Algoritmasının Sınıflandırma Performansının İncelenmesi. Avrupa Bilim ve Teknoloji Dergisi, 2020, 78-90 . DOI: 10.31590/ejosat.802958.

9. Gül, E., Kalyoncu, M., Kula, G., 2020, “Ağır vasıta hava kompresorlerinde piston segmanlarından yağ verme problemlerinin rastgele orman algoritmasi ile tahmini”, The International Conference of Materials and Engineering Technology, Gaziantep.
10. Gül, E., Ağır Vasıta Hava Kompresörü Arızalarının Makine Öğrenmesi Yöntemleri Kullanılarak Analizi, Yüksek Lisans Tezi, Konya Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, Makine Mühendisliği Anabilim Dalı, 2020.