Atıf Sayısı
2
Görüntüleme
13
İndirme
2
Dijital dönüşüm sanayideki birçok sürecin veri odaklı yeni yaklaşımlarla ele alınmasını gerekli kılmaktadır. Bu bağlamda Endüstri 4.0 ile beraber akıllı fabrikalarda da önemli dijital dönüşümün olması beklenmektedir. Akıllı fabrikalardaki dijital dönüşüme katkı sağlayacak en önemli teknolojilerden bir tanesi de otonom taşıyıcı araç (OTA)’lardır. OTA’ların fabrika içerisindeki görevlerini verimli bir şeklide gerçekleştirmeleri ve beklenmedik bir problem veya aksama olduğunda insan müdahalesi olmadan bu durumun veri üzerinden tespiti önemlidir. Bu çalışmada, Bulanık mantık ile OTA’ların fabrika içerisindeki trafik ağında oluşabilecek beklenmedik durma, yavaşlama vb. kaynaklı anormal durumlar tespit edilmektedir. Yapılan testlerde önerilen yöntemin %84,62 başarıyla sonuç verdiği gözlenmiştir.
Many processes in the digital transformation industry make it necessary to be dealt with by new data-oriented approaches. In this context, Industry 4.0 and smart factories are expected to have a significant digital transformation. One of the most important technologies to contribute to the digital transformation in smart factories is autonomous carrier vehicles (OTAs). It is important that OTAs perform their tasks in the factory in an efficient way and that when an unexpected problem or disorder occurs, this situation is identified by data without human intervention. In this study, unpredictable stop, slowdown, etc. may occur in the traffic network of OTAs within the factory. An abnormal occurrence is identified. In the test, 84.62 percent of the recommended method was found to be successful.
Digital transformation requires new data-oriented approaches in industry. In this context, it is expected that there will be significant digital transformation in the smart factories with Industry 4.0. One of the most important technologies that will contribute to digital transformation in smart factories is the autonomous transport vehicle (ATV). ATVs are expected to perform their tasks in the factory in an efficient manner. And it is also expected to detect an unexpected problem or any failure via the data without human intervention. This study aimed determining abnormal conditions of traffic network such as unexpected stop and deceleration by using fuzzy logic in the factory. The performed tests show that the proposed method results success (84.62%).
Alan : Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
