A Study of an Applicable Methodology for Implementaion of Machine Learning Techniques in Maintenance Engineering

Abstract

Oppgavens originale intensjon var ˚a presentere en metodologi som var b˚ade enkel og anvendbar for implementeringen av maskinlæringsteknikker for prediktivt vedlikehold, med fokus p˚a veiledet læringsalgoritmer. Oppgaven introduserer kort motivasjon og historie for fremskritt innen vedlikeholdsfaget, før oppgaven presenterer den teoretiske bakgrunnen nødvendig for ˚a følge metodologien som s˚a blir presentert. Videre diskuteres mangler ved metodologien, som metodologiens manglende evne til ˚a h˚andtere komponenters avhengighet og feil i flere komponenter som følge av samme grunn˚arsak. Men ogs˚a metodologiens manglende evne til ˚a modellere komponenter med ikke-binær evne til ˚a utføre komponentens funksjon, og usikkerheter. Det viktigste resultatet er begrensningene ved ˚a velge p˚alitelighets blokk diagram som overordnet system modell, et valg motivert av en naiv intensjon. Men et valg som begrenser metodologiens intensjon og potensial. Sist presenteres videre arbeid for ˚a korrigere disse begrensningene, men samtidig beholde metodologiens intensjon.

This thesis original intention was to present a methodology both simple and applicable for the implementation of machine learning techniques for predictive maintenance, with emphasis on supervised learning algorithms. It briefly introduces the motivation and history for advances in the field of maintenance before it presents the necessary theoretical background required to follow the purposed methodology. It discusses the identified shortcomings of the current methodology, such as the inability to adequately consider component dependability and common cause failures, multiple functional states, and uncertainties. But most importantly the inadequacies of choosing reliability block diagram as the system tier model, a choice motivated by the naive intention. But A choice that severely constrains the potential and applicability of the presented methodology. Lastly further work to correct the discussed shortcomings of the methodology yet retain the intention is presented.