Bu proje, NASA'nın CMAPSS (Commercial Modular Aero-Propulsion System Simulation) veri setini kullanarak jet motorlarının kalan ömrünü (Remaining Useful Life - RUL) tahmin eden uçtan uca bir Derin Öğrenme (Deep Learning) uygulamasıdır.
Proje, ham verinin işlenmesinden başlayıp, LSTM (Long Short-Term Memory) tabanlı bir modelin eğitilmesine ve sonuçların interaktif bir Streamlit Dashboard üzerinde sunulmasına kadar tüm aşamaları kapsar.
Bu çalışmada, reaktif bakım yerine kestirimci bakım (predictive maintenance) stratejisi hedeflenmiştir. Model, sensör verilerindeki zaman serisi desenlerini analiz ederek motorun ne zaman bozulacağını tahmin eder.
| Metrik | Değer | Açıklama |
|---|---|---|
| RMSE | 14.33 | Ortalama hata payı (döngü cinsinden). |
| R² Score | 0.88 | Modelin veriyi açıklama oranı (%88 başarı). |
Kullanıcıların motor seçimi yapabildiği, sağlık durumunu anlık izleyebildiği arayüz:
- Veri Ön İşleme:
- Sliding Window (Kayan Pencere): Zaman serisi verisini LSTM'e uygun 3 boyutlu (Örnek, 50 Döngü, Özellik) yapıya dönüştürme.
- Feature Selection: Varyansı düşük (sabit) sensörlerin elenmesi.
- MinMax Scaling: Sensör verilerinin 0-1 aralığına normalize edilmesi.
- Hedef Değişken Mühendisliği:
- Piecewise RUL: Modelin başarısını artırmak için RUL değerleri 125 döngüde sabitlenerek (clipping) erken evre öğrenme kargaşası önlenmiştir.
- Model Mimarisi:
- Stacked LSTM: Zamanın akışına bağlı bozulma trendlerini yakalamak için katmanlı LSTM yapısı.
- Dropout: Overfitting'i (ezberlemeyi) önlemek için %20 dropout katmanları.
- Arayüz:
- Streamlit & Plotly: Gerçek zamanlı veri görselleştirme ve kullanıcı etkileşimi.
Projeyi kendi bilgisayarınızda çalıştırmak için aşağıdaki adımları izleyin:
git clone https://github.com/ehehehe-cmd/NASA-Jet-Engine-Predictive-Maintenance-Dashboard.git
cd NASA-Jet-Engine-Predictive-Maintenance-Dashboard
- Gerekli Kütüphaneleri Yükleyin:
pip install -r requirements.txt
- Uygulamayı Başlatın:
streamlit run app.py
Komutu çalıştırdıktan sonra tarayıcınızda otomatik olarak http://localhost:8501 adresi açılacaktır.
NASA_Proje/
├── CMAPSSData/ # NASA veri setlerinin bulunduğu klasör
│ ├── train_FD001.txt
│ ├── test_FD001.txt
│ └── RUL_FD001.txt
├── app.py # Streamlit web uygulaması ana dosyası
├── Proje.ipynb # Model eğitimi, veri analizi ve grafiklerin olduğu Notebook
├── nasa_jet_engine_model.keras # Eğitilmiş LSTM modeli
├── scaler.joblib # Veri normalizasyonu için kaydedilmiş Scaler
├── requirements.txt # Gerekli kütüphaneler listesi
└── README.md # Proje dokümantasyonu
Test seti üzerindeki Gerçek RUL vs Tahmin Edilen RUL karşılaştırması:
Geliştirici: Ergün Enes Yazırlıoğlu
LinkedIn: https://www.linkedin.com/in/erg%C3%BCn-enes-yaz%C4%B1rl%C4%B1o%C4%9Flu-282829292/
E-mail: ergunenesyazirlioglu@gmail.com