LEE- Deniz Ulaştırma Mühendisliği-Doktora
Bu koleksiyon için kalıcı URI
Gözat
Konu "big data" ile LEE- Deniz Ulaştırma Mühendisliği-Doktora'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeKonteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi(Lisansüstü Eğitim Enstitüsü, 2022-01-28) Atak, Üstün ; Arslanoğlu, Yasin ; Kaya, Tolga ; 512182014 ; Deniz Ulaştırma MühendisliğiDeniz taşımacılığında seyir planlaması ve operasyon ile ilgili tahmin yürütebilmek için farklı türde veri kullanılabilmektedir. Hava durumu, yük bilgileri ve gemi özellikleri gibi verilerin uygun sistemler ile toplanıp analiz edilmesi enerji verimliliği sağlanması açısından değerli çıkarımlar yapılabilmesine olanak sağlayabilmektedir. Tıpkı elektronik seyir sistemleri ve yardımcılarında olduğu gibi elde edilecek verinin yenilikçi yöntemler ile operasyon sürecine dahil edilmesiyle birlikte deniz taşımacılığının güvenli, emniyetli ve uygun maliyetli bir şekilde tamamlamasına katkı sağlanabilmektedir. Öte yandan, veri bilimi uygulamaları farklı sektör uygulamaları ile son yıllarda yaygınlığını artırmaya başlamıştır. Uzman ya da analiz yapan kişiler yeterli ve doğru veri ile hesaplamalar yapabilmek için farklı yöntemleri kullanabilmektedir. Bu doğrultuda, ekipman ya da insan tarafından üretilen veri ile sistem davranış modellemesi yapılabilmektedir. Büyük veri, müşteri deneyimi analizlerinden veri madenciliği araçlarına kadar paydaşlara çeşitli çözümler sunabilmektedir. Operasyon verimliliği, sürücü destek sistemleri, tahminleyici bakım ve makine öğrenmesi uygulamaları ile çeşitli uygulama alanlarında çalışmalar bulunmaktadır. Benzer şekilde denizcilik sektörü uygulamaları sayesinde akıllı çözümler paydaşlara enerji tasarrufu ile birlikte uygun maliyetli seçenekler sunabilmektedir. Ayrıca, veri madenciliği çözümleri sayesinde daha büyük miktarda verinin üretildiği liman operasyonları için değerli analizler ve geliştirme hedefleri sağlanabilmektedir. Limana varış ve bekleme süresi tahmini yanı sıra yakıt tüketim hesabı ile hava kirliliğini azaltmak için gerçek zamanlı veri uygulamaları konteyner terminallerinde etkin makine öğrenmesi çözümlerinin ana başlıkları olarak değerlendirilebilir.