Öz Günümüzde neredeyse tüm otomobil üreticileri, elektronik ve bilişim sektöründen tanınmış birçok şirket sürücüsüz otomobiller için çalışmalar yürütmektedir. Otomobillerde otonom sürüş işlevlerinin tanıtımları yapılmakta, bu teknolojinin insanlar ve çevre için potansiyelleri, faydaları ve risklerini yoğun bir şekilde tartışılmaktadır. Sürüş yardımı işlevine sahip araçların, hatta yolcu ve eşya taşımacılığına yönelik otonom araçların (AV) günlük trafikte giderek artan bir paya sahip olması beklenmektedir. Gerçek sürücüsüz otomobiller, yapay zekânın otomobili tamamen kendi başına sürdüğü ve sürüş görevi sırasında herhangi bir insan yardımı olmadığı araçlardır. Otomotiv Mühendisleri Topluluğu (SAE, Society for Automotive Engineers) otonom araçlar için 0 ila 5. seviye arasında değişen standart (J3016) yayınlamıştır. Seviye "0" otomasyon olmayan basit model araçlara işaret ederken, seviye "5" gerçek bir sürücüsüz otomobili belirtmektedir. Sürücüsüz araç teknolojilerinde hedeflenen, mevcut durumda kullanılan ve insanlar tarafından yapılan faaliyetlerin devre dışı bırakılması, insanların araç idaresi sırasındaki algılama yeteneklerinin teknoloji vasıtasıyla yapılması, daha az risk taşıyacak şekilde araçların üretilmesi ve yaygınlaştırılmasıdır. Bu araçlar hareket kabiliyetini kullanırken insanların duyu organları yerine geçen, daha az hata yapan, daha kısa zamanda karar verebilen; radar, lidar, kamera, sensör, GPS, bilgisayar ve ileri derecede gelişmiş kontrol sistemleri kullanmaktadır. AV'lerin güvenliği ve konforu artıracağı, trafik sıkışıklığını, kirliliği, yakıt tüketimini azaltacağı ve aynı zamanda engelliler ve yaşlı insanlar için mobilite erişilebilirliğini daha da kolaylaştıracağı tahmin edilmektedir. Ayrıca, otonom sürüşün kaza ve çarpışmaların sayısını da azaltacağı öngörülmektedir. Bütün bu veriler otonom araçların önümüzdeki yıllara damga vuracak teknolojiler arasında yer alacağını göstermektedir.

The main purpose of Industry 4.0 applications is to provide maximum uptime throughout the production chain, to reduce production costs and to increase productivity. Thanks to Big Data, Internet of Things (IoT) and Machine Learning (ML), which are among the Industry 4.0 technologies, Predictive Maintenance (PdM) studies have gained speed. Implementing Predictive Maintenance in the industry reduces the number of breakdowns with long maintenance and repair times, and minimizes production losses and costs. With the use of machine learning, equipment malfunctions and equipment maintenance needs can be predicted for unknown reasons. A large amount of data is needed to train the machine learning algorithm, as well as adequate analytical method selection suitable for the problem. The important thing is to get the valuable signal by cleaning the data from noise with data processing. In order to create prediction models with machine learning, it is necessary to collect accurate information and to use many data from different systems. The existence of large amounts of data related to predictive maintenance and the need to monitor this data in real time, delays in data collection, network and server problems are major difficulties in this process. Another important issue concerns the use of artificial intelligence. For example, obtaining training data, dealing with variable environmental conditions, choosing the ML algorithm better suited to a specific scenario, necessity of information sensitive to operational conditions and production environment are of great importance for analysis. In this study, predictive maintenance studies for the transfer press machine used in the automotive industry, which can predict the maintenance need time and give warning messages to the relevant people when abnormal situations approach, are examined. First of all, various sensors have been placed in the machine for the detection of past malfunctions and it has been determined which data will be collected from these sensors. Then, machine learning algorithms used to detect anomalies with the collected data and model past failures were created and an application was made in a factory that produces automotive parts.