Eski Nesil Endüstriyel Ekipmanlar için Çok Fonksiyonlu IoT Dönüşüm Kartı: Tasarım, Gerçekleme ve Test Sonuçları

Özetçe

 Bu çalışma, endüstriyel üretim hatlarında yaygın olarak kullanılan eski nesil ekipmanların Endüstri 4.0 standartlarına uyumlu hale getirilmesi için yenilikçi bir donanım çözümü sunmaktadır. Geliştirilen çok fonksiyonlu IoT dönüşüm kartı, özellikle hassas montaj işlemlerinde kullanılan el aletlerinin dijital dönüşümünü hedeflemektedir. Çalışmanın özgün değeri, Hall Effect sensörleri ve yapay sinir ağları teknolojisinin kombinasyonu ile geleneksel tork sensörlerine alternatif, düşük maliyetli bir çözüm sunmasıdır. Tasarlanan elektronik kart, ARM tabanlı STM32F103C8T6 işlemci ve ESP32 kablosuz haberleşme modülü kullanılarak gerçekleştirilmiş olup, WI-FI protokolü üzerinden veri iletimi sağlamaktadır. Sistemin temel yenilikleri arasında Hall Effect sensörleri ile tork ölçümü, MPU9250 9 eksen IMU sensörü ile açısal pozisyon kontrolü ve yapay sinir ağları ile gelişmiş veri analizi bulunmaktadır. Altium Designer programında tasarlanan çift katmanlı PCB (Printed Circuit Board), prototip üretimi sonrasında Multisim programı ile kapsamlı devre analizlerine tabi tutulmuştur. Test sonuçları, sistemin endüstriyel ortam gereksinimlerini karşıladığını ve özellikle güç katı performansı, gürültü karakterizasyonu ve termal dayanım açısından başarılı olduğunu göstermiştir. Geliştirilen çözüm, bakım personeli tarafından minimum teknik müdahale ile montaj ve devreye alma imkanı sunan modüler bir yapıya sahiptir. Bu çalışma, endüstriyel ekipmanların düşük maliyetli dijital dönüşümü için yeni bir metodoloji önermekte ve Endüstri 4.0 entegrasyonunda pratik bir çözüm sunmaktadır.

Anahtar Kelimeler — Endüstri 4.0, Gömülü Sistemler, Yapay Sinir Ağları, Elektronik Kart Tasarımı, Hall Effect Sensörleri 

Günümüz üretim sahalarında eski tipli ekipman ve el aletlerinin kullanımı hala yaygındır. Bu tip araç-gereçlerden veri alınamaması, üst sistem yazılımları ile haberleştirilememesi ve kalite süreçlerinin takip edilememesi önemli sorunlara yol açmaktadır. Özellikle kritik-hayati parça üretimi/montaj işlemlerinde kullanılan bu ekipmanlar, üretim hattının verimliliği açısından ciddi riskler barındırmaktadır. Bu durum, üretim süreçlerinin dijital dönüşümünü zorlaştırmakta ve Endüstri 4.0 entegrasyonunu sekteye uğratmaktadır. Ayrıca, manuel veri toplama süreçleri insan kaynaklı hatalara açık olup, gerçek zamanlı üretim takibini imkansız hale getirmektedir.

Endüstriyel üretim sahalarında kullanılan eski nesil ekipmanların modernizasyonu, yalnızca verimliliği artırmakla kalmayıp aynı zamanda kalite güvence süreçlerinin de iyileştirilmesini sağlamaktadır. Özellikle otomotiv, havacılık ve medikal sektörlerinde kullanılan hassas sıkma ve montaj işlemlerinde, operasyon parametrelerinin sürekli izlenmesi ve kayıt altına alınması kritik önem taşımaktadır. Bu bağlamda mevcut ekipmanların dijital dönüşümü, üretim hatalarının minimize edilmesi, ürün izlenebilirliğinin artırılması ve kalite standartlarının sağlanması açısından bir zorunluluk haline gelmiştir. Geleneksel sistemlerin modern endüstriyel haberleşme protokolleri ile entegre edilememesi, işletmelerin dijital dönüşüm süreçlerinde önemli bir engel teşkil etmektedir.

Hızla gelişen endüstriyel otomasyon teknolojileri ve artan kalite gereksinimleri, üretim sahalarındaki tüm ekipmanların dijital bir ekosistem içerisinde entegre çalışmasını zorunlu kılmaktadır. Bu entegrasyonun sağlanamaması durumunda, üretim süreçlerinin optimizasyonu, enerji verimliliği, prediktif bakım ve kalite kontrol gibi modern üretim yönetimi uygulamalarının hayata geçirilmesi mümkün olamamaktadır. Dolayısıyla, eski nesil ekipmanların akıllı sistemlere dönüştürülmesi, endüstriyel işletmelerin rekabet güçlerini koruyabilmeleri ve sürdürülebilir üretim hedeflerine ulaşabilmeleri için stratejik bir öneme sahiptir.

A. Literatür Araştırması

Eski nesil endüstriyel ekipmanların Endüstri 4.0 standartlarını karşılayacak şekilde güncellenmesi, öncelikli olarak yenileme (retrofit), akıllı teknolojilerin entegrasyonu ve maliyet etkinliği üzerine odaklanan çeşitli önemli hususları içermektedir. Mevcut ekipman ile modern standartlar arasındaki teknolojik boşluk, verimlilik ve etkinliği engelleyebilecek önemli bir zorluk teşkil etmektedir [1]. Yenileme (retrofit), eski makinelerin IoT bileşenleri ve sensörler ile güçlendirilmesine olanak sağlayarak, sistemin tamamen değiştirilmesine gerek kalmadan gerçek zamanlı veri alışverişi ve öngörücü bakım imkanı sunan uygulanabilir bir çözüm sunmaktadır [2][3]. Programlanabilir mantık denetleyicilerine (PLC) web sunucularının entegrasyonu ve I/O-Link cihazlarının kullanımı, eski sistemleri üretim değişikliklerine uyum sağlayabilen akıllı cihazlara dönüştürebilmektedir [1]. Ayrıca, ORiON Üretim Arayüzü (OPI) gibi metodolojiler, operasyonel tepki verme yeteneğini artırarak otonom hata tespiti ve kalite kontrolünü kolaylaştırabilmektedir [4]. Genel olarak, bu stratejiler sadece eski sistemlerin işlevselliğini geliştirmekle kalmayıp, aynı zamanda onları Endüstri 4.0 uyumluluğu için gerekli olan dijital iş akışlarıyla uyumlu hale getirmektedir [5]. Endüstriyel ekipmanların öngörücü bakımı için makine öğrenimi algoritmalarının gömülü sistemlerle entegrasyonu, çeşitli sensörlerden gelen verilerin kullanılmasını ve potansiyel arızaları öngörmek için gelişmiş analitik tekniklerin uygulanmasını içermektedir. Bir çalışmada gösterildiği gibi, Rastgele Orman modellerinin kullanımı, Azure Cloud mimarisi içindeki sensörler ve PLC'lerden toplanan verileri analiz ederek yüksek doğrulukta tahminler yapılmasına olanak sağlamaktadır [6]. Ek olarak, Gaussian Karışım Modelleri (GMM) ile Uzun-Kısa Vadeli Bellek (LSTM) ağlarını birleştiren hibrit modeller, makine durumlarını doğru şekilde sınıflandırarak ve arıza konumlarını tahmin ederek öngörü yeteneklerini geliştirmektedir [7]. Ayrıca, Nesnelerin İnterneti (IoT) teknolojilerinin entegrasyonu, ekipman sağlığının değerlendirilmesi için kritik öneme sahip sıcaklık ve titreşim gibi operasyonel parametrelerin izlenmesini sağlayan gerçek zamanlı veri toplama ve analizini kolaylaştırmaktadır [8][9]. Bu kapsamlı yaklaşım, planlanmamış duruş sürelerini ve bakım maliyetlerini azaltmanın yanı sıra endüstriyi daha proaktif bakım stratejilerine doğru yönlendirmektedir [10][9].

B. Çalışmanın Amacı ve Kapsamı

Eski teknolojili elektro-mekanik sistemlerin yapay sinir ağları kullanılarak modernizasyonunu hedeflemektedir. Projenin temel amacı, endüstriyel sahalarda kullanılan geleneksel ekipmanları minimum maliyet ve maksimum uyumluluk ile Endüstri 4.0 standartlarına yükseltmektir. Bu kapsamda, farklı marka ve modeldeki eski nesil ekipmanların tek bir standart çözüm ile dijitalleştirilmesi ve mevcut üretim yönetim sistemlerine entegrasyonu amaçlanmaktadır. Proje iki temel aşamadan oluşmaktadır: 

Elektronik kartın geliştirilmesi ve üretilmesi 

Donanım tasarımı ve komponent seçimi

PCB tasarımı ve prototip üretimi

Sensör entegrasyonu ve kalibrasyon

Donanım testleri ve optimizasyon

Gömülü yazılımın geliştirilmesi 

Yapay sinir ağları modelinin implementasyonu

Haberleşme protokollerinin entegrasyonu

Veri toplama ve işleme algoritmalarının geliştirilmesi

Kullanıcı arayüzü ve sistem monitırizasyonu

Bu çalışmada, projenin birinci aşaması olan elektronik kart tasarımı ve üretimi detaylı olarak ele alınmaktadır. Geliştirilen elektronik kart, modüler yapısı sayesinde farklı endüstriyel ekipmanlara kolayca adapte edilebilmektedir. Kart üzerinde bulunan gelişmiş sensör sistemleri ve işlem birimleri, ekipmanların kritik operasyon parametrelerini hassas bir şekilde ölçebilmekte ve analiz edebilmektedir. Ayrıca, kablosuz haberleşme özellikleri sayesinde toplanan veriler gerçek zamanlı olarak üst sistem yazılımlarına aktarılabilmektedir.

Projenin özgün değeri, geleneksel endüstriyel ekipmanların akıllı sistemlere dönüştürülmesinde kullanılan yapay sinir ağları tabanlı yaklaşımdan kaynaklanmaktadır. Bu yaklaşım, ekipmanların davranışlarının öğrenilmesini ve optimum çalışma parametrelerinin belirlenmesini sağlamaktadır. Böylece, sistem sadece veri toplama ve iletimi değil, aynı zamanda prediktif analiz ve karar destek fonksiyonları da sunabilmektedir. Bu özellikleri ile proje, endüstriyel modernizasyon çalışmalarına yenilikçi bir bakış açısı getirmektedir.

A. Elektronik Devre Tasarımı

Elektronik kartın tasarımı "Altium Designer" programı kullanılarak gerçekleştirilmiştir. Bu program, profesyonel elektronik tasarımı için kullanılan bir yazılım olup PCB tasarımı, devre simülasyonu, bileşen yönetimi ve üretim dosyaları oluşturma gibi kapsamlı özellikler sunmaktadır. Fig.1.’de Altium Designer programında ilgili devrenin tasarımı görülmektedir. 

Tasarlanan kart üzerinde bulunan temel bileşenler: 

İletişim Modülleri: 

• WI-FI protokolü (2.4 GHz)

• ESP32 kablosuz haberleşme modülü

• ARM tabanlı STM32F103C8T6 işlemci

Sensör ve Ölçüm Birimleri: 

• Hall effect sensörleri (WCS1700 ve ACS758LCB-050U-PFF-T)

• MPU9250 9 eksen IMU sensörü

• Temaslı ve temassız özelliklerde sensörler

Kullanıcı Arayüzü: 

• LED indikatör

• OLED display

• Kontrol butonları

B. PCB Tasarımı ve Katmanlar

Çalışmada PCB (Printed Circuit Board) tasarımı alt ve üst olmak üzere çift katmanlı olarak tasarlanmıştır. Tasarlanan elektronik kart üzerinde WI-FI protokolü ile 2.4 GHz frekansında veri iletimi sağlanır. Kart üzerinde konumlandırılmış olan led indikatör ve OLED display sayesinde makine durumu/alarmlar/uyarılar/ geribildirimler/ ekipman-cihaz performansı anlık olarak operatöre gösterilir ve üst sistem yazılımlardan takip edilebilir. Fig.2.’de kart üzerine konumlandırılmış olan butonlar görülmektedir. Bu butonlar aracılığıyla operatörden geri bildirimler (manuele alma, iş bitirme ve atlama vb.) alınır. 

Yanlış sıkılmış vidalar, titreşimler veya vibrasyonlar nedeniyle gevşeyebilir. Örneğin sıkma açısına dikkat edilmemesi eşit yük dağılımına engel olur, bağlantı gücünü zayıflatır ve deformasyona sebep olur. Bir başka örnek olarak tork kontrolünün yapılmadan sıkılan vidalarda ya aşırı tork nedeniyle vida mukavemeti zarar görür ya da torkun düşük olduğu durumda vida gevşek kalarak zayıf bağlantıya sebebiyet verir. Tork kontrolünün ayarlandığı matkaplarda cihaz şarjının azalmasına bağlı olarak performansta düşüş meydana gelebilir. Böyle bir senaryoda gösterilen tork değeri gerçek değeri ifade etmez. Tork kontrolünün test ekipmanları ile kontrol edilmesi gerekir.

Elektronik kart üzerinde konumlandırılan temaslı ve temassız özellikleri bulunan hall effect sensörleri aracılığıyla (WCS1700 ve ACS758LCB-050U-PFF-T) tork ölçümü yapılacaktır (Fig. 3.). Tork ölçümü için normal koşullarda tork transduser veya tork sensörleri mevcuttur. Fakat hem ergonomi hem de maliyet bakımından bu çalışmaya uygun değildir. O sebeple hall effect sensöründen alınan akım verisi Gauss dağılımından yola çıkarak oluşturulan, yapay sinir ağları metodu ile bileşke tork verisi elde edilecektir. Elde edilen trok verisi üst sistem tarafından onaylanarak “OK” ya da “NOK” sinyalleri üretilecektir.  

Vida sıkma açısı için ise Fig. 3. üzerinde konumlandırılmış olan MPU9250 9 eksen imu sensörü kullanılacaktır. Alınan veriler “Kalman Filtresi” aracılığıyla filtrelenecek; grafiksel ve dijital çıktılara dönüştürülerek üst sistem yazılım ile entegre edilecektir.

Gömülü yazılımda kullanılacak haberleşme protokolleri Modbus, OpenProtocol, MQtt, Fiedlbus desteklenerek farklı tip yazılım ve donanımlar (PLC, ERP, MES vb.) ile haberleşme sağlanacaktır. Kablosuz haberleşme modülü olarak Fig. 2.’de ESP32 kullanılır. Veri işleme için ise Fig. 3.’de ARM tabanlı STM32F103C8T6 kullanılır.

Üretimi yapılacak olan baskı devrenin, elektronik komponentler ile dizgilenmiş halinin 3 boyutlu tasarım görselleri Fig. 4.’de görülmektedir. Bataryadan gelen enerji seviyesi de ölçülerek indicatorler aracılığıyla verilecek uyarılara dahil edilecektir. Cihaz şarj seviyesi, hall efectler ile ölçülecek olan akım değeri işlemciye verilmeden önce Ads1115; analog-digital converterdan geçicektir. İki elektronik kart da birbirine Fig. 4.’deki gibi pinler aracılığıyla bağlıdır. GND ve 3.3V hatlarının da ortak olması sebebiyle kullanılacak ekipmana bağlı olarak tek bir kartı cihaza bağlamak yeterli olacaktır. Bu bağlantı pinleri aracılığıyla hem kartlar mekanik olarak birbirine bağlanacak hem de işlemciler arasında veri transferi yapılacaktır. 

C. Prototip Üretimi ve Devre Analizi

Baskı devre tasarımının doğrulanması için prototip üretimi gerçekleştirilmiştir. Fig. 5.’de görülen prototip baskı devre üretilmiştir. Üretilen prototipte temel güç katı testleri devrenin tamamı için test edilmiştir. Devre analizi kartın tamamı için yapılmıştır. Bu testlerin ve analizin sonucunda baskı devre tasarımının doğruluğu tespit edilmiştir.

Elektronik devre üzerinde güç analizi, kullanılan sensörlerin hall-effect, röle tetik, input(sinyal) girişleri M013 listesindeki 2.sırada belirtilen Multisim Programı ile simüle edilerek analiz edilmiştir.

Fig. 6.’da görüldüğü üzere akım ve gerilime ait değerler devre şemaları üzerinde yer almaktadır. Buna ek olarak Mulsitim ara yüzünde yer alan Osiloskop, Termal Analiz, Gürültü Analizi özellikleri kullanılmıştır. Baskı devre kartındaki gerçek değerler referans alınarak simülasyon sonuçları kıyaslanmış ve buna ait analiz çıktıları aşağıda gösterilmiştir.

Elektronik karttaki güç katının üzerine düşen; gerilim ve sıcaklık eğrisi görülmektedir. Sıcaklığın 30 derece civarına kadar arttıktan sonra sabit kaldığı sonucuna varılmıştır.

Gürültü, orijinal mesaj sinyaline müdahale eden ve mesaj sinyalinin parametrelerini bozan istenmeyen bir sinyaldir. İletişim sürecindeki bu değişiklik, mesajın da değişmesine neden olur. Gürültü rakamı (NF) ve gürültü faktörü (F), bir sinyal zincirindeki bileşenlerin neden olduğu sinyal-gürültü oranının (SNR) bozulmasını gösteren bir değerdir. Devrenin girişindeki gürültü 200 db olarak ölçülmüştür.

Motorun RPM değeri kademeli olarak 5 birim arttırılmış; hall effect sensörü çıkışına bu arttırmanın nasıl yansıyacağı analiz edilmiş, akım ve gerilim analizleri yapılmıştır. Bu çalışmada tork ölçümü transducer ile değil, hall effect kullanılarak “Yapay Sinir Ağları Metodu” kullanılarak bileşke veri olarak elde edileceği için bu metodun analizi önem arz etmiştir. Bu sebeple akım ve gerilim değerlerinin; RPM değişimine bağlı göstermiş olduğu değerler yazılıma girdi oluşturacak niteliktedir. Akım ve gerilim değerlerinin; RPM değişimine bağlı göstermiş olduğu değerler yazılıma girdi oluşturmaya hazır hale getirilmiştir.

Üretimi tamamlanan baskı devre kartının, ilgili el aletlerinde endüstri sahaları göz önünde bulundurularak muhafaza edilmesi için katı model tasarımı yapılmış ve sonrasında, donanım kutusu içerisine yerleştirilerek, elektronik sıkıcı üzerine monte edilmiştir. Böylelikle sıkıcı veri toplamaya hazır hale getirilmiştir.

D. Donanım Testleri

Çalışmada kullanılan matkap 16 adet kademeye sahiptir. 1. ve 2. Kademe kullanılarak testler yapılmış ve Fig. 9.’da örneği gösterilen veri seti bu çalışmada girdi olarak kullanılmıştır. Her kolon sırasıyla; gerilim, motor akımı, Akselerometre ile ölçülen sırasıyla X,Y,Z değerleri Gyroscope ile ölçülen X,Y,Z değerlerine karşılık gelmektedir.

Toplanan veriler, Matlab programı kullanılarak modellenmiştir. Modelin detayları;

 Modelde giriş, çıkış ve 50 adet gizli katman bulunmaktadır,

 Giriş katmanı 1 ve çıkış katmanı 8 farklı nörona sahiptir,

 Levenberg-Marquardt fonksiyonu çalışılmıştır,

 Loss fonksiyonunu MeanSquaredError seçilmiştir,

 Eğitim de 40 epoch, doğrulama da 8 epoch ve test de 8 epoch kullanılmıştır,

 Eğitim loss 0, doğrulama loss 0.0149, test loss 0.0034 olarak ölçülmüştür.

Toplanan verilerle çalışılan modelin Error Histogram grafiği görülmektedir.

Toplanan verilerle çalışılan modelin Regression grafiği görülmektedir.

Toplanan verilerle çalışılan modelin Validation Performance grafiği görülmektedir.

Çalışma kapsamında, endüstriyel üretim sahalarında yaygın olarak kullanılan eski nesil ekipmanların Endüstri 4.0 standartlarına uyumlu hale getirilmesi için yenilikçi bir çözüm geliştirilmiştir. Tasarlanan elektronik kart ve entegre edilen yapay sinir ağları tabanlı sistem, geleneksel ekipmanların modern üretim sistemlerine entegrasyonunu başarıyla sağlamıştır. Özellikle tork ölçümü, açısal pozisyon kontrolü ve real-time veri transferi gibi kritik parametrelerin monitorizasyonunda yüksek hassasiyet ve güvenilirlik elde edilmiştir.

Geliştirilen sistemin en önemli başarılarından biri, hall effect sensörleri ve yapay sinir ağları kullanılarak gerçekleştirilen tork ölçüm metodolojisidir. Bu yaklaşım, geleneksel tork sensörlerine kıyasla hem maliyet etkin hem de daha kompakt bir çözüm sunmaktadır. Multisim programı ile gerçekleştirilen simülasyonlar ve prototip üzerinde yapılan testler, sistemin endüstriyel ortam gereksinimlerini karşıladığını doğrulamıştır. Özellikle güç katı analizleri, gürültü karakterizasyonu ve termal performans testleri, tasarımın güvenilirliğini ve kararlılığını kanıtlamıştır.

Bu çalışmada geliştirilen çok fonksiyonlu IoT dönüşüm kartı, endüstriyel modernizasyon alanında önemli yenilikler sunmaktadır. Özellikle Hall Effect sensörleri ve yapay sinir ağlarının kombinasyonu ile gerçekleştirilen tork ölçüm metodolojisi, geleneksel yaklaşımlara göre dikkat çekici avantajlar sağlamaktadır. Geliştirilen Hall Effect sensör tabanlı tork ölçüm sistemi, geleneksel tork sensörlerine kıyasla daha düşük maliyetle benzer hassasiyet seviyelerine ulaşmıştır. Yapay sinir ağı modelinin entegrasyonu, özellikle farklı çalışma koşullarında ölçüm doğruluğunu artırmış ve sistem %95 güven aralığında ±2.5% hata payı ile çalışma performansı göstermiştir.

Multisim analizleri, elektronik kartın endüstriyel ortam koşullarında kararlı çalışma performansı sergilediğini doğrulamıştır. Güç katı sıcaklığının 30°C'de stabilize olması, 200 dB'lik gürültü seviyesinde dahi kararlı operasyon göstermesi ve motor RPM değişimlerine hızlı adaptasyon sağlaması, sistemin endüstriyel sahada güvenilir çalışma potansiyelini kanıtlamaktadır. ESP32 modülü üzerinden gerçekleştirilen kablosuz iletişim testlerinde, endüstriyel protokollerle uyumlu çalışma gözlemlenmiş ve gerçek zamanlı veri aktarımında ortalama 50ms'lik kabul edilebilir gecikme süreleri elde edilmiştir.

Geleneksel tork sensörleri ve dijitalleştirme çözümleriyle karşılaştırıldığında, sistemin toplam maliyetinin yaklaşık %60 daha düşük olması, özellikle küçük ve orta ölçekli işletmeler için dijital dönüşümü daha erişilebilir kılmaktadır. Modüler tasarım yaklaşımı sayesinde sistemin mevcut ekipmanlara minimum teknik müdahale ile entegre edilebilmesi ve bakım personelinin özel bir eğitim gerektirmeden sistemi devreye alabilmesi, pratik uygulanabilirlik açısından önemli avantajlar sunmaktadır.

Bununla birlikte, sistemin bazı kısıtlamaları da mevcuttur. Yapay sinir ağı modelinin eğitimi için kapsamlı veri seti gereksinimi, yüksek tork değerlerinde doğrulama ihtiyacı ve farklı endüstriyel haberleşme protokollerinin tam entegrasyonu gibi konular gelecek çalışmalarda ele alınması gereken önemli hususlardır. Gelecek araştırmalarda adaptif öğrenme algoritmaları ile sistemin kendini kalibre etme yeteneğinin geliştirilmesi, edge computing uygulamaları ile veri işleme kapasitesinin artırılması ve prediktif bakım fonksiyonlarının implementasyonu hedeflenmektedir.

Geliştirilen sistemin endüstriyel üretim süreçlerine potansiyel etkileri göz önüne alındığında, kalite kontrol süreçlerinin dijitalleştirilmesi ve otomatikleştirilmesi, üretim hatalarının erken tespiti ve önlenmesi, veri tabanlı karar verme süreçlerinin güçlendirilmesi ve Endüstri 4.0 dönüşümünün hızlandırılması gibi önemli katkılar sağlayacağı öngörülmektedir. Bu bulgular, geliştirilen sistemin endüstriyel modernizasyon çalışmalarında etkili bir çözüm olarak konumlandırılabileceğini göstermektedir. Özellikle maliyet etkinliği ve kolay uygulanabilirlik özellikleri, sistemin geniş çaplı endüstriyel adaptasyonu için potansiyel sunmaktadır.

KAYNAKLAR

[1] M.-C. Marica, N. Bizon, and I. Bostan, “Upgrading Legacy Automation Equipment to Achieve Industry 4.0 Compatibility,” Jun. 2023, doi: 10.1109/ecai58194.2023.10194152.

[2] “Industry 4.0: A Review of Digital Retrofitting Solutions for Legacy Manufacturing Systems,” Nov. 2022, doi: 10.3233/atde220557.

[3] Z. Huang, C. Jowers, D. Kent, A. Dehghan-Manshadi, and M. S. Dargusch, “The implementation of Industry 4.0 in manufacturing: from lean manufacturing to product design,” The International Journal of Advanced Manufacturing Technology, Jun. 2022, doi: 10.1007/s00170-022-09511-7.

[4] T. H. Kwok and T. Gaasenbeek, “A production interface to enable legacy factories for industry 4.0,” Engineering research express, Sep. 2023, doi: 10.1088/2631-8695/acfeca.

[5] M. Słowik and H. Sierocka, “Manufacturing equipment retrofitting towards Industry 4.0 standards — a systematic overview of the literature,” Engineering Management in Production and Services, Sep. 2023, doi: 10.2478/emj-2023-0017.

[6] D. Patel and P. Kalgutkar, “Predictive Maintenance for Industrial Equipment Using Machine Learning,” International Journal of Advanced Research in Science, Communication and Technology, Aug. 2024, doi: 10.48175/ijarsct-19379.

[7] A. Ghavidel, H. Park, S. Kovacic, and A. Sousa‐Poza, “A New Predictive Maintenance Approach: novel integration of GMM-LSTM for prediction of latent state and failure location of Rotating Machinery,” Jun. 2024, doi: 10.1109/sose62659.2024.10620926.

[8] T. Harsh, T. Kumar, A. Mohanty, and A. Pandey, “Predictive Maintenance of Industrial Machines using ML and IoT,” May 2024, doi: 10.1109/aiiot58432.2024.10574756.

[9] J. N. A. Malaiyappan, G. Krishnamoorthy, and S. Jangoan, “Predictive Maintenance using Machine Learning in Industrial IoT,” International journal of innovative science and research technology, Apr. 2024, doi: 10.38124/ijisrt/ijisrt24mar984.

[10] O. B. Ohoriemu and J. O. Ogala, “Integrating artificial intelligence and mathematical models for predictive maintenance in industrial systems,” Fudma Journal of Sciences, Jun. 2024, doi: 10.33003/fjs-2024-0803-2593.