یک مدل آماری و هوشمند برای تشخیص نقاط خرابی در نگهداری و تعمیرات پیشگویانه
امروزه نگهداری و تعمیرات اهمیت بسیاری در صنایع تولیدی پیدا کرده است. یک راه‌حل کارا به منظور جلوگیری از توقف فرایندهای تولید، پیش‌بینی خرابی تجهیزات است. در این مقاله، به منظور تشخیص زمان انجام اقدامات نگهداری و تعمیرات چارچوبی پیشنهاد شده تا حتی‌الامکان از توقف در فرایند جلوگیری شود. لذا هدف اصلی ا...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Sharif University Of Technology
2023-02-01
|
| Series: | مهندسی صنایع و مدیریت شریف |
| Subjects: | |
| Online Access: | http://sjie.journals.sharif.edu/article_22907_debc1b2caffb56a0ed841eb33bbd22a0.pdf |
| Summary: | امروزه نگهداری و تعمیرات اهمیت بسیاری در صنایع تولیدی پیدا کرده است. یک راه‌حل کارا به منظور جلوگیری از توقف فرایندهای تولید، پیش‌بینی خرابی تجهیزات است. در این مقاله، به منظور تشخیص زمان انجام اقدامات نگهداری و تعمیرات چارچوبی پیشنهاد شده تا حتی‌الامکان از توقف در فرایند جلوگیری شود. لذا هدف اصلی این پژوهش، ارائه‌ی یک مدل آماری و هوشمند برای تشخیص نقاط خرابی در زمینه‌ی نگهداری و تعمیرات پیشگویانه است. در نهایت عملکرد مدل پیشنهادی با سایر شیوه‌های داده محور به صورت تکی و ترکیبی، شامل مدل‌های لاجیت، ماشین بردار پشتیبان و شبکه‌های عصبی پرسپترون چندلایه است، مقایسه شده است. نتایج حاکی از آن است که مدل ماشین بردار پشتیبان در مقایسه با مدل‌های تکی و ترکیبی سری، از دقت بالاتری برخوردار است و نیز نتایج نشانگر کارآمدی و کارایی ساختار ترکیب موازی پیشنهادی در مسائل مدل‌سازی و پیش‌بینی است. |
|---|---|
| ISSN: | 2676-4741 2676-475X |