تحلیل الگوی عیب یابی مبتنی بر اطلاعات عملکردی ماشین (موردمطالعه: لکوموتیوهای زیمنس راه آهن ایران)
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 136
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-13-4_002
تاریخ نمایه سازی: 23 مرداد 1401
Abstract:
یکی از مراحل مهم در نت تجهیزات، انجام فرایند عیب یابی به صورت صحیح است. عیب یابی تجهیزات پیچیده صنعتی همچون لوکوموتیوها فرایند دشواری است. عدم تشخیص به موقع علت خرابی لکوموتیو، علاوه بر کاهش زمان دسترسی، باعث اختلال در شبکه ریلی، افزایش توقف مازاد قطارها و موارد نامطلوب دیگر میگردد. با پیشرفت هایی که در سال های گذشته حاصل شده است، حجم داده های ذخیره شده در لکوموتیوهای جدید در حال افزایش است. با روش های متفاوتی می توان دانش موجود در داده ها را کشف نموده و در جهت افزایش بهره وری سازمان استفاده کرد. با تحلیل الگوی عیب یابی لکوموتیوها می توان علت بسیاری از خرابی ها را کشف نموده و زمان انجام تعمیرات را کاهش داد. از روش های موجود، می توان به تکنیک های داده کاوی اشاره کرد. پژوهش حاضر با بهره گیری از داده کاوی و الگوریتم اپریوری، به کشف قواعد معنادار از داده های موجود در لکوموتیوهای زیمنس راهآهن ایران، با هدف ارتقای کارایی فرایند عیب یابی، می پردازد. حاصل این پژوهش کشف ۲۰ رخداد پرتکرار در لکوموتیوهای مسافری، ۱۸ قانون دو مولفه ای و ۲ قانون سه مولفه ای بوده و دستاورد کلیدی آن، بهبود نت لکوموتیوها در طی یک بازه زمانی کوتاه در ناحیه شمال شرق۱ راه آهن جمهوری اسلامی ایران است. براساس پیشبینی انجام شده، استفاده از قوانین کشف شده در آینده میتواند موجب حذف بسیاری از توقفهای خارج از برنامه قطارهای مسافری شده و همچنین هزینه نت لکوموتیوها را به میزان قابل توجهی کاهش دهد. برآورد میشود فقط استفاده از یکی از قانونهای ذکر شده بهتنهایی میتواند در هر سال حدود ده میلیارد ریال از هزینههای راهآهن ایران بکاهد.
Keywords:
Authors
سید مجتبی مرتضوی
کارشناسی ارشد، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران
علی اکبر حسنی
دانشیار، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :