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:

لینک ثابت به این Paper:

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:

نگهداری و تعمیرات , تحلیل الگوهای عیب یابی , صنعت حمل ونقل ریلی , لکوموتیو , کاوش قوانین وابستگی

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 :
  • -زمانی، زهرا، علی محمدی، عباس و فرنقی، مهدی (۱۳۹۸)، "بررسی ...
  • Bin, Z. and Wensheng, X. (۲۰۱۵) "An Improved Algorithm for ...
  • Budai, G., Huisman, D. and Dekker, R. (۲۰۱۱) "Scheduling preventive ...
  • Choudhary, A. K., Harding, J. A. and Tiwari, M. K. ...
  • Glawar, R., Kemeny, Z., Nemeth, T., Matyas, K., Monostori, L. ...
  • Grabot, B. (۲۰۱۸) "Rule mining in maintenance: Analysing large knowledge ...
  • Harding, J., Shahbaz, M. and Kusiak, A. (۲۰۰۶) "Data mining ...
  • Koksal, G., Batmaz, I. and Testik, M. C. (۲۰۱۷) "A ...
  • Liden, T., Kalinowski, T. and Waterer, H. (۲۰۱۸) "Resource considerations ...
  • Maquee, A., Shojaie, A. A. and Mosaddar, D. (۲۰۱۲) "Clustering ...
  • Mitchell, A. (۲۰۰۵) "Spatial measurements & statistics", California: ESRI Press. ...
  • Quinlan, J. (۱۹۹۳) "Programs for machine learning. Morgan Kaufmann", San ...
  • Young, T., Fehskens, M., Pujara, P., Burger, M., and Edwards, ...
  • نمایش کامل مراجع