محمد حسین تمنائی فر - دانشجوی دکتری مهندسی و مدیریت ساخت دانشگاه صنعتی امیرکبیر،تهران،ایران
مهدیس علی مددی - دانشجوی کارشناسی ارشد مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران
مهدی نوذریان - دانشجوی دکتری مهندسی برق، دانشگاه خواجه نصیر الدین طوسی،تهران،ایران
نیما سالک گیلانی - دانشجوی دکتری مهندسی برق، دانشگاه خواجه نصیر الدین طوسی،تهران،ایران
امیر دربندسری - دانشجوی دکتری مهندسی برق، دانشگاه تهران، تهران، ایران
علیرضا فریدونیان - استادیار دانشکده مهندسی برق، دانشگاه خواجه نصیرالدین طوسی،تهران،ایران

میزان داده های استخراج شده از فرآیندهای تولید به دلیل تکثیر فناوری های سنجش به صورت نمایی افزایش یافته است. هنگام پردازش،داده ها می توانند اطلاعات و دانش ارزشمندی را از فرآیند به دست آورند. در صنایع، نگهداری تجهیزات، یک کلید مهم است و بر زمانعملکرد تجهیزات و کارآیی آنها تاثیر می گذارد. بنابراین، خرابیه ای تجهیزات باید شناسایی و رفع شوند و از خرابی آن ها در طی فرآیندهاجلوگیری شود. روش های داده کاوی به عنوان ابزاری موثر در برنامه های پیش بینی نگهداری و تعمیرات بر ای جلوگیری از خرابی تجهیزاتظاهر شده است. همچنین، به دلیل هزینه های بالای ناشی از قطعی و خرابی تجهیزات، یک ابزار جامع برای برنامه ریزی نگهداری و کاهشریسک ناشی خرابی لازم است. عملکرد برنامه های پیش بینی نگهداری و تعمیرات به انتخاب مناسب روش داده کاوی و فاکتورهای تعیین-کننده ریسک بستگی دارد. هدف این تحقیق ارائه یک برنامه نگهداری و تعمیرات بر اساس ارزیابی داده رانه عدد اولویت ریسک است. اینتحقیق روی داده های شبکه توزیع برق تهران از سال های ۱۳۹۳ تا ۱۳۹۹ انجام شده است و نتایج آن بر ای انجام هرگونه تحقیق روی سایرداده ها نیز مناسب است. با اجرای این تحقیق در شبکه توزیع برق انتظار می رود هزینه های ناشی از خرابی به مقدار قابل توجهی کاهش یابد

نگهداری و تعمیرات پیشگیرانه، پردازش داده رانه، یادگیری ماشین، تحلیل ریسک، هوش مصنوعی