مدیریت پیشگیری و سلامت با استفاده از داده کاوی، مطالعه موردی تشخیص و پیشبینی هوشمند عیوب مخزن
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,391
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIORS02_267
تاریخ نمایه سازی: 11 اسفند 1387
Abstract:
نگهداری و تعمیران مبتنی بر شرایط (CBM) و مدیریت پیشگیری و سلامت (PHM) در خلال سالهای اخیر به عنوان فناوریهای چشمگیری که تاثیر عمیقی بر فعالیتهای مربوط به نگهداری و تعمیرات در حوزههای نظامی و تجاری دارند، ظهور یافتهاند. با پیشرفت علوم رایانهای، انبوهی از دادهها توسط برنامههای کاربردی مختلف جمعآوری میشوند. پایگاههای داده سیستمهای مدیریت نگهداری و تعمیران (CMMS)، دادههای زیادی را ذخیره میکنند و با گسترش دانش، پردازش این دادهها مورد توجه قرار گرفته است. کشف دانش مفید در خصوص تشخیص عیوب و پیش عمر تجهیزات از بین این حجم عظیم داده بسیار ضروری میباشد و باید روش یا روشهایی یافت که بتوان با آن از این همه داده که به سادگی از آن نمیتوان به نتیجه یا تصمیمی رسید اطلاعاتی سودمند و مختصر بدست آورد. این اطلاعات میتوانند در تصمیمگیری مدیران تاثیر شگرفی داشته باشند. داده کاوی فرآیند کشف الگوها و روابط پنهان موجود بین دادههاست. در این مقاله مدلی هوشمند جهت تشخیص و پیشبینی عیوب با استفاده از داده کاوی ارائه شده است. در نهایت مدل معرفی شده در یک مطالعه موردی بکار گرفته شده است.
Keywords:
نگهداری و تعمیرات (Maintenance) , مراقبت وضعیت (Condition) , داده کاوی (Data Mining) , نگهداری و تعمیرات مبتنی بر شرایط (CBM) , مدیریت پیشبینی و سلامت (PHM)
Authors
مصطفی یوسفی طزرجان
کارشناسی ارشد مهندسی صنایع دانشگاه تربیت مدرس
سعید رمضانی
کارشناسی ارشد مهندسی صنایع دانشگاه امام حسین (ع) مرکز مطالعات و پژو
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 :