کاربرد داده کاوی در تشخیص و پیش بینی هوشمند عیوب

نگهداری وتعمیرات مبتنی بر شرایط (CBM) و مدیریت پیشگیری و سلامت (PHM) در خلال سالهای اخیر به عنوان فناوری های چشمگیری که تاثیر عمیقی بر فعالیتهای مربوط به نگهداری و تعمیرات در حوزه های نظامی و تجاری دارند، ظهور یافته اند. در واقع اکنون ما شاهد یک نوع تغییر موضع حقیقی در روش طراحی، پایش و نگهداری و تعمیرات سیستمهای پویای پیچیده (اعم از وسایل هوانوردی و فضانوردی، سیستمهای حمل و نقل دریایی، فرایندهای صنعتی و ساخت و تولید) هستیم. تشخیص و پیش بینی عیوب، تعیین باقیمانده عمر مفید اجزای سیستم ، همچون تجهیزات لجستیکی که نیازمند نگهداری، تعمیرات دوره ای یا تعمیرات اساسی هستند، به مشارکت فعال تخصص های چندگانه احتیاج دارند. فناوری های CBM,PHM به دنبال ادغام و تشکیل یک پیوند قوی از گرایش های میان رشته ای علوم مهندسی، کامپیوتر، قابلیت اطمینان، ارتباطات ، مدیریت و غیره بوجود آمدند. در دنیای امروز با پیشرفت علوم رایانه ای، انبوهی از داده ها توسط برنامه های کاربردی مختلف جمع آوری می شوند. پایگاههای داده سیستم های مدیریت نگهداری و تعمیرات (CMMS) داده های زیادی را ذخیره می کنند و با گسترش دانش، پردازش این داده ها مورد توجه قرار گرفته است. کشف دانش مفید در خصوص تشخیص عیوب و پیش عمر تجهیزات از بین این حجم عظیم داده بسیار ضروری می باشد و باید روش یا روشهایی یافت که بتوان با آن از این همه داده که به سادگی از آن نمی توان به نتیجه یا تصمیمی رسید اطلاعاتی سودمند و مختصر بدست آورد. این اطلاعات می توانند در تصمیم گیری مدیرات تاثیر شگرفی داشته باشند. داده کاوی فرآیند کشف الگوها و روابط پنهان موجود بین داده هاست. در این مقاله مدلی هوشمند جهت تشخیص و پیش بینی عیوب با استفاده از داده کاوی ارائه شده است. در نهایت مدلی معرفی شده در یک مطالعه موردی بکار گرفته می شود.