اهورامزدا خرمی - دانشجوی کارشناسی ارشد مهندسی معدن دانشگاه تربیت مدرس
احمدرضا صیادی - دانشیار دانشگاه تربیت مدرس
امین اله موسوی - استادیار دانشگاه تربیت مدرس

اطمینان از صحت عملکرد تجهیزات و ماشین آلات در صنایع مختلف از جمله مهم ترین اهداف مدیریت نگهداری و تعمیراتماشین آلات است. پیش بینی وقوع خرابی یا استفاده از روش های هوشمند در سیستم و اتخاذ تمهیدات مناسب میتواند مانعتحمیل هزینه های اضافی گردد. صنعت سیمان، از جمله صنایع مادر و تامین کننده ی مصالح اصلی ساخت و ساز ساختمانیمحسوب می شود. هرگونه توقف در تولید، ضمن وارد آوردن هزینه بر کارخانه، باعث کمبود سیمان در بازار و تبعات بعدی آن میشود. هدف این تحقیق پیش بینی خرابی در تجهیزات کارخانه سیمان ایلام به روش شبکه ی هوشمند عصبی است. از این رو نسبتبه بررسی داده ها به شکل چند متغیره با هدف اطلاع از عملکرد ده دقیقه ی پیشرو برای پنج سنسور زیر سیستم گریت کولر وارتباط آن ها با دو سنسور زیرسیستم کوره دوار اقدام شده است. بدین منظور تغییرات داده های سنسورها در بازه هایی خارج ازلیست استاندارد کارخانه مبنای خطا محسوب و پیش بینی اعداد خارج از بازه توسط مدلسازی انجام شده، اپراتور را برای واکنشمناسب به جهت جلوگیری از خرابی یاری می رساند.

آشکارسازی خطا، پیش بینی خرابی، شبکه هوشمند عصبی ، گریت گولر، کارخانه سیمان