توسعه مدلی جهت پیش بینی زمان بین خرابی با استفاده از رویکرد داده کاوی

امروزه تصمیم گیری جهت بهینه سازی نگهداری مبتنی بر شرایط اهمیت حیاتی دارد و رویکردهای مدیریتی سنتی برای انجام این وظایف کافی نیست. بنابراین محیط های تجاری و کسب و کار نیازمند توسعه ی فن آوری های هوشمند و ابزارهای پیش بینی دقیق و قابل اعتماد هستند تا تصمیم گیری در زمینه ی تامین قطعات با چالش های کمتری مواجه گردد. در پیشینه ی پژوهش بر روی پیش بینی احتمال خرابی با تکنیک های خوشه بندی فعالیت های تعمیر و نگهداری برای واحدهای مختلف بحرانی یا طبقه بندی داده های بدستآمده از سیستم های انرژی، هوایی و دریایی کارهایی انجام گرفت. در این پژوهش به شناسایی دقیق نیازمندی ها و عوامل خرابی در یک شناور جهت پیش بینی زمان بین خرابی، نگهداری مبتنی بر شرایط و ارایه پیشنهادات جهت رفع خرابی پرداخته می شود. پس از شناسایی ویژگی های موثر در وقوع خرابی ها و تعیین عواملی چون مدت زمان خرابی و نرخ سالم بودن شناور، اولویت اجرای فعالیت های نگهداری و تعمیرات در این شناور مشخص گردید. با توجه به تحلیل ها و نتایج بدست آمده از تحلیل داده ها، علت های خرابی مورد شناسایی قرار گرفته و تحلیل های کارشناسی به منظور رفع عیوب و افزایش در دسترس بودن تجهیزات ارایه می گردد. تمامی تجزیه و تحلیل ها روی مجموعه دادگان نگهداری و تعمیرات و بر اساس شرایط داده ها در پایگاه دانشگاه ارواین کالیفرنیا انجام گرفته است. نتایج بدست آمده از تحلیل ارایه شده، کاربران را در فرآیند تعیین زمان بین خرابی ها، اولویت انجام فعالیت های تعمیرات و نگهداری مبتنی بر شرایط، هدایت می کند.

Keywords:

پیش بینی زمان بین خرابی , خوشه بندی , نگهداری مبتنی بر شرایط , داده کاوی , شبکه عصبی