سعید رمضانی - کارشناس ارشد مهندسی صنایع، دانشگاه امام حسین، مرکز مطالعات و پژوهش ه
مصطفی یوسفی طزرجان - کارشناس ارشد مهندسی صنایع، دانشگاه تربیت مدرس
مهدی مغان - کارشناس ارشد مهندسی صنایع، دانشگاه امام حسین

نگهداری و تعمیرات مبتنی بر شرایط (CBM) و مدیریت سلامت و پیش بینی (PHM) در خلال سال های اخیر به عنوان فناوری های چشمگیری که تاثیر عمیقی بر فعالیت های مربوط به نگهداری و تعمیرات در حوزه های نظامی و تجاری دارند، حضور یافته اند. در واقع اکنون ما شاهد یک نوع تغییر موضع حقیقی در روش طراحی ، پایش و نگهداری و تعمیرات سیستم های پیچیده (اعم از وسایل هوانوردی و فضا نوردی، سیستم های حمل و نقل دریایی، فرایندهای صنعتی و ساخت و تولید) هستیم. تشخیص و پیش بینی عیوب، تعیین باقی مانده عمر مفید اجزای سیستم، به مشارکت فعال تخصص های چند گانه احتیاج دارند. فناوری PHM وCBM به دنبال ادغام و تشکیل یک پیوند قوی از گرایش های میان رشته ای علوم مهندسی، کامپیوتر و قابلیت اطمینان بوجود آمدند. در این مقاله در بخش مرور ادبیات، چگونگی توسعه نگهداری و تعمیرات میتنی بر شرایط به مدیریت سلامت و پیش بینی معرفی می شود. سپس ساختار و ویژگی های شبکه عصبی موجک بیان می گردد.در بخش مدل سازی تکنیک ها و مدل های تشخیص، طبقه بندی و پیش بینی عیوب را بررسی کرده و روش اعتباردهی مدل ها تشریح می گردد. در بخش مطالعه موردی، رشد اندازه شکاف و عمر مفید باقی مانده یاتاقان خنک کننده یک شناور خاص، به کمک آنالیز ارتعاشات و شبکه عصبی موجک پیش بینی خواهد شد.

تشخیص و پیش بینی عیوب، عمر مفید باقی مانده، آنالیز ارتعاشات، نگهداری و تعمیرات مبتنی بر شرایط (CBM) ، مدیریت پیش بینی وسلامت(PHM) ، شبکه عصبی موجک