کشف الگوهای پنهان و مفید از داده های سامانه های نگهداری و تعمیرات تجهیزات، با پیش بینی هزینه ها و نقاط پرت

پس از گذشت چند سال از پیاده سازی نرم افزار های مدیریت نت(CMMS)3، ارائه تحلیل های مستدل از داده های جمع آوری شده در این سامانه ها، نه تنها ضروری است، بلکه در این حوزه رمز ادامه حیات سیستم های نرم افزاری نیز خواهد بود. استفاده از داده های خرابی و هزینه ای تجهیزات، می تواند علاوه بر شناخت نارسایی ها در پیاده سازی سیستم های نت، در تعیین الگوهای مطلوب و نامطلوب نت تجهیزات، نقش کلیدی ایفا کند. تشخیص روند خرابی ها و عوامل موثر در آن مانند نوع ماموریت و شرایط جغرافیایی کیفیت قطعات و ... به دسته بندی بهتر خرابی تجهیزات و تعیین نرم های هزینه ای مبتنی بر نوع ماموریتیگان ها کمک خواهد نمود و در نهایت مدیران را برای اتخاذ تصمیم های مناسب، با دقتبیشترییاری خواهد کرد و باعث ارائه پیشنهادهای بهبود برای سامانه هایمورد استفاده و مدیران تصمیم گیر خواهد شد. داده کاوی می­تواند با ارائه تصویری از شاخص های موثر بر آمادگی تجهیزات، وضعیت تجهیزات را از نظر نگهداری و تعمیرات نمایش دهد. از این تصویر در برآورد هزینه های نگهداری و تعمیرات و بودجه­های تعمیراتی می­توان استفاده نمود. همچنین با دانستن اینکه خرابی های خاص، معمولا در چه عمرهایی و تحت چه شرایطی اتفاق می افتد، می توان برای برنامه ریزی نگهداری و تعمیرات و ارزیابی نقاط قوت و ضعف در یگان/رده ها استفاده نمود. این موضوع در اجرای اقدامات پیرامون آموزش و فرهنگ سازی در نگهداری و تعمیرات نیز موثر خواهد بود، زیرا فرماندهان و کارشناسان با در اختیار داشتن این تحلیل ها در نگهداری و استفاده از تجهیزات، دقت بیشتری خواهند کرد. در این مقاله ضمن معرفی برخی از کاربردهای داده ‎کاوی در نگهداری و تعمیرات سعی شده است در قالب مطالعه موردی روی داده­های برخی از تجهیزات دفاعی با استفاده از داده کاوی ، قواعد پنهان موجود در داده های سیستم های نرم افزاری نگهداری و تعمیرات را کشف نمود. با توجه به مدل­های خوشه بندی داده­های مورد مطالعه، شبکه عصبی، درخت­های تصمیم گیری، مصورسازی و آمار توصیفی تحلیلشده و برخی از نتایج آن بیان شده است. یافته­های این مطالعه نشان می دهد الگوهای خاصی متناسب با نوع ماموریت و نحوه استفاده از تجهیزات در تعداد و هزینه خرابی ها وجود دارد.

کلیدواژه ها:

نگهداری و تعمیرات ، داده کاوی ، شبکه عصبی ، استخراج قواعد ، سیستم پشتیبان تصمیم