تحلیل نگهداری و تعمیرات با رویکرد داده کاوی

در دنیای امروز تصمیم گیری و انتخاب صحیح است که نتایج را رقم خواهد زد. تکنولوژی های جدید در صنایع، داده های زیادی را تولید کرده و نیاز به منابع جهت جمع آوری اطلاعات را افزایش می دهد. داده های این منابع نیاز به تحلیل جهت کشف دانش و پاسخ به سوالات ذهنی تصمیم گیران را دارد. داده کاوی و روش های بکارگرفته شده در آن از ابزارهای اساسی است که برای تصمیمات صحیح در مواقع عادی و کنترل و مدیریت جهت دار، در شرایط اضطراری برای مدیران و کارکنانی می باشد که با منابع اطلاعاتی متنوع و بسیار زیاد بدین جهت روبرو هستند، صنایع زیرساختی همچون نیروگاه ها که استفاده و بکارگیری از این ابزارها را لازم و ضروری می کند. در این راستا پیچیدگی این سیستم ها، تحلیل نگهداری و تعمیرات، قابلیت اطمینان، و پیش بینی خرابی را با مشکل مواجه می سازد. از سوی دیگر پیشرفت های فن آوری اطلاعات و ارتباطات، جمع آوری اطلاعات زیاد از داده ها را ساده می کند، اما نیازمند مدل ها و ابزارهایی هستند که قادر به تحلیل و استخراج دانش از این داده ها باشند. پرسش کلیدی در این زمینه، چگونگی پیش بینی عملکرد سیستم تولید، تحلیل نتسیستم ها و وقایع مربوط به خرابی ها می باشد که می تواند به طور سودمندی برای تصمیم گیری های کلی و به خصوص در زمینه مهندسی نت مورد استفاده قرار گیرد. لذا در این پژوهش با هدف برنامه ریزی نت به پیش بینی خرابی و شناسایی خطاها برای تصمیم گیری بهتر کارشناسان و کمک به برنامه ریزی جهت فعالیت های نگهداری و تعمیرات همچون نت پیش گویانه و کاهش هزینه ها از رویکرد داده کاوی پرداخته شده است. در این راستا برای بیان عملکرد رویکرد پیشنهادی از داده های توربین های گازی نیروگاه ارومیه استفاده شده است و پرکاربردترین ابزارهای پیش بینی؛ درخت تصمیم گیری، مدل لجیت و شبکه های عصبی بکار بسته شده است. نتایج تحلیل نشان می دهد که رویکرد داده کاوی توانسته است با دقت 95 درصد موارد خرابی توربین گازی را پیش بینی نماید.

کلیدواژه ها:

تحلیل نگهداری و تعمیرات ، پیش بینی خرابی ، دادهکاوی ، درخت تصمیم گیری ، مدل لجیت ، شبکه های عصبی