تشخیص بهینه ترین الگوی خرابی ماشین آلات با استفاده از شبکه های عصبی مصنوعی و اعتبارسنجی نوع توزیع خرابی با آزمون آماری نیلسون دارلینگ

سال انتشار: 1401
محل انتشار: دوازدهمین کنفرانس بین المللی پیشرفت های اخیر در مدیریت و مهندسی صنایع
کد COI اختصاصی: RMIECONF12_028
زبان مقاله: فارسی
تعداد مشاهده: 333

نویسندگان

دکتری تخصصی مهندسی صنایع ، دانشگاه تهران، دانشکده مهندسی صنایع

چکیده

اهمیت دیدگاه مهندسی و اقتصادی در پیشرفت و بقای صنعت با توجه به تکنولوژی های روز افزون در طراحی ماشین آلات نیازمند تعیین مکانیزم های پیش گویانه در جلوگیری از خرابی برنامه ریزی نشده از جایگاه ویژه ای برخوردار می باشد. لذا تشخیص زمان خرابی و نوع توزیع خرابی با کمترین خطای ممکن باعث کاهش هزینه های شکست غیر مستقیم و مستقیم می گردد. بنابر این بررسی و پژوهش در زمینه تشخیص الگوی خرابی با روش کمترین خطای تشخیص باعث می گردد راهکارهای بهینه ای را در جلوگیری از خرابی طرح ریزی کرد. در این تحقیق با بکارگیری پیش بینی سری های زمانی با طراحی شبکه عصبی مصنوعی در تشخیص بهینه ترین نوع توزیع با کمترین خطای برازش بکار گرفته شده است و جهت برازش نوع توزیع آماری پارامترهای خطای توزیع SSE، R-Square و RMSE در جعبه ابزار کروفیتینگ نرم افزار Matlab تعیین شده و جهت اعنبار سنجی نوع تشخیص با استفاده از آزمون فرض آماری نیلسون دارلینگ در نرم افزار Minitab نوع تشخیص توزیع خرابی، ارزیابی و صحه گذاری می گردد.

کلیدواژه ها

توزیع خرابی، سری زمانی، شبکه های عصبی مصنوعی، آزمون نیلسون دارلینگ

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.