رویکردهای بهینه سازی بازده سیستم تولید از طریق دادههای حسگر، شبیه سازی بر پایه یادگیری ماشین و الگوریتم های ژنتیک
- سال انتشار: 1402
- محل انتشار: ششمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF06_041
- زبان مقاله: فارسی
- تعداد مشاهده: 286
نویسندگان
فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد شهرکرد
چکیده
در صنایع مدرن مخزن قابل توجهی از دادههای حسگر وجود دارد که حاوی مقدار زیادی اطلاعات .است متاسفانه این منبع غنی از اطلاعات مورد توجه و مورد استفاده قرار نمی گیرد و پتانسیل آن به طور کامل توسط تولید کنندگان مدرن استفاده نمی شود. در عصر انقلاب صنعتی چهارم بهره برداری از این مجموعه دادههای قدرتمند برای بقا و رقابت تولیدکنندگان در عصر هوش مصنوعی، بسیار حائز اهمیت است تلاشهای مشترک و متقابل بین دانشگاه و بخش صنعتی برای بهره مندی از این مجموعه داده های غنی، پتانسیل آن را دارد تا از این مزایای فوق العاده در تجارت اقتصاد و جامعه استفاده کند استفاده از جدیدترین روش های هوش مصنوعی میتواند باعث افزایش کارآمدیهای تولید و کاهش اثرات زیست محیطی شود این تحقیق با توجه به در دسترس بودن مقادیر زیادی از دادههای حسگر و عدم استفاده کامل از آن یک راه حل هوش مصنوعی پیشنهاد میکند که ترکیبی از تحلیل پوششی دادهها (DEA) شبیه سازی مبتنی بر یادگیری ماشین و الگوریتمهای ژنتیک میباشد و از طریق توصیه هایی که در مورد تنظیمات مدل بهینه ارائه میکند کارآمدی سیستمهای تولید را بهینه می.کند اولا برای شناسایی حالت های کارآمد و ناکارآمد یک سیستم تولید از تحلیل پوششی داده ها استفاده میشود این اطلاعات همان دادههای ورودی مرحله دوم هستند که یک مدل یادگیری ماشینی ایجاد میکنند و از طریق شبیه سازیها و سناریوهای مربوط به کارآمدی تولید، به پیش بینی می پردازند ،سپس الگوریتم ژنتیک یک سناریوی بهینه را با تنظیمات مربوطه پیشنهاد می.کند دستاورد تحقیقاتی ۱ صلی این راه حل پیشنهادی، ترکیب منحصر به فرد تحلیل پوششی دادهها با مدلهای یادگیری ماشین و الگوریتم های ژنتیک است.کلیدواژه ها
صنعت چهارم یادگیری ماشین، تحلیل پوششی، دادهها الگوریتم های ژنتیکمقالات مرتبط جدید
- مدلسازی و شبیه سازی جبران ساز سری سنکرون استاتیکی توزیع برای حل چالش های شبکه توزیع بر پایه الگوریتم بهینه سازی گرگ خاکستری
- Adaptive Control Strategies for Fast Charging of EVs with Battery Degradation Mitigation
- شناسایی مانع با استفاده از دید استریو برای خودروهای بدون سرنشین
- Multi-Gbest Decomposition for Many-Objective Optimization
- ترکیب منابع انرژی پیزوالکتریک و ترموالکتریک به منظور افزایش کارایی سیستم های برداشت انرژی
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.