مدل سازی ترکیبی منطق فازی و شبکه عصبی مصنوعی برای پیش بینی خرابی ماشین آلات به منظور افزایش بهره وری
- سال انتشار: 1401
- محل انتشار: مجله مهندسی و مدیریت کیفیت، دوره: 12، شماره: 1
- کد COI اختصاصی: JR_PQPRC-12-1_005
- زبان مقاله: فارسی
- تعداد مشاهده: 50
نویسندگان
مهندسی صنایع، دانشگاه آزاد اسلامی،واحد علوم و تحقیقات ، تهران ، ایران
استادیار، عضو هیئت علمی دانشگاه آزاد اسلامی ، دانشکده مهندسی صنایع، واحد علوم و تحقیقات
موسسه ایرانداک
چکیده
در این پژوهش، یک رویکرد ترکیبی برپایه منطق فازی و شبکه عصبی مصنوعی برای پیش بینی خرابی ماشین آلات در راستای افزایش بهره وری ارائه می شود. مورد مطالعه این پژوهش یکی از کارخانجات صنعت خودروسازی با نام دیاکو ایده آریا بوده که در حوزه تولید قطعات خودرو فعالیت می کند. برای مدل سازی شبکه فازی-عصبی پرسپترون چند لایه(MLP)، نخست تعداد ۱۰۰ خرابی و توقف در بازه زمانی ۱۵ ماه جمع آوری شده و سپس در نرم افزار MATLAB وارد شده است. نتایج بدست آمده نشان می دهد پیاده سازی شبکه فازی-عصبی و پیش بینی زمان خرابی ماشین آلات سبب کاهش مدت زمان و هزینه تعمیرات شده است. بنابراین مدت زمان کاری و دسترس پذیری ماشین آلات افزایش یافته و در نهایت سبب افزایش میزان بهره وری به میزان ۵۷ درصد می شود، همچنین، میزان دقت مدل فازی- عصبی توسعه داده شده ۹۴ درصد برآورد شده است.کلیدواژه ها
بهره وری, پیش بینی, شبکه عصبی, منطق فازیاطلاعات 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.