به سوی تعمیرات هوشمند: توسعه چارچوبی یکپارچه برای بهبود قابلیت اطمینان و بهینه سازی هزینه های نگهداری در صنایع کلیدی

این پژوهش با رویکردی ترکیبی (کیفی-کمی) به بررسی نظام مند راهکارهای نوین در حوزه نگهداری و تعمیرات پیشگویانه پرداخته است. یافته های تحقیق نشان می دهد که پیاده سازی سیستم های هوشمند مبتنی بر اینترنت اشیا صنعتی (IIoT) و یادگیری ماشین می تواند میانگین زمان بین خرابی ها (MTBF) را تا ۶۰% افزایش داده و هزینه های تعمیراتی را تا ۳۵% کاهش دهد. مطالعه تطبیقی انجام شده میان ۵۰ واحد صنعتی در ایران نشانگر آن است که تنها ۱۸% از صنایع کشور از فناوری های پیشرفته نگهداری و تعمیرات بهره می برند، در حالی که این شاخص در کشورهای پیشرو به ۴۵% می رسد. تحلیل داده های میدانی موید آن است که مهم ترین چالش های پیش رو شامل: کمبود نیروی متخصص (۴۵%)، محدودیت های فناورانه (۳۸%) و نبود استانداردهای یکپارچه (۲۷%) می باشد. مقاله حاضر با ارائه «مدل بهینه سازی چندهدفه» برای مدیریت نگهداری پیشگویانه، راهکارهای عملیاتی در سه سطح فناوری، نیروی انسانی و مدیریتی پیشنهاد می دهد. این مطالعه می تواند مبنای ارزشمندی برای سیاست گذاران صنعتی، مدیران فنی و پژوهشگران حوزه قابلیت اطمینان باشد.

کلیدواژه ها:

نگهداری پیشگویانه ، قابلیت اطمینان ، اینترنت اشیا صنعتی ، یادگیری ماشین ، بهینه سازی هزینه ، مدیریت دارایی ، دیجیتالی سازی صنعتی ، تحلیل پیش بینانه