مدل هوش مصنوعی قابل توضیح برای نگهداری پیش بینی شده و بهینه سازی قطعات یدکی

در عصر حاضر، استراتژیهای نگهداری برای سیستمهای صنعتی و تولیدی به دلیل در بر داشتن اطلاعات ارزشمند در مورد متغیرهای تاثیرگذار در پروسه تولید حیاتی هستند. شواهد موجود بیانگر آن است که استفاده از تکنیکهای یادگیری ماشین در زمینه پیش بینی میتواند یک راهکار موثر به منظور بهبود عملکرد پیش بینیها باشد این مطالعه یک استراتژی نگهداری پیشگیرانه را در نظر گرفته استفاده از تحلیلها و داده کاوی تاکید دارد. لذا در این مقاله یک روش هوش مصنوعی قابل توضیح (XAI) برای نگهداری و بر پیش بینی شده ارائه میشود. روش پیشنهادی از چرخه پروژه یادگیری ماشین و کتابخانه های پایتون استفاده میکند تا نتایج را با روش توضیحات محلی مدل ناشناسی (LIME) تفسیر کند همچنین یک مفهوم اولیه از مدیریت قطعات یدکی معرفی می شود که با استفاده از نتایج نگهداری پیش بینی شده بینشهایی را ارائه داده و توضیحاتی برای تصمیم گیرندگان فراهم میکند تا درک بهتری از عوامل موثر پشت پیشبینیها داشته باشند. این مطالعه نشان میدهد که به کارگیری مدلهای یادگیری ماشین در نگهداری پیش بینی شده بسیار مفید است. اگرچه نتایج دودویی این مدلها ممکن است توسط تصمیم گیرندگان اشتباه فهمیده شود. توضیحات دقیق ارائه شده به تصمیم گیرندگان به طور مستقیم بر تصمیمات نگهداری تاثیر گذاشته و مدیریت قطعات یدکی را بهبود میبخشد.

کلیدواژه ها:

هوش مصنوعی قابل توضیح ، نگهداری ، پیشگویانه ، مدیریت قطعات یدکی ، یادگیری ماشین ، نگهداری انسان محور