کاربرد هوش مصنوعی در زمان بندی بهینه تعمیر و نگهداری هواپیما: تلفیق الگوریتم PSO و شبکه عصبی CNN

تعمیر و نگهداری هواپیما یکی از مهم ترین و پیچیده ترین بخش های صنعت هوانوردی به شمار می آید. زمان بندی موثر پروژه های MRO نه تنها در کاهش هزینه ها و زمان خواب هواپیما موثر است، بلکه نقش مهمی در حفظ ایمنی و قابلیت اطمینان پرواز ایفا می کند. در سال های اخیر استفاده از هوش مصنوعی به عنوان ابزاری قدرتمند در شناسایی الگوهای پنهان و تحلیل داده ها رشد چشمگیری داشته است. در این مقاله، با هدف بررسی قابلیت ها و مزایای استفاده از هوش مصنوعی در زمان بندی پروژه های تعمیر و نگهداری هواپیما، یک رویکرد ترکیبی شامل الگوریتم های شبکه عصبی کانولوشنی و بهینه سازی ازدحام ذرات برای پیش بینی زمان و هزینه پروژه های MRO ارائه شده است. این رویکرد پس از پیاده سازی و تحلیل نتایج حاصل، به عنوان یک راهکار نوین در افزایش بهره وری و عملکرد سیستم های MRO مورد ارزیابی قرار می گیرد.

کلیدواژه ها:

بهینه سازی زمان بندی ، صنعت تعمیر و نگهداری هواپیما ، الگوریتم بهینه سازی ازدحام ذرات ، شبکه عصبی کانو