پیش بینی سایش و برنامه ریزی نگهداری پیشگیرانه کمپکتورهای پسماند شهری

این مقاله به بررسی کاربرد شبکه های عصبی مصنوعی در پیش بینی سایش قطعات و برنامه ریزی نگهداری پیشگیرانه کمپکتورهای پسماند شهری می پردازد. هدف اصلی، کاهش خرابی های ناگهانی، افزایش قابلیت اطمینان و بهینه سازی هزینه های نگهداری و تعمیرات این تجهیزات حیاتی است. در این راستا، از داده های بلادرنگ و تاریخی حسگرهای ارتعاشی و عملکردی (نظیر فشار، دما و جریان) برای پایش سلامت دستگاه استفاده شده است. با به کارگیری معماری جامع جمع آوری و یکپارچه سازی داده ها، ویژگی های مرتبط با سایش استخراج شده و به عنوان ورودی به شبکه های عصبی عمیق از نوع LSTM ارائه می شوند. خروجی مدل، شاخص سلامت دستگاه و پیش بینی زمان باقی مانده تا خرابی را فراهم می آورد. نتایج نشان می دهد که این رویکرد مبتنی بر داده، امکان انتقال از نگهداری واکنشی به نگهداری پیش بینانه را فراهم کرده و منجر به برنامه ریزی موثر تعمیرات، کاهش توقف های اضطراری و افزایش طول عمر مفید کمپکتورها می گردد.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، نگهداری پیشگیرانه ، کمپکتور پسماند شهری ، حسگرهای ارتعاشی ، پیش بینی سایش ، داده های عملکردی ، مدیریت دارایی ، اینترنت اشیا ، یادگیری ماشین ، شهر هوشمند