ادغام اینترنت اشیا و هوش مصنوعی در مدیریت چرخه عمر محصول دیجیتال سیستم هشدار ردگارد

مدیریت چرخه عمر محصول (PLM) در سیستم های هشدار امنیتی مانند ردگارد، به ویژه در مراحل خدمات پس از فروش (MOL) و (EOL) با چالش هایی مانند تحلیل داده های تعمیراتی، خدمات نگهداری و الگوهای رفتاری کاربران روبرو است. این تحقیق با هدف بهینه سازی عملکرد چرخه محصول از طریق ادغام اینترنت اشیاء (IoT) و هوش مصنوعی (AI) به تحلیل این داده ها می پردازد تا طراحی، زنجیره تامین و تولید را بهبود بخشد. روش شناسی تحقیق بر پایه مدلسازی چندهدفه استوار است: ابتدا داده های خدمات پس از فروش مانند زمان تعمیر قطعات، هزینه ها و الگوهای کاربر با ابزارهایی مانند Python شبیه سازی و پیش پردازش می شوند، سپس مدل ریاضی چندهدفه (min C(D برای هزینه ها و max (P(D برای عملکرد) با الگوریتم های هیبریدی مانند GA-MCDM (الگوریتم ژنتیک و تصمیم گیری چند معیاره) حل می شود که از یادگیری ماشین مانند Random Forest برای استخراج الگوهای رفتاری و RNN برای پیش بینی خرابی ها برای تولید پیشنهادهای هوشمند استفاده می کند. نتایج شبیه سازی شده نشان دهنده کاهش ۲۵ درصدی هزینه تعمیرات و افزایش ۱۵ درصدی طول عمر محصول، با دقت پیش بینی ۸۵٪ است. این رویکرد PLM را به سمت دیجیتال و پیش بینی کننده سوق می دهد.

کلیدواژه ها:

مدیریت چرخه عمر محصول ، اینترنت اشیا ، هوش مصنوعی ، سیستم های هشدار امنیتی ، یادگیری ماشین