پیش بینی خرابی الکتروموتورها در تاسیسات ساختمانی با استفاده از یادگیری ماشین و داده کاوی: مطالعه موردی یک مرکز آموزش نظامی

مقدمه: در دنیای امروزی، نگهداری پیشگیرانه از تجهیزات ساختمانی به ویژه الکتروموتورها به دلیل نقش حیاتی آنها در سیستم های آبرسانی، گرمایش و سرمایش، از اهمیت بالایی برخوردار است. با ظهور فناوری های صنعت ۴.۰، استفاده از داده کاوی و یادگیری ماشین برای پیش بینی خرابی ها و بهینه سازی نت پیشگیرانه به یک ضرورت تبدیل شده است.هدف: پژوهش حاضر با هدف ارائه یک مدل پیش بینانه برای نگهداری پیشگیرانه الکتروموتورها در تاسیسات ساختمانی با استفاده از الگوریتم های یادگیری ماشین و داده کاوی انجام شده است.روش تحقیق: این پژوهش از نوع کاربردی-توسعه ای و با روش آمیخته (کیفی-کمی) انجام شده است. داده های مورد استفاده شامل دو بخش اصلی بودند: ۱) داده های ثبت شده در سامانه ۱۳۷ مرکز آموزشی مورد مطالعه شامل ۶۸۴۸ رکورد تعمیرات، و ۲) داده های شبیه سازی شده یک الکتروموتور شامل متغیرهای عملیاتی مانند دما، سرعت چرخش، گشتاور و میزان سایش. پس از پیش پردازش داده ها با پایتون، الگوریتم های مختلف یادگیری ماشین شامل جنگل تصادفی، درخت تصمیم، SVM و رگرسیون لجستیک ارزیابی شدند.یافته ها: الگوریتم جنگل تصادفی با دقت ۹۹.۶٪ در داده های آزمایشی بهترین عملکرد را نشان داد. این مدل قادر به پیش بینی خرابی های الکتروموتور با دقت بالا و شناسایی الگوهای پنهان در داده های عملیاتی است. نتایج همچنین نشان داد که با استفاده از این روش می توان زمان خرابی های غیرمنتظره را کاهش داد، عمر مفید تجهیزات را افزایش داد و هزینه های نگهداری را بهینه کرد.نتیجه گیری: پژوهش حاضر نشان می دهد که تلفیق داده کاوی و یادگیری ماشین می تواند به صورت موثری برای نگهداری پیشگیرانه الکتروموتورها در تاسیسات ساختمانی به کار رود و منجر به بهبود قابلیت اطمینان، ایمنی و بهره وری سیستم ها شود.

کلیدواژه ها:

داده کاوی ، یادگیری ماشین ، تجهیزات ساختمان ، الکتروموتور ، نت پیشگیرانه ، پیش بینی خرابی