مدیریت پیشگیری و سلامت با استفاده از داده‌ کاوی، مطالعه موردی تشخیص و پیش‌بینی هوشمند عیوب مخزن

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,389

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIORS02_267

تاریخ نمایه سازی: 11 اسفند 1387

چکیده مقاله:

نگهداری و تعمیران مبتنی بر شرایط (CBM) و مدیریت پیشگیری و سلامت (PHM) در خلال سالهای اخیر به عنوان فناوری‌های چشمگیری که تاثیر عمیقی بر فعالیتهای مربوط به نگهداری و تعمیرات در حوزه‌های نظامی و تجاری دارند، ظهور یافته‌اند. با پیشرفت علوم رایانه‌ای، انبوهی از داده‌ها توسط برنامه‌های کاربردی مختلف جمع‌آوری می‌شوند. پایگاه‌های داده سیستم‌های مدیریت نگهداری و تعمیران (CMMS)، داده‌های زیادی را ذخیره می‌کنند و با گسترش دانش، پردازش این داده‌ها مورد توجه قرار گرفته است. کشف دانش مفید در خصوص تشخیص عیوب و پیش عمر تجهیزات از بین این حجم عظیم داده بسیار ضروری می‌باشد و باید روش یا روشهایی یافت که بتوان با آن از این همه داده که به سادگی از آن نمی‌توان به نتیجه یا تصمیمی رسید اطلاعاتی سودمند و مختصر بدست آورد. این اطلاعات می‌توانند در تصمیم‌گیری مدیران تاثیر شگرفی داشته باشند. داده کاوی فرآیند کشف الگوها و روابط پنهان موجود بین داده‌هاست. در این مقاله مدلی هوشمند جهت تشخیص و پیش‌بینی عیوب با استفاده از داده کاوی ارائه شده است. در نهایت مدل معرفی شده در یک مطالعه موردی بکار گرفته شده است.

کلیدواژه ها:

نگهداری و تعمیرات (Maintenance) ، مراقبت وضعیت (Condition) ، داده کاوی (Data Mining) ، نگهداری و تعمیرات مبتنی بر شرایط (CBM) ، مدیریت پیش‌بینی و سلامت (PHM)

نویسندگان

مصطفی یوسفی طزرجان

کارشناسی ارشد مهندسی صنایع دانشگاه تربیت مدرس

سعید رمضانی

کارشناسی ارشد مهندسی صنایع دانشگاه امام حسین (ع) مرکز مطالعات و پژو

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • G. Vac htsevanos _ F. Lewis, M. Roemer, A. Hess ...
  • N. Propes, S. Lee, G. Zhang, _ Real-Time Architecture for ...
  • N. Propes, S. Lee, G. Zhang, I. Barlas, Y. Zhao, ...
  • G. Zhang, S. Lee, N. Propes, Y. Zhao, G. Vachtsevan ...
  • J. Han, and M. Kamber, «Data Mining Concepts and Techniques", ...
  • Olson, L. David, "Data Mining", WwW.ait. unl _ ed u/do ...
  • DataEngine Manual, MIT GmbH, 1999. ...
  • False positive rate ...
  • Fault accuracy rate 10 Time _ detection ...
  • نمایش کامل مراجع