پیش بینی زمان خرابی ماشین آلات با استفاده از یادگیری عمیق
- سال انتشار: 1398
- محل انتشار: پنجمین کنفرانس بین المللی مهندسی صنایع و سیستمها (ICISE ۲۰۱۹)
- کد COI اختصاصی: ICISE05_094
- زبان مقاله: فارسی
- تعداد مشاهده: 2028
نویسندگان
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه فردوسی مشهد؛
استادیار گروه مهندسی صنایع، دانشگاه فردوسی مشهد؛
چکیده
دستگاه ها و تجهیزات گوناگون در شرکت های تولیدی برای تولید محصول، همواره به عنوان یکی از مهم ترین سرمایه های کارخانه ها به شمار می آید؛ بنابراین با توجه به اینکه هزینه های خرید، نگهداری و تعمیرات تجهیزات بسیار گزاف و پرهزینه است و بخش عمده ای از سرمایه ثابت و هزینه های عملیاتی شرکت ها را تشکیل می ده؛ طبیعی است که یکی از دغدغه های اساسی برای مدیران ارشد در چگونگی به کارگیری و نگهداری بهینه این تجهیزات باشد. در رابطه با این مورد، موضوع حائز اهمیت، تعیین زمان خرابی و ازکارافتادگی دستگاه ها است. در این پژوهش، با استفاده از رویکرد یادگیری عمیق به پیش بینی زمان خرابی تجهیزات در کارخانه تولید قطعات خودرو، پرداخته شد. با توجه به اینکه هدف پیش بینی زمان خرابی در بازه زمانی یک هفته برای تجهیزات است توانستیم با جمع آوری داده های لازم و پیاده سازی مدل شبکه عمیق با نرخ صحت برابر با 4/97 زمان خرابی قطعات مربوط به دستگاه پیش بینی شد.کلیدواژه ها
نگهداری و تعمیرات، زمان خرابی، داده کاوی، مدیریت قطعات یدکی، یادگیری عمیق.مقالات مرتبط جدید
- ارائه الگوی بهینه مدیریت پسماند شهرهای ساحلی با توجه به اصول توسعه پایدار شهری
- طراحی زنجیره تامین سبز در عرصه توسعه پایدار
- زنجیره تامین پشتیبانی شده
- کاربرد بهینهسازی خطی در بررسی خواص ملات سیمان با استفاده از طراحی آزمایش ها – تاثیر ردههای مقاومتی سیمان
- بهینه سازی خطی طرح اختلاط ملات سیمان برای مقاومت خمشی - رویکرد طراحی آزمایش
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.