پيش بيني خرابي ماشينهاي صنعتي با استفاده از سه الگوريتم درخت تصميم-مطالعه موردي: خط توليد سنگ

Industrial machines failure prediction using three decision tree algorithms-case study: Rock production line

در اين مقاله هدف پيش بيني خرابي ماشين آلات با استفاده از داده كاوي مي باشد كه بدين منظور در ابتدا پايگاه داده مناسب متشكل از 489 ركورد از خرابي هاي به وقوع پيوسته در طي يك سال (سال 1396 ) تشكيل شده است. در مرحله اول خصيصه هاي عمومي موثر بر خرابي ماشين آلات مشخص شدند كه عبارتند از: نام ماشين، محل استقرار، گروه نت، شدت، وقوع، كشف، مدت زمان تا آخرين تعمير، عمر دستگاه، ساخت دستگاه و نحوه استفاده از ماشين. در مرحله بعد با تعيين 10 خصيصه و نوع خرابي بعنوان كلاس پايگاه داده، تحليل ها صورت پذيرفته است كه در اين راستا از 3 الگوريتم درخت تصميم (C5 ، C R و Quest) براي تعيين مهمترين خصيصه ها و تعيين قوانين موثر بر خرابي استفاده شده است. بر اساس نتايج بدست آمده از انتخاب خصيصه ها، سه خصيصه بحراني و موثر شامل وقوع، عمر دستگاه و مدت زمان تا آخرين خرابي هستند كه هر سه الگوريتم بصورت مشترك اين را نشان مي دهند. اما در مورد رتبه بندي 3 خصيصه الگوريتم ها نتيجه متفاوتي دارند. همچنين بررسي درخت هاي تصميم نشان مي دهد كه درخت تصميم C5 از دقت بالاتري با احتمال 100 درصد براي پيش بيني برخوردار است در حاليكه اين دقت در مورد الگوريتم C R Tree مقدار 91 درصد و در مورد الگوريتم QUEST TREE مقدار 88 درصد مي باشد. قوانين استخراج شده بر اساس نتايج درخت تصميم مي تواند براي بهينه سازي تصميم نگهداري و تعميرات از لحاظ هزينه موثر واقع گردد.