بررسي كاربرد الگوريتم هاي هوش مصنوعي در تخمين طول عمر مفيد باقي مانده

Investigating the use of artificial intelligence algorithms in estimating useful life remains

اين مقاله مروري با معرفي يادگيري ماشين ، يادگيري عميق و الگوريتم هاي آن به بررسي كاربرد هاي آن در صنايع مختلفي مانند هوافضا و هوانوردي ، انرژي و برق ، حمل و نقل و لجستيك ، نفت و گاز ، صنعت خودروسازي ، مراقبت هاي بهداشتي و تجهيزات پزشكي ، راه آهن و حمل و نقل عمومي ، شبكه و زير ساخت هاي اينترنتي و مراكز داده در حوزه تعمير و نگهداري پيشگويانه و تخمين طول عمرمفيد باقي مانده تجهيزات و ماشين آلات براي نشان دادن تصميم گيري فعال ، كاهش هزينه و افزايش بهره وري عملياتي مي پردازد . با استفاده از روش هاي علم سنجي به مقالات علمي دانشگاه هاي مختلف در كشور هاي مختلفي مي پردازد و در ادامه چالش هاي استفاده از الگوريتم هاي يادگيري ماشين و يادگيري عميق را بررسي مي كند و به مواردي از پياده سازي هاي اين الگوريتم هاي يادگيري در صنايع مختلف مي پردازد .

This review article introduces machine learning and deep learning and its algorithms to examine its applications in various industries such as aerospace and aviation, energy and electricity, transportation and logistics, oil and gas, automotive industry, healthcare and medical equipment. , railways and public transport, network and internet infrastructure and data centers in the field of predictive maintenance and estimating the remaining useful life of equipment and machinery to show active decision-making, reduce costs and increase operational efficiency. Using scientometric methods, it deals with the scientific articles of different universities in different countries, and then examines the challenges of using machine learning algorithms and deep learning, and deals with implementations of these learning algorithms in different industries.