مدل پيش‌بيني زمان كاركرد باقي‌مانده تا وضعيت بحراني بر اساس سوابق تحليل روغن موتور با راهكار داده كاوي

يكي از جنبه‌هاي مهم نگهداري و تعميرات مبتني بر شرايط (CBM) پيش‌بيني عمر مفيد باقي‌مانده (RUL) بر اساس سوابق گذشته و وضعيت كنوني دستگاه است و تحليل روغن روانكار يكي از روش‌هاي CBM است كه به علت تماس مستقيم با دستگاه شرايطش بيانگر وضعيت سلامتي دستگاه است. در فرآيند CBM داده‌هاي زيادي توليد و انباشته مي‌شود اما دانش موجود در اين داده‌ها به‌طور كامل قابل‌درك نيست و باعث ضايع شدن منابعي گران‌بها مي‌شود. براي استخراج اطلاعات و دانش از اين داده‌ها به استفاده از روش‌هايي مانند داده‌كاوي نياز است. در اين پژوهش بر اساس تعريف RUL بهترين مدل پيش‌بيني زمان كاركرد باقي‌مانده تا وضعيت بحراني براي يك مدل بلدوزر بر اساس سوابق تحليل روغن موتور (مجموعه داده اي با 2700 ركورد و 129 ويژگي) با راهكار داده‌كاوي ساخته‌شده است. براي ساخت بهترين مدل، بعد از آماده‌سازي مجموعه داده مناسب با 49 ركورد و چهار ويژگي مدل هايي با روش هاي رگرسيون و شبكه عصبي ساخته‌شده است. به علت امكان انجام شدن فعاليت تعويض روغن در فواصل نمونه‌گيري‌ها، مدل‌ها با دو روش اعمال مقادير ويژگي‌هاي مستقل ساخته‌شده‌اند. بر اساس ارزيابي عملكرد مدل‌ها بهترين مدل با شبكه عصبي و روش دوم اعمال مقادير ويژگي‌هاي مستقل كه استفاده از مقادير جديد (تجمعي) دو ويژگي مستقل (Fe, Cu) و مقدار واقعي (غير تجمعي) يك ويژگي مستقل (Vis40) بوده با خطاي پيش بيني 23526.662 -/+ 958559.033 ساخته‌شده است.