مدل سازي تركيبي منطق فازي و شبكه عصبي مصنوعي براي پيش بيني خرابي ماشين آلات به منظور افزايش بهره وري

در اين پژوهش، يك رويكرد تركيبي برپايه منطق فازي و شبكه عصبي مصنوعي براي پيش بيني خرابي ماشين آلات در راستاي افزايش بهره‌وري ارائه مي شود. مورد مطالعه اين پژوهش يكي از كارخانجات صنعت خودروسازي با نام دياكو ايده آريا بوده كه در حوزه توليد قطعات خودرو فعاليت مي كند. براي مدل سازي شبكه فازي-عصبي پرسپترون چند لايه(MLP)، نخست تعداد 100 خرابي و توقف در بازه زماني 15 ماه جمع آوري شده و سپس در نرم افزار MATLAB وارد شده است. نتايج بدست آمده نشان مي دهد پياده سازي شبكه فازي-عصبي و پيش بيني زمان خرابي ماشين آلات سبب كاهش مدت زمان و هزينه تعميرات شده است. بنابراين مدت زمان كاري و دسترس پذيري ماشين آلات افزايش يافته و در نهايت سبب افزايش ميزان بهره وري به ميزان 57 درصد مي‌شود، همچنين، ميزان دقت مدل فازي- عصبي توسعه داده شده 94 درصد برآورد شده است.