يك مدل آماري و هوشمند براي تشخيص نقاط خرابي در نگهداري و تعميرات پيشگويانه

امروزه نگهداري و تعميرات اهميت بسياري در صنايع توليدي پيدا كرده است. يك راه‌حل كارا به منظور جلوگيري از توقف فرايندهاي توليد، پيش‌بيني خرابي تجهيزات است. در اين مقاله، به منظور تشخيص زمان انجام اقدامات نگهداري و تعميرات چارچوبي پيشنهاد شده تا حتي‌الامكان از توقف در فرايند جلوگيري شود. لذا هدف اصلي اين پژوهش، ارائه‌ي يك مدل آماري و هوشمند براي تشخيص نقاط خرابي در زمينه‌ي نگهداري و تعميرات پيشگويانه است. در نهايت عملكرد مدل پيشنهادي با ساير شيوه‌هاي داده محور به صورت تكي و تركيبي، شامل مدل‌هاي لاجيت، ماشين بردار پشتيبان و شبكه‌هاي عصبي پرسپترون چندلايه است، مقايسه شده است. نتايج حاكي از آن است كه مدل ماشين بردار پشتيبان در مقايسه با مدل‌هاي تكي و تركيبي سري، از دقت بالاتري برخوردار است و نيز نتايج نشانگر كارآمدي و كارايي ساختار تركيب موازي پيشنهادي در مسائل مدل‌سازي و پيش‌بيني است.