مدل‌سازی ترکیبی منطق فازی و شبکه عصبی مصنوعی برای پیش‌بینی خرابی ماشین‌آلات به منظور افزایش بهره‌وری

مدل‌سازی ترکیبی منطق فازی و شبکه عصبی مصنوعی برای پیش‌بینی خرابی ماشین‌آلات به منظور افزایش بهره‌وری
نوع مقاله
دوره انتشار
درجه علمی نشریه
فصل
دوره
12
شماره
1
شماره صفحه (از - تا)
69-86
فایل پیوست
دریافت نسخه PDF (1.12 مگابایت)
چکیده

در این پژوهش، یک رویکرد ترکیبی بر پایه منطق فازی و شبکه عصبی مصنوعی برای پیش‌بینی خرابی ماشین‌آلات در راستای افزایش بهره‌وری ارائه می‌شود. مورد مطالعه این پژوهش یکی از کارخانجات صنعت خودروسازی با نام دیاکو ایده آریا بوده که در حوزه تولید قطعات خودرو فعالیت می‌کند. تعمیر و نگهداری پیشگیرانه نیازمند پیش‌بینی درست خرابی‌ها و حوادث، تجهیزات و ماشین‌آلات می‌باشد تا بتوان با تعمیر و نگهداری به موقع و صحیح ماشین‌آلات و همچنین رفع نقایص و خرابی‌ها بهره‌وری را افزایش داد. برای مدل‌سازی شبکه فازی-عصبی پرسپترون چند لایه (MLP)، نخست تعداد 100 خرابی و توقف در بازه زمانی 15 ماه جمع‌آوری شده و سپس در نرم‌افزار MATLAB وارد شده است. نتایج بدست آمده نشان می‌دهد پیاده‌سازی شبکه فازی-عصبی و پیش‌بینی زمان خرابی ماشین‌آلات سبب کاهش مدت زمان و هزینه تعمیرات شده است. بنابراین مدت زمان کاری و دسترس‌پذیری ماشین‌آلات افزایش یافته و در نهایت سبب افزایش میزان بهره‌وری به میزان 57 درصد می‌شود، همچنین، میزان دقت مدل فازی- عصبی توسعه داده شده 94 درصد برآورد شده است.

استناد

چوپانکاری، پرویز، امیر عزیزی، و محمدجواد ارشادی. 1401. مدل‌سازی ترکیبی منطق فازی و شبکه عصبی مصنوعی برای پیش‌بینی خرابی ماشین‌آلات به منظور افزایش بهره‌وری. مهندسی و مدیریت کیفیت 12 (1): 69-86.

شماره :
4711
آخرین به روزرسانی :
جمعه, 26 دی 1404 - 23:31
X
Chat Icon