تحلیل الگوی عیب یابی مبتنی بر اطلاعات عملکردی ماشین (مورد مطالعه: لکوموتیوهای زیمنس راه آهن ایران)

یکی از مراحل مهم در نت تجهیزات، انجام فرایند عیب یابی به صورت صحیح است. عیب یابی تجهیزات پیچیده صنعتی همچون لوکوموتیوها فرایند دشواری است. عدم تشخیص به موقع علت خرابی لکوموتیو، علاوه بر کاهش زمان دسترسی، باعث اختلال در شبکه ریلی، افزایش توقف مازاد قطارها و موارد نامطلوب دیگر می گردد. با پیشرفت هایی که در سال های گذشته حاصل شده است، حجم داده های ذخیره شده در لکوموتیوهای جدید در حال افزایش است. با روش های متفاوتی می توان دانش موجود در داده ها را کشف نموده و در جهت افزایش بهره وری سازمان  استفاده کرد. با تحلیل الگوی عیب یابی لکوموتیوها می توان علت بسیاری از خرابی ها را کشف نموده و زمان انجام تعمیرات را کاهش داد.  از روش های موجود، می توان به تکنیک های داده کاوی اشاره کرد. پژوهش حاضر با بهره گیری از داده کاوی و الگوریتم اپریوری، به کشف قواعد معنادار از داده های موجود در لکوموتیوهای زیمنس راه آهن ایران، با هدف ارتقای کارایی فرایند عیب یابی، می پردازد. حاصل این پژوهش کشف 20 رخداد پرتکرار در لکوموتیوهای مسافری، 18 قانون دو مولفه ای و 2 قانون سه مولفه ای بوده و دستاورد کلیدی آن، بهبود نت لکوموتیوها در طی یک بازه زمانی کوتاه در ناحیه شمال شرق1 راه آهن جمهوری اسلامی ایران است. براساس پیش بینی انجام شده، استفاده از قوانین کشف شده در آینده می تواند موجب حذف بسیاری از توقف های خارج از برنامه قطارهای مسافری شده و همچنین هزینه نت لکوموتیوها را به میزان قابل توجهی کاهش دهد. برآورد می شود فقط استفاده از یکی از قانون های ذکر شده به تنهایی می تواند در هر سال حدود ده میلیارد ریال از هزینه های راه آهن ایران بکاهد.