یک مدل آماری و هوشمند برای تشخیص نقاط خرابی در نگهداری و تعمیرات پیشگویانه

امروزه نگهداری و تعمیرات اهمیت بسیاری در صنایع تولیدی پیدا کرده است. یک راه حل کارا به منظور جلوگیری از توقف فرایندهای تولید، پیش بینی خرابی تجهیزات است. در این مقاله، به منظور تشخیص زمان انجام اقدامات نگهداری و تعمیرات چارچوبی پیشنهاد شده تا حتی الامکان از توقف در فرایند جلوگیری شود. لذا هدف اصلی این پژوهش، ارایه ی یک مدل آماری و هوشمند برای تشخیص نقاط خرابی در زمینه ی نگهداری و تعمیرات پیشگویانه است. در نهایت عملکرد مدل پیشنهادی با سایر شیوه های داده محور به صورت تکی و ترکیبی، شامل مدل های لاجیت، ماشین بردار پشتیبان و شبکه های عصبی پرسپترون چندلایه است، مقایسه شده است. نتایج حاکی از آن است که مدل ماشین بردار پشتیبان در مقایسه با مدل های تکی و ترکیبی سری، از دقت بالاتری برخوردار است و نیز نتایج نشانگر کارآمدی و کارایی ساختار ترکیب موازی پیشنهادی در مسایل مدل سازی و پیش بینی است.