پديد آورنده :
خوش سيرت، مبينا
عنوان :
طراحي و پيادهسازي يك ساختار تركيب كارا از مدلهاي كلاسيك آماري و يادگيري ماشين در نگهداري و تعميرات پيشگويانه
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
لجستيك و زنجيره تأمين
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
دوازده، 69ص. : مصور، جدول، نمودار
استاد راهنما :
مهدي خاشعي، ناصرملاوردي
توصيفگر ها :
نگهداري و تعميرات پيشگويانه , پيشبيني , يادگيري ماشين , ساختار تركيب
استاد داور :
مهدي بيجاري، مهدي ايران پور
تاريخ ورود اطلاعات :
1399/10/03
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1399/11/13
چكيده فارسي :
1 چكيده امروزه نگهداري و تعميرات اهميت بسياري در صنايع توليدي پيدا نموده است نگهداري و تعميرات بر مدت زمان بهرهبرداري تجهيزات و همچنين كارايي آنها تأثيرگذار ميباشد يك راهحل كارا به منظور جلوگيري از توقف فرآيندهاي توليد پيشبيني خرابي تجهيزات است از اين رو پيشبيني دقيق و صحيح رويدادهاي خرابي درحوزه نگهداري و تعميرات پيشگويانه ميتواند بسيار مفيد باشد در حالت كلي هر پيشبيني با مقداري خطا همراه خواهد بود كه در روشهاي مختلف سعي بر آن است كه اين خطا را كنترل نموده و يا در يك مقدار معقول محدود نمايند به همين جهت يكي از موضوعات مطرح در مطالعات اخير بخصوص در نگهداري و تعميرات پيشگويانه بحث پيرامون بهبود دقت پيشبينيهاست در اين پايان نامه چارچوبي پيشنهاد شده است كه مشخص مينمايد سيستم تحت بررسي چه زماني نيازمند اقدامات نگهداري و تعميرات خواهد بود تا نتيجتا تا حد ممكن از توقف در فرآيند جلوگيري شود لذا هدف اصلي اين پاياننامه طراحي و پيادهسازي يك ساختار تركيب كارا در جهت پيشبيني دقيق رويدادهاي خرابي با استفاده توأم از مدلهاي استاندارد كالسيك آماري و يادگيري ماشين در زمينه نگهداري و تعميرات پيشگويانه است نتايج بررسي ادبيات موضوع حاكي از آن است كه استفاده از اين روشها در چند سال اخير سبب پيشرفتهاي گستردهاي در زمينه ارائه پيشبينيهاي دقيق و پيرو آن بهبود سطح تصميمات اتخاذي از طرف مديران و تصميمگيرندگان شده است از مدل پيشنهادي براي پيشبيني وقايع خرابي در دادههاي محك كه مربوط به سيستم فشار هواي كاميون است استفاده شده است در نهايت عملكرد مدل پيشنهادي با ساير تكنيكهاي داده محور به صورت تكي و تركيبي كه شامل مدلهاي الجيت ماشين بردار پشتيبان و شبكههاي عصبي پرسپترون چنداليه است مقايسه شده است با توجه به مقادير عددي بدست آمده از تحليل و بررسي نهايي نتايج حاكي از آن است كه مدل ماشين بردار پشتيبان در مقايسه با مدلهاي تكي و تركيبي سري از دقت پيشبيني باالتري برخوردار بوده و همچنين نتايج نشانگر كارآمدي و كارايي ساختار تركيب موازي پيشنهادي در مقايسه با به كارگيري مدلها به صورت تكي در مسائل مدلسازي و پيشبيني است مدل تركيبي موازي دقت پيشبينيها را به طور ميانگين به ميزان 11 در دادههاي آزمون و 7 در دادههاي آموزش بهبود بخشيده است لذا با توجه به دقت بيشترتركيب مدلهاي كالسيك آماري و يادگيري ماشين به صورت موازي استفاده از اين روش تركيبي به منظور بهبود دقت پيشبينيها در حوزه نگهداري و تعميرات پيشگويانه براي مطالعات آتي توصيه ميگردد كلمات كليدي نگهداري و تعميرات پيشگويانه پيشبيني يادگيري ماشين ساختار تركيب
چكيده انگليسي :
71ABSTRACTToday maintenance and repair has become very important in the manufacturing industry Maintenance and repairs affect the service life of the equipment as well as their efficiency Anefficient solution to prevent downtime is to predict equipment failure Therefore accurate andcorrect prediction of breakdown events in the field of predictive maintenance can be veryuseful In general each prediction will be accompanied by a certain amount of error which invarious ways tries to control this error or limit it to a reasonable amount Therefore one of thetopics in recent studies especially in predictive maintenance is the discussion of improvingforecast accuracy In this thesis a framework has been proposed that specifies when the systemunder review will need maintenance and repairs to prevent downtime as much as possible Therefore the main purpose of this thesis is to design and implement an efficient combinationstructure in order to accurately predict failure events using both standard statistical standardmodels and machine learning in the field of predictive maintenance The results of the literaturereview indicate that the use of these methods in recent years has led to extensive advances inthe field of providing accurate forecasts and subsequently improved the level of decisions madeby managers and decision makers The proposed model is used to predict failure events inbenchmark data related to truck air pressure system Finally the performance of the proposedmodel is compared with other data driven techniques individually and in combination whichinclude logit models support vector machines and multilayer perceptron neural networks According to the numerical values obtained from the final analysis the results indicate that thebackup vector machine model has a higher prediction accuracy compared to other singlemodels and also the results indicate the efficiency and effectiveness of the proposed parallelcombination structure compared to the use of models individually and in series combination inmodeling and forecasting issues The parallel hybrid model has improved the accuracy ofpredictions by an average of 11 in test data and 7 in training data Therefore due to thegreater accuracy of combining classical statistical models and machine learning in parallel theuse of this combined method to improve the accuracy of predictions in the field of predictivemaintenance is recommended for future studies Keywords predictive maintenance forecasting machine learning Combination structure
استاد راهنما :
مهدي خاشعي، ناصرملاوردي
استاد داور :
مهدي بيجاري، مهدي ايران پور
