چکیده:
درخت تصمیم یکی از ابزارهای رایج در داده کاوی میباشد که برای دسته بندی و پیشبینی استفاده می شود. از طرفی دیگر کارخانهها و تاسیسات هر روزه با چالش ها و مشکلات بیشتری برای افزایش بهره وری و کاهش هزینه ها مواجه م ی شوند و در این راستا استراتژی های نگهداری و تعمیرات نقش بسزایی در رسیدن به این هدف دارند. در سالهای اخیر تلاشهای فراوانی شده است تا بتوان با کمک سیستم های فناوری اطلاعات انواع روشهای نگهداری و تعمیرات را به طرز موثری پیاده سازی و اجرایی نمود. نگهداری و
تعمیرات پیشگویانه یکی از استراتژی های نگهداری و تعمیرات است که بر مبنای آن در بازه های زمانی معین تعدادی از پارامترهای تجهیرات اندازه گیری میشود و بر اساس این داده ها، زمان رخداد خرابی احتمالی آینده پیش بینی شده و بر ای تعمیر و یا تعویض قطعات و تجهیزات تصمیم گیری میشود. در این پژوهش سعی شده است یک مدل پشتیبان تصمیم گیر برای نگهداری و تعمیرات پیشگویانه مبتنی بر شرایط بر اساس تکنیک های داده کاوی طراحی شود. این پروژه در شرکت ریخته گری آلومینیوم ایران خودرو
انجام شده و تجهیز انتخابی برای این پروژه کوره القایی می باشد که یکی از اساسی ترین و بحرانی ترین تجهیزات در کارخانه های ریخته گری است. لذا با توجه به داده کاوی انجام شده مدل مناسب ارائه گردید و ریسک های خرابی ها با استفاده از FMEA فلزی شناسایی شده و استراتژیهای سازمانی با استفاده از SWOT ارزیابی شدند.
خلاصه ماشینی:
در اين پژوهش سعي شده است يک مدل پشتيبان تصميم گير براي نگهداري و تعميرات پيشگويانه مبتني بر شرايط بر اساس تکنيکهاي داده کاوي طراحي شود.
6- نتایج -طراحی مدل با روشهای دادهکاوی براي طراحي و توسعه مدل پیشبینی از روش دادهکاوی استفاده شده است.
جدول 1-مجموعه داده آموزشي براي بازه زماني (به تصویر صفحه مراجعه شود) (به تصویر صفحه مراجعه شود) همانطور که در جدول 2، مشخص است ستون failure نشاندهنده خوشه خرابي موردنظر است.
جدول 2-مجموعه داده آزمايشي براي بازه زماني {مراجعه شود به فایل جدول الحاقی} (به تصویر صفحه مراجعه شود)همانطور که در شکل مشخص است اين مجموعه داده آزمايشي است و ستون برچسب failure خالي است و مدل بايستي بتواند با توجه به يادگيري خود برچسب موردنظر براي خرابي را پیشبینی نمايد.
(به تصویر صفحه مراجعه شود) شکل 1- طراحي مدل پیشبینی با روش DT نتيجه پیشبینی مدل توسط نرمافزار RapidMiner براي مجموعه داده آزمايشي در جدول 3، زير نشان داده شده است.
در ادامه به ارزيابي مدل طراحیشده در بازههای زماني متفاوت براي پیشبینی خوشههای A,B,C پرداخته شده است.
جدول 5-درصد دقت پیشبینی در روش DT {مراجعه شود به فایل جدول الحاقی} اين ارزيابي براي تمام بازهای زماني موردنظر انجام شد و نتايج آن در جدول زير قابل مشاهده است.
در گام بعد با کمک روش دادهکاوی و مدل طراحیشده براي پیشبینی رخداد خرابي در بازههای زماني متفاوت و باهدف تعيين برچسب خروجي از بين سه خوشه A,B,C مورد آزمايش و اجرا قرار گرفت.
, (2014), Application of data mining in a maintenance system for failure Prediction, Journal of Safety, Reliability and Risk Analysis, 3(7), 933-940.