بهینه سازی تواتر بازرسی نگهداری ماشین آلات بوسیله شبکه عصبی مصنوعی

Authors

  • دکتر داود کریمی
  • دکتر نظام الدین فقیه
Abstract:

برای کاهش هزینه ها و زمان خوابیدگی ماشین آلات صنعتی ، یکی از مهمترین اقدامات جهت پیشگیری از خرابی، بازرسی نگهداری است. بر مبنای محاسبات آماری با بنطباق میزان شکست ، مدت خرابی و زمان بازرسی با تابع توزیع نمایی نسبت به حداقل نمودن مجموع زمان های خوابیدگی بوسیله تعیین تعداد بازرسی اقدام می شود. میزان شکست بدون انجام هرگونه بازرسی نگهداری است. با توجه به اهمیت و حساسیت برخی صنایع، تعیین تعداد بازرسی با قابلیت اطمینان معین ضرورت می یابد که با استفاده از محاسبات آماری از رابطه زیر بدست می آید. روش های جایگزین برای انجام این کار با استفاده از شبکه های عصبی مصنوعی عبارتند از : 1- شناسایی الگو 2- بهینه سازی استفاده از توانایی شناسایی الگوی شبکه عصبی MLP به معنی یادگیری رفتار سیستم و تعمیم عملکرد گذشته به آینده در دوره عادی عمر ماشین و زمان بندی بازرسی نگهداری بر مبنای این عملکرد می باشد. تابع معیار این شبکه است که در آن تعداد بازرسی واقعی یا محاسبه شده توسط روش آماری در واحد زمان و د تابع بازرسی قابل محاسبه بوسیله شبکه عصبی است ، به طوری که تابع معیار حداقل شود. در این مقاله با استفاده از توانایی بهینه سازی شبکه عصبی و برای حداقل کردن مجموع زمان خوابیدگی ماشین از تابع معیار استفاده می شود و سرانجام برای حداقل کردن مجموع زمان خوابیدگی همراه با حداکثر کردن قابلیت اطمینان ، نسبت به حداقل کردن تابع معیار توسط شبکه عصبی اقدام می گردد. کسب نتایج جامع و ملموس به صورت ترکیب بهینه زمان خوابیدگی ( که با تعداد بازرسی رابطه معکوس دارد) و قابلیت اطمینان ( که با تعداد بازرسی رابطه مستقیم دارد) برتری نسبی روش جدید را یه منصه ظهور می رساند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی تواتر بازرسی نگهداری ماشین آلات بوسیله شبکه عصبی مصنوعی

برای کاهش هزینه ها و زمان خوابیدگی ماشین آلات صنعتی ، یکی از مهمترین اقدامات جهت پیشگیری از خرابی، بازرسی نگهداری است. بر مبنای محاسبات آماری با بنطباق میزان شکست ، مدت خرابی و زمان بازرسی با تابع توزیع نمایی نسبت به حداقل نمودن مجموع زمان های خوابیدگی بوسیله تعیین تعداد بازرسی اقدام می شود. میزان شکست بدون انجام هرگونه بازرسی نگهداری است. با توجه به اهمیت و حساسیت برخی صنایع، تعیین تعداد ...

full text

مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی

Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of  this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...

full text

بهینه سازی درخواست کاربر مبتنی بر هوشمندسازی بازیابی اطلاعات بوسیله شبکه عصبی

از کامپیوتر برای رده بندی و ذخیره اطلاعات مرسوم شده است. با توجهشامروزه استفاده به انبوه اطلاعات موجود در شبکه ها از جمله اینترنت، و ساختمند نبودن اطلاعات، نیاز به بازیابی خودکار اطلاعات بیشتر گردیده است. با توجه به تنوع اطلاعات موجود در شبکه و ناهمگن بودن مدارک ایجاد درخواست برای کاربران ساده نیست و در بسیاری از موارد نیازمند اصلاح بوسیله شخص خبره می باشد. منظور از هوشمندسازی سیستم بازیابی اطل...

full text

بهینه سازی شبکه عصبی ELM در مسئله پیش‌بینی

برای محیط همیشه در حال تغییر این دوران و تغییر در شیوه تعاملات شرکت­ها با تامین­کنندگان و مشتریان و پیچیدگی بازارها، کاهش دوره عمر محصولات و اهمیت­یافتن زمان پاسخگویی به مشتریان، پیش­بینی تقاضای محصول  عامل حیاتی برای رقابت­پذیری سازمان­ها می­باشد. با پیش­بینی دقیق الگوهای تقاضا، دولت و تولیدکنندگان  می­توانند براساس میزان و جهت جریان آتی تولید، برنامه ریزی­ها را سازماندهی کنند و زیرساخت بهتری ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 52  issue 0

pages  -

publication date 2001-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023