جستجوی مقالات مرتبط با کلیدواژه « condition based maintenance » در نشریات گروه « مدیریت »
تکرار جستجوی کلیدواژه «condition based maintenance» در نشریات گروه «علوم انسانی»-
یکی از جنبه های مهم نگهداری و تعمیرات مبتنی بر شرایط (CBM) پیش بینی عمر مفید باقی مانده (RUL) بر اساس سوابق گذشته و وضعیت کنونی دستگاه است و تحلیل روغن روانکار یکی از روش های CBM است که به علت تماس مستقیم با دستگاه شرایطش بیانگر وضعیت سلامتی دستگاه است. در فرآیند CBM داده های زیادی تولید و انباشته می شود اما دانش موجود در این داده ها به طور کامل قابل درک نیست و باعث ضایع شدن منابعی گران بها می شود. برای استخراج اطلاعات و دانش از این داده ها به استفاده از روش هایی مانند داده کاوی نیاز است. در این پژوهش بر اساس تعریف RUL بهترین مدل پیش بینی زمان کارکرد باقی مانده تا وضعیت بحرانی برای یک مدل بلدوزر بر اساس سوابق تحلیل روغن موتور (مجموعه داده ای با 2700 رکورد و 129 ویژگی) با راهکار داده کاوی ساخته شده است. برای ساخت بهترین مدل، بعد از آماده سازی مجموعه داده مناسب با 49 رکورد و چهار ویژگی مدل هایی با روش های رگرسیون و شبکه عصبی ساخته شده است. به علت امکان انجام شدن فعالیت تعویض روغن در فواصل نمونه گیری ها، مدل ها با دو روش اعمال مقادیر ویژگی های مستقل ساخته شده اند. بر اساس ارزیابی عملکرد مدل ها بهترین مدل با شبکه عصبی و روش دوم اعمال مقادیر ویژگی های مستقل که استفاده از مقادیر جدید (تجمعی) دو ویژگی مستقل (Fe, Cu) و مقدار واقعی (غیر تجمعی) یک ویژگی مستقل (Vis40) بوده با خطای پیش بینی 23526.662 -/+ 958559.033 ساخته شده استکلید واژگان: نگهداری و تعمیرات مبتنی بر شرایط, تحلیل روغن, عمر مفید باقی مانده, داده کاوی}One of the important aspects of Condition Based Maintenance (CBM) is the prediction of remaining useful life (RUL) based on past records and current state of the device and lubricant oil analysis is one of the methods of CBM which due to its direct contact with the device, its condition expresses the device's health. In the CBM process a large mass of data is generated and accumulated, but the knowledge included in this data cannot be fully understood and result in the loss of valuable resources. To extract information and knowledge from these data, it is necessary to use methods such as data mining. In this study, based on the definition of RUL, the best prediction model of remaining operating time for a bulldozer model until critical state has been created with data mining solution based on engine oil analysis records (dataset with 2700 records and 129 features). To create the best model, regression and neural network models have been created after preparing the proper dataset with 49 records and 4 features. Due to the feasibility of oil change at sampling intervals, the models have been created using two methods of applying independent features values. Based on the performance evaluation of the models, the best model with neural network and the second method of applying independent features values have been created with prediction error 958559.033 +/- 23526.662, which are to use new values (cumulative) of two independent features (Fe, Cu) and the actual value (non-cumulative) of an independent feature (Vis40)Keywords: Condition based maintenance, Oil analysis, Remaining useful life, Data Mining}
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.