چکیده مقاله
خوردگی تجهیزات صنعتی یکی از مهم ترین عوامل کاهش عمر مفید تجهیزات، افزایش هزینه های تعمیر و نگهداری و ایجاد مخاطرات ایمنی در صنایع مختلف به شمار می رود روش های سنتی پایش خوردگی معمولا بر پایه بازرسی های دوره ای و آزمون های دستی انجام می شوند که علاوه بر زمان بر بودن، احتمال بروز خطاهای انسانی را نیز افزایش می دهند هدف این پژوهش، بررسی نقش تلفیق هوش مصنوعی، پردازش تصویر و تحلیل شیمیایی در طراحی یک سامانه هوشمند برای پایش و تشخیص خوردگی تجهیزات صنعتی است در این مطالعه، با استفاده از روش مروری و تحلیل منابع علمی، کاربرد الگوریتم های یادگیری ماشین در تشخیص نواحی آسیب دیده از طریق تصاویر دیجیتال، نقش پردازش تصویر در استخراج ویژگی های سطحی تجهیزات و اهمیت تحلیل شیمیایی در ارزیابی میزان و نوع خوردگی مورد بررسی قرار گرفته است همچنین نحوه ارتباط این فناوری ها با تجهیزات مکانیکی و سامانه های پایش هوشمند به منظور افزایش دقت، کاهش هزینه های نگهداری و پیش بینی زمان مناسب تعمیرات تحلیل شده است نتایج بررسی ها نشان می دهد که استفاده هم زمان از فناوری های هوش مصنوعی، پردازش تصویر و تحلیل شیمیایی می تواند موجب افزایش دقت تشخیص خوردگی، کاهش توقف خطوط تولید، بهبود مدیریت تعمیرات پیشگیرانه، افزایش عمر مفید تجهیزات و ارتقای ایمنی فرآیندهای صنعتی شود در مجموع، بهره گیری از این فناوری های نوین گامی موثر در توسعه سامانه های هوشمند پایش وضعیت تجهیزات و حرکت صنایع به سوی نگهداری پیش بینانه و صنعت هوشمند خواهد بود
کلیدواژهها
نویسندگان
شیوه ارجاع
�وکلی، نفیسه و خوش حال، فاطمه و سخنگو، مجتبی،1405،طراحی و بهینه سازی مواد ضدخوردگی با بهره گیری از هوش مصنوعی، مهندسی شیمی و شبیه سازی های مکانیکی،سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 تیر 1405 · شیروان