چکیده مقاله
مدیریت چرخه عمر محصول PLM در سیستم های هشدار امنیتی مانند ردگارد، به ویژه در مراحل خدمات پس از فروش MOL و EOL با چالش هایی مانند تحلیل داده های تعمیراتی، خدمات نگهداری و الگوهای رفتاری کاربران روبرو است این تحقیق با هدف بهینه سازی عملکرد چرخه محصول از طریق ادغام اینترنت اشیاء IoT و هوش مصنوعی AI به تحلیل این داده ها می پردازد تا طراحی، زنجیره تامین و تولید را بهبود بخشد روش شناسی تحقیق بر پایه مدلسازی چندهدفه استوار است: ابتدا داده های خدمات پس از فروش مانند زمان تعمیر قطعات، هزینه ها و الگوهای کاربر با ابزارهایی مانند Python شبیه سازی و پیش پردازش می شوند، سپس مدل ریاضی چندهدفه min C D برای هزینه ها و max P D برای عملکرد با الگوریتم های هیبریدی مانند GA MCDM الگوریتم ژنتیک و تصمیم گیری چند معیاره حل می شود که از یادگیری ماشین مانند Random Forest برای استخراج الگوهای رفتاری و RNN برای پیش بینی خرابی ها برای تولید پیشنهادهای هوشمند استفاده می کند نتایج شبیه سازی شده نشان دهنده کاهش ۲۵ درصدی هزینه تعمیرات و افزایش ۱۵ درصدی طول عمر محصول، با دقت پیش بینی ۸۵٪ است این رویکرد PLM را به سمت دیجیتال و پیش بینی کننده سوق می دهد
کلیدواژهها
نویسندگان
شیوه ارجاع
نیرآبادی، عاطفه و عرب، محمدمهدی،1404،ادغام اینترنت اشیا و هوش مصنوعی در مدیریت چرخه عمر محصول دیجیتال سیستم هشدار ردگارد،هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات5 آذر 1404 · مشهد