چکیده مقاله
با گسترش شهرنشینی و افزایش استفاده از تجهیزات الکتریکی و مکانیکی در ساختمان ها و تاسیسات شهری، نگهداری و تعمیرات این سامانه ها به یکی از مسائل کلیدی مدیریت شهری تبدیل شده است روش های سنتی نگهداری که بر مبنای بازه های زمانی ثابت یا گزارش های دستی انجام می شوند، معمولا موجب افزایش هزینه ها، مصرف انرژی و خرابی های ناگهانی می گردند هدف این پژوهش، ارائه ی یک سامانه هوشمند نگهداری پیش بینانه مبتنی بر اینترنت اشیاء IoT و یادگیری فدرال Federated Learning است تا عملکرد تجهیزات حیاتی شهری با دقت و اطمینان بیشتری پایش و تحلیل شود در سامانه پیشنهادی، داده های حسگرهای نصب شده در ساختمان ها شامل دما، جریان، ارتعاش و فشار، در محل جمع آوری شده و مدل یادگیری ماشین به صورت محلی آموزش می بیند سپس وزن های به دست آمده از مدل های محلی بدون ارسال داده خام به سرور مرکزی منتقل شده و در قالب یک مدل سراسری تجمیع می شوند این رویکرد علاوه بر حفظ امنیت و حریم خصوصی داده ها، موجب کاهش ترافیک شبکه و افزایش دقت پیش بینی خرابی می شود نتایج شبیه سازی ها نشان داد که روش پیشنهادی، دقت پیش بینی خرابی تجهیزات را تا حدود ۲۵ درصد نسبت به روش های متمرکز بهبود داده و زمان واکنش به خطا را به میزان قابل توجهی کاهش داده است این سامانه می تواند گامی موثر در جهت تحقق مدیریت هوشمند شهری و کاهش هزینه های نگهداری تاسیسات در کشور باشد نوآوری این پژوهش در به کارگیری یادگیری فدرال در سطح تاسیسات شهری ایران با تاکید بر حفظ حریم داده هاست
کلیدواژهها
نویسندگان
شیوه ارجاع
�وکار، علی،1404،طراحی مفهومی سامانه نگهداری پیش بینانه تاسیسات شهری مبتنی بر اینترنت اشیاء و یادگیری فدرال با رویکرد حفاظت داده و تصمیم گیری هوشمند،اولین کنگره ملی نگهداری و تعمیرات ابنیه و تاسیسات شهری،شیراز
ارائهشده در
مجموعه مقالات اولین کنگره ملی نگهداری و تعمیرات ابنیه و تاسیسات شهری12 آذر 1404 · شیراز