بهره گیری از هوش مصنوعی و یادگیری عمیق در پیش بینی خطا و عیب یابی تجهیزات صنعتی

چکیده مقاله

با پیشرفت فناوری و پیچیدگی فزاینده سیستم های صنعتی در چارچوب انقلاب صنعتی چهارم، نیاز به روش های سریع، دقیق و بهینه برای پیش بینی عیب، تشخیص عیب یابی و نگهداری از تجهیزات، بیش از هر زمان دیگری احساس می شود روش های سنتی نگهداری و تعمیرات با محدودیت های ذاتی مانند هزینه های عملیاتی بالا، دقت محدود، وابستگی به تجربه اپراتور و ناتوانی در پیش بینی خرابی های ناگهانی مواجه هستند در این راستا به کارگیری ابزارهای نوین مبتنی بر هوش مصنوعی AI و به ویژه یادگیری عمیق Deep Learning به عنوان راه حلی تحول آفرین مطرح شده است این مقاله به بررسی تطبیقی روش های مختلف نگهداری و تعمیرات از رویکردهای سنتی تا روش های پیشرفته مبتنی بر یادگیری ماشین و یادگیری عمیق می پردازد، مزایا، معایب و کاربردهای هر روش مورد تحلیل قرار می گیرد در نهایت، به ارائه یک چارچوب جامع برای نگهداری پیشبینانه پرداخته می شود حاصل می شود که با وجود چالش هایی مانند نیاز به داده های حجیم و کیفیت بالا، فناوری های مبتنی بر هوش مصنوعی با قابلیت پیش بینی دقیق و به موقع عیوب، کاهش چشمگیر هزینه های نگهداری و افزایش قابلیت اطمینان سیستم ها آینده صنعت را رقم خواهند زد

کلیدواژه‌ها

نویسندگان

سحر پاسیار

شرکت فناوری های پیشرفته پاسیار

سید محمدتقی موسوی قهفرخی

دانشکده برق و کامپیوتر دانشگاه صنعتی اصفهان

نسرین اشرفی بابا گنجه

دانشکده مهندسی مکانیک دانشگاه تبریز

صبا شاکر

دانشکده مهندسی نفت و گاز دانشگاه صنعتی تبریز

پاسیار، سحر و موسوی قهفرخی، سید محمدتقی و اشرفی بابا گنجه، نسرین و شاکر، صبا،1404،بهره گیری از هوش مصنوعی و یادگیری عمیق در پیش بینی خطا و عیب یابی تجهیزات صنعتی،دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز