پیش بینی خرابی ماشینهای صنعتی با استفاده از سه الگوریتم درخت تصمیم-مطالعه موردی: خط تولید سنگ

چکیده مقاله

در این مقاله هدف پیش بینی خرابی ماشین آلات با استفاده از داده کاوی می باشد که بدین منظور در ابتدا پایگاه داده مناسب متشکل از 489 رکورد از خرابی های به وقوع پیوسته در طی یک سال سال 1396 تشکیل شده است در مرحله اول خصیصه های عمومی موثر بر خرابی ماشین آلات مشخص شدند که عبارتند از: نام ماشین، محل استقرار، گروه نت، شدت، وقوع، کشف، مدت زمان تا آخرین تعمیر، عمر دستگاه، ساخت دستگاه و نحوه استفاده از ماشین در مرحله بعد با تعیین 10 خصیصه و نوع خرابی بعنوان کلاس پایگاه داده، تحلیل ها صورت پذیرفته است که در این راستا از 3 الگوریتم درخت تصمیم C5 ، C&R و Quest برای تعیین مهمترین خصیصه ها و تعیین قوانین موثر بر خرابی استفاده شده است بر اساس نتایج بدست آمده از انتخاب خصیصه ها، سه خصیصه بحرانی و موثر شامل وقوع، عمر دستگاه و مدت زمان تا آخرین خرابی هستند که هر سه الگوریتم بصورت مشترک این را نشان می دهند اما در مورد رتبه بندی 3 خصیصه الگوریتم ها نتیجه متفاوتی دارند همچنین بررسی درخت های تصمیم نشان می دهد که درخت تصمیم C5 از دقت بالاتری با احتمال 100 درصد برای پیش بینی برخوردار است در حالیکه این دقت در مورد الگوریتم C&R Tree مقدار 91 درصد و در مورد الگوریتم QUEST TREE مقدار 88 درصد می باشد قوانین استخراج شده بر اساس نتایج درخت تصمیم می تواند برای بهینه سازی تصمیم نگهداری و تعمیرات از لحاظ هزینه موثر واقع گردد

کلیدواژه‌ها

نویسندگان

یونس مهدوی ورزقانی

گروه مدیریت صنعتی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران

امیر عزیزی

عضو هیات علمی تمام وقت گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران

مهدوی ورزقانی، یونس و عزیزی، امیر،1398،پیش بینی خرابی ماشینهای صنعتی با استفاده از سه الگوریتم درخت تصمیم-مطالعه موردی: خط تولید سنگ،پنجمین کنفرانس بین المللی مهندسی صنایع و سیستم­ها (ICISE ۲۰۱۹)،مشهد

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس بین المللی مهندسی صنایع و سیستم­ها (ICISE ۲۰۱۹)13 شهریور 1398 · مشهد