|
|
|
|
کشف الگوهای پنهان و مفید از داده های سامانه های نگهداری و تعمیرات تجهیزات، با پیش‌بینی هزینه‌ها و نقاط پرت
|
|
|
|
|
|
|
|
نویسنده
|
یوسفی طزرجان مصطفی
|
|
منبع
|
مديريت زنجيره تامين - 1394 - دوره : 17 - شماره : 48 - صفحه:26 -37
|
|
چکیده
|
پس از گذشت چند سال از پیاده‌سازی نرم‌افزار‌های مدیریت نت (cmms)3، ارایه تحلیل‌های مستدل از داده‌های جمع‌آوری شده در این سامانه‌ها، نه تنها ضروری است، بلکه در این حوزه رمز ادامه حیات سیستم‌های نرم‌افزاری نیز خواهد بود. استفاده از داده‌های خرابی و هزینه‌ای تجهیزات، می‌تواند علاوه بر شناخت نارسایی‌ها در پیاده‌سازی سیستم‌های نت، در تعیین الگوهای مطلوب و نامطلوب نت تجهیزات، نقش کلیدی ایفا کند. تشخیص روند خرابی‌ها و عوامل موثر در آن مانند نوع ماموریت و شرایط جغرافیایی کیفیت قطعات و ... به دسته‌بندی بهتر خرابی تجهیزات و تعیین نرم‌های هزینه‌ای مبتنی بر نوع ماموریت یگان‌ها کمک خواهد نمود و در نهایت مدیران را برای اتخاذ تصمیم‌های مناسب، با دقت بیشتری یاری خواهد کرد و باعث ارایه پیشنهادهای بهبود برای سامانه‌های مورد استفاده و مدیران تصمیم‌گیر خواهد شد.داده‌کاوی می تواند با ارایه تصویری از شاخص‌های موثر بر آمادگی تجهیزات، وضعیت تجهیزات را از نظر نگهداری و تعمیرات نمایش دهد. از این تصویر در برآورد هزینه‌های نگهداری و تعمیرات و بودجه های تعمیراتی می توان استفاده نمود. همچنین با دانستن اینکه خرابی‌های خاص، معمولاً در چه عمرهایی و تحت چه شرایطی اتفاق می‌افتد، می‌توان برای برنامه‌ریزی نگهداری و تعمیرات و ارزیابی نقاط قوت و ضعف در یگان/رده‌ها استفاده نمود. این موضوع در اجرای اقدامات پیرامون آموزش و فرهنگ‌سازی در نگهداری و تعمیرات نیز موثر خواهد بود، زیرا فرماندهان و کارشناسان با در اختیار داشتن این تحلیل‌ها در نگهداری و استفاده از تجهیزات، دقت بیشتری خواهند کرد.در این مقاله ضمن معرفی برخی از کاربردهای داده‌کاوی در نگهداری و تعمیرات سعی شده است در قالب مطالعه موردی روی داده های برخی از تجهیزات دفاعی با استفاده از داده‌کاوی، قواعد پنهان موجود در داده‌های سیستم‌های نرم‌افزاری نگهداری و تعمیرات را کشف نمود. با توجه به مدل های خوشه‌بندی داده های مورد مطالعه، شبکه عصبی، درخت های تصمیم‌گیری، مصورسازی و آمار توصیفی تحلیل شده و برخی از نتایج آن بیان شده است. یافته های این مطالعه نشان می‌دهد الگوهای خاصی متناسب با نوع ماموریت و نحوه استفاده از تجهیزات در تعداد و هزینه خرابی‌ها وجود دارد.
|
|
کلیدواژه
|
نگهداری و تعمیرات ,داده کاوی ,شبکه عصبی ,استخراج قواعد ,سیستم پشتیبان تصمیم ,Maintenance ,Data Mining ,Neural Network ,Rule Induction ,Decision Support Systems
|
|
آدرس
|
دانشگاه جامع علمی کاربردی, عضو هیات علمی دانشگاه جامع علمی کاربردی, ایران
|
|
پست الکترونیکی
|
yousofi@uast.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|