|
|
|
|
توسعه و پایش فرآیندهای ارزیابی و پیش بینی دسترس‌پذیری تجهیزات تعمیرپذیر مبتنی بر تکنیک شبکه عصبی مصنوعی و نمودار کنترل میانگین موزون متحرک نمایی در فاز 2 (مطالعه موردی: سیستم تهویه مطبوع قطار جریان مستقیم متروی شهر تهران)
|
|
|
|
|
|
|
|
نویسنده
|
میرمحمدصادقی علیرضا ,مغان مهدی ,کامران راد رضا
|
|
منبع
|
مهندسي و مديريت كيفيت - 1394 - دوره : 5 - شماره : 3 - صفحه:175 -190
|
|
چکیده
|
حفظ و ارتقاء کیفیت خدمات ارائه شده در حوزه حمل و نقل عمومی همواره کانون توجه برنامه‌ریزان کلان‌شهرها است. در این مقاله با ارائه تکنیک های جدید مبتنی بر شبکه عصبی مصنوعی، یکی از مهم‌ترین شاخص‌های کیفیت خدمات عمومی با عنوان دسترس پذیری و با مطالعه موردی سیستم تهویه هوای مطبوع قطارهای جریان مستقیم شهر تهران ارزیابی شده و برای دوره های مختلف زمانی پیش بینی شده است. بدین منظور متغیرهای اساسی تاثیرگذار بر دسترس‌پذیری سیستم تعیین شده و داده های میدانی مربوط به هریک از این متغیرها توسط پژوهشگران جمع‌آوری و به عنوان داده های ورودی جهت پیش بینی در شبکه عصبی، مناسب سازی شده اند. همچنین با استفاده از رویکرد میانگین موزون متحرک نمایی مقادیر دسترس پذیری برای دوره های زمانی آتی (دوم و سوم) پیش‌بینی شده است. نتایج تحقیق که براساس مطالعه تطبیقی بین چهار روش مبتنی بر شبکه عصبی با درنظر گرفتن وضعیت‌های مختلف برای پارامترهای تاثیرگذار بر آموزش شبکه عصبی استوار است، بیانگر برتری روش رگرسیون تعمیم یافته بر سایر روش های مبتنی بر شبکه عصبی در پیش بینی میزان دسترس‌پذیری در این مثال واقعی بوده است. همچنین پیش بینی های حاصل از رویکرد میانگین موزون متحرک نمایی، حاکی از پیش بینی مناسب میزان دسترس‌پذیری برای دوره‌های آتی بهره برداری است. علاوه براین، از یک نمودار کنترل تلفیقی میانیگن مشاهدات و میانگین موزون متحرک نمایی نیز برای پایش فرایند مذکور استفاده شده که نتایج بیانگر عملکرد مناسب این نمودار کنترل است.
|
|
کلیدواژه
|
نمودار کنترل، نگهداری و تعمیرات ,دسترس پذیری، پیش بینی ,شبکه عصبی مصنوعی ,میانگین موزون متحرک نمایی
|
|
آدرس
|
دانشگاه جامع امام حسین (ع), گروه مهندسی صنایع, ایران, مرکز تحقیقات مهندسی سیستم ها, ایران, دانشگاه شاهد, ایران
|
|
پست الکترونیکی
|
rkamranrad@shahed.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
MirMohammad sagdehi AliReza ,Moghan Mahdi ,KamranRad Reza
|
|
Abstract
|
Service quality development in public transportation has always been considered by the metropolisesplanners. In this paper, we propose novel techniques based on artificial neural network (ANN) to predict andmonitor of availability of the direct current air conditioning systems of Tehran subway trains. To this aim, first, wedefine pivotal variables effect on availability and then we collect required data to enter the ANN process. Inaddition, we use the Exponentially Weighted Moving Average (EWMA) approach to predict the availability ofsecond and third periods. Results of this paper which are based on a comparative study between four ANN methodsshow the better performance of the Generalized Regression rather than the other proposed ANN methods to predictthe availability of the mentioned real case. Furthermore, the performance of the proposed control chart based onx / EWMAapproach is presented to monitor the availability process in Phase II and results show the suitableperformance of the proposed control chart
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|