توسعه رویکردهای داده‌کاوی به‌منظور برنامه‌ریزی نگهداری و تعمیرات پیش‌گویانه خودروهای سبک دفاعی

زمینه و هدف: خودروها به‌عنوان یکی از پر تقاضاترین تجهیزات در یک سازمان دفاعی، در صورت عدم سرویس‌دهی به‌موقع و کارآمد به‌عنوان تهدیدی برای آن سازمان قلمداد می‌شوند. از سوی دیگر با توجه به افزایش چشم‌گیر داده‌های مربوط به نگهداری و تعمیرات این وسایل در سازمان موردمطالعه، در این پژوهش از تکنیک داده‌کاوی برای افزایش مشهود نرخ تبدیل داده‌ها به اطلاعات و کشف دانش به‌منظور جلوگیری از توقف ماموریت‌ها استفاده شده است.هدف از مقاله حاضر ارائه معماری دسته‌بندی داده‌های تولیدشده از مراجعات و خرابی‌های خودروهای سواری سازمان موردمطالعه و پیش‌بینی فواصل میان خرابی آن‌ها از طریق روش داده‌کاوی به‌منظور برنامه‌ریزی نگهداری و تعمیرات آن‌ها است.روش: بر این اساس داده‌های موردنیاز برای یک نمونه شامل 150 دستگاه خودرو سبک استخراج شد. با توجه به هدف تحقیق متغیرهای سال ساخت خودرو، مسافت طی شده و علت خرابی به‌عنوان متغیرهای ورودی و فواصل بین خرابی به‌عنوان متغیرهای خروجی تعیین گردید.یافته ها: با اتکا به اصول داده‌کاوی و از طریق نرم‌افزار اس پی اس اس مادلر[1] به گروه‌بندی خودروها بر اساس فواصل بین خرابی (کیلومتر) با الگوریتم درخت سی اند آر[2]پرداخته شد و الگوی نت پیشگیرانه ای ارایه شد که بر اساس خصوصیات فیزیکی و تابع عمر سیستم بوده و درنهایت باعث افزایش عمر سیستم و کاهش هزینه نت می‌گردد.نتیجه گیری: بر اساس تحلیل خروجی‌ها گروه نگهداری و تعمیرات سازمان موردمطالعه باید برنامه سرویس و بازدید خودروها را بر اساس گروه‌بندی انجام‌شده در پژوهش و با توجه به پیشنهادهای ارائه‌شده تنظیم کند.

Development of Data Mining Approaches to Planning Predictive Maintenance of Defensive Light Vehicles

Background and Purpose: Vehicles are considered as one of the most demanded equipment in a defense organization, if they are not serviced in a timely and efficient manner, they are considered as a threat to that organization. On the other hand, due to the significant increase in data related to maintenance of these devices in the organization under study, in this study, data mining technique has been used to increase the data conversion into information rate and knowledge discovery in order to prevent cease of missions .The purpose of this paper is to present the architecture of classifying the data generated from the reference and breakdowns of passenger cars of the studied organization and to predict the distances between their breakdowns through data mining method in order to plan their maintenance and repairs. Methods: Based on this, the required data for a sample including 150 light vehicles were extracted. In this research, year of construction of the car, distance traveled and cause of failure as input variables and the intervals between failures as output variables were defined. Findings: Based on data mining principles and using SPSSModeler software, vehicles were grouped based on the distances between breakdowns (km) with the C&R tree algorithm.Conclusion: according to the outputs analysis, the maintenance and repair group of the studied organization should adjust the service and inspection plan of the vehicles based on the grouping done in the research and by considering the suggestions provided.