تشخیص هوشمند سالم بودن دستگاه لیفتراک توسط شبکه عصبی (مطالعه موردی پتروشیمی کردستان)

چکیده هدف: تشخیص سلامت دستگاه لیفتراک قبل از بکارگیری در محیط صنعتی و همچنین قبل از خریداری، بسیار ضروری می باشد. ارزیابی و تعیین سلامت لیفتراک با استفاده از روش های سنتی، نتایجی با قابلیت اعتماد بالا را بدست نمی آورند. لذا، این مطالعه با هدف به حداقل رساندن محدودیت های روش سنتی، از یک روش با قابلیت اطمینان بالا برای تشخیص سالم بودن لیفتراک استفاده می کند. روش تحقیق: روش مورد بررسی شامل تشخیص سلامت توسط شبکه عصبی است. ابتدا، ارزیابی اولیه لیفتراک به روش سنتی انجام خواهد گرفت. سپس، در پایان شبکه عصبی می تواند سالم بودن یا عدم سلامت لیفتراک ها را نشان دهد. طبق این تحقیق، شبکه عصبی می تواند به عنوان یک ابزار قدرتمند در تشخیص سلامت لیفتراک مورد استفاده قرار گیرد. نتایج: شبکه عصبی مصنوعی با الگوریتم یادگیری لونبرگ مارکوات با میزان 98 درصد صحت، 99 درصد دقت و 93.4 درصد حساسیت و با یک لایه ورودی، یک لایه پنهان و یک لایه خروجی با توابع فعال سازlogsig و purelin دارای بهترین عملکرد است. نتیجه گیری: با توجه به این مطالعه، مدل شبکه عصبی با الگوریتم های آموزشی مختلف میتواند در تشخیص سلامت نقش موثری را ایفا کند و در بسیاری از صنایع جهت ارزیابی لیفتراک به کار گرفته شود.