|
|
بررسی کاربرد الگوریتم های هوش مصنوعی در تخمین طول عمر مفید باقی مانده
|
|
|
|
|
نویسنده
|
ترابی حسن ,طالبی علی ,روح فروزنده احمد
|
منبع
|
دومين كنفرانس ملي مديريت و مهندسي كيفيت و قابليت اتكا - 1402 - دوره : 2 - دومین کنفرانس ملی مدیریت و مهندسی کیفیت و قابلیت اتکا - کد همایش: 02230-43837 - صفحه:0 -0
|
چکیده
|
این مقاله مروری با معرفی یادگیری ماشین ، یادگیری عمیق و الگوریتم های آن به بررسی کاربرد های آن در صنایع مختلفی مانند هوافضا و هوانوردی ، انرژی و برق ، حمل و نقل و لجستیک ، نفت و گاز ، صنعت خودروسازی ، مراقبت های بهداشتی و تجهیزات پزشکی ، راه آهن و حمل و نقل عمومی ، شبکه و زیر ساخت های اینترنتی و مراکز داده در حوزه تعمیر و نگهداری پیشگویانه و تخمین طول عمرمفید باقی مانده تجهیزات و ماشین آلات برای نشان دادن تصمیم گیری فعال ، کاهش هزینه و افزایش بهره وری عملیاتی می پردازد . با استفاده از روش های علم سنجی به مقالات علمی دانشگاه های مختلف در کشور های مختلفی می پردازد و در ادامه چالش های استفاده از الگوریتم های یادگیری ماشین و یادگیری عمیق را بررسی می کند و به مواردی از پیاده سازی های این الگوریتم های یادگیری در صنایع مختلف می پردازد .
|
کلیدواژه
|
تعمیر و نگهداری پیشگویانه ، تخمین طول عمر مفید باقی مانده ، یادگیری ماشین ، یادگیری عمیق
|
آدرس
|
, iran, , iran, , iran
|
پست الکترونیکی
|
dante1994.ahmad@gmail.com
|
|
|
|
|
|
|
|
|
investigating the use of artificial intelligence algorithms in estimating useful life remains
|
|
|
Authors
|
|
Abstract
|
this review article introduces machine learning and deep learning and its algorithms to examine its applications in various industries such as aerospace and aviation, energy and electricity, transportation and logistics, oil and gas, automotive industry, healthcare and medical equipment. , railways and public transport, network and internet infrastructure and data centers in the field of predictive maintenance and estimating the remaining useful life of equipment and machinery to show active decision-making, reduce costs and increase operational efficiency. using scientometric methods, it deals with the scientific articles of different universities in different countries, and then examines the challenges of using machine learning algorithms and deep learning, and deals with implementations of these learning algorithms in different industries.
|
Keywords
|
predictive maintenance ,remaining useful life estimation ,machine learning ,deep learning
|
|
|
|
|
|
|
|
|
|
|