یکپارچه‌سازی اینترنت صنعتی اشیاء، محاسبات ابری و نگهداری پیش‌بینی‌کننده برای آنالایزرهای صنعتی:کاهش زمان توقف، افزایش قابلیت اطمینان و بهینه‌سازی نگهداری حسگرها

در این پژوهش، یک چارچوب یکپارچه برای به‌کارگیری اینترنت صنعتی اشیاء (iiot)، محاسبات ابری و نگهداری پیش‌بینی‌کننده (pdm) در آنالایزرهای صنعتی با هدف کاهش زمان توقف غیرمنتظره، افزایش قابلیت اطمینان و بهینه‌سازی نگهداری حسگرها ارائه و ارزیابی شده است. مسئله اصلی این مطالعه، ناکارآمدی روش‌های نگهداری واکنشی و دوره‌ای در مواجهه با خرابی‌های پیش‌بینی‌نشده آنالایزرهای حساس صنعتی و پیامدهای اقتصادی و عملیاتی ناشی از آن است. در چارچوب پیشنهادی، داده‌های بلادرنگ حاصل از حسگرهای عملیاتی آنالایزرها در لایه لبه گردآوری و پیش‌پردازش شده و سپس برای تحلیل‌های پیشرفته و یادگیری ماشین به زیرساخت ابری منتقل می‌شوند. مدل‌های پیش‌بینی خرابی مبتنی بر داده‌های تاریخی و جاری توسعه یافته و زمان بهینه مداخله نگهداری بر اساس وضعیت واقعی تجهیز تعیین می‌گردد. ارزیابی چارچوب پیشنهادی در چند مطالعه موردی صنعتی نشان می‌دهد که استفاده از این رویکرد منجر به کاهش معنادار زمان توقف غیرمنتظره، افزایش دقت پیش‌بینی خرابی و کاهش هزینه‌های نگهداری شده است. نتایج تجربی بیانگر بهبود قابل توجه قابلیت اطمینان آنالایزرها و افزایش عمر مفید حسگرها در مقایسه با روش‌های سنتی نگهداری است. به‌طور کلی، یافته‌های این پژوهش نشان می‌دهد که یکپارچه‌سازی iiot، محاسبات ابری و pdm نه تنها از نظر فنی امکان‌پذیر است، بلکه به‌عنوان یک راهکار موثر و مقیاس‌پذیر می‌تواند نقش کلیدی در بهبود عملکرد، پایداری و بهره‌وری سیستم‌های آنالیز صنعتی ایفا کند.