اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,240 |
| تعداد مقالات | 8,994 |
| تعداد مشاهده مقاله | 7,847,847 |
| تعداد دریافت فایل اصل مقاله | 4,708,082 |
کشف الگوهای پنهان و مفید از داده های سامانه های نگهداری و تعمیرات تجهیزات، با پیش‌بینی هزینه‌ها و نقاط پرت | ||
| مدیریت زنجیره تأمین | ||
| مقاله 3، دوره 17، شماره 48، شهریور 1394، صفحه 26-37 اصل مقاله (762 K) | ||
| نویسندگان | ||
| مصطفی یوسفی طزرجان* 1؛ سعید رمضانی2 | ||
| 1دانشگاه جامع علمی کاربردی واحد استانی البرز | ||
| 2دانشگاه جامع امام حسین (ع) | ||
| تاریخ دریافت: 20 اسفند 1393، تاریخ بازنگری: 01 خرداد 1394، تاریخ پذیرش: 18 خرداد 1394 | ||
| چکیده | ||
| پس از گذشت چند سال از پیاده‌سازی نرم‌افزار‌های مدیریت نت(CMMS)3، ارائه تحلیل‌های مستدل از دادههای جمع‌آوری شده در این سامانه‌ها، نه تنها ضروری است، بلکه در این حوزه رمز ادامه حیات سیستم‌های نرم‌افزاری نیز خواهد بود. استفاده از دادههای خرابی و هزینه‌ای تجهیزات، میتواند علاوه بر شناخت نارسایی‌ها در پیاده‌سازی سیستم‌های نت، در تعیین الگوهای مطلوب و نامطلوب نت تجهیزات، نقش کلیدی ایفا کند. تشخیص روند خرابی‌ها و عوامل مؤثر در آن مانند نوع مأموریت و شرایط جغرافیایی کیفیت قطعات و ... به دسته‌بندی بهتر خرابی تجهیزات و تعیین نرم‌های هزینه‌ای مبتنی بر نوع مأموریتیگان‌ها کمک خواهد نمود و در نهایت مدیران را برای اتخاذ تصمیم‌های مناسب، با دقتبیشترییاری خواهد کرد و باعث ارائه پیشنهادهای بهبود برای سامانه‌هایمورد استفاده و مدیران تصمیم‌گیر خواهد شد. داده‌کاوی میتواند با ارائه تصویری از شاخص‌های مؤثر بر آمادگی تجهیزات، وضعیت تجهیزات را از نظر نگهداری و تعمیرات نمایش دهد. از این تصویر در برآورد هزینه‌های نگهداری و تعمیرات و بودجههای تعمیراتی میتوان استفاده نمود. همچنین با دانستن اینکه خرابی‌های خاص، معمولاً در چه عمرهایی و تحت چه شرایطی اتفاق می‌افتد، میتوان برای برنامه‌ریزی نگهداری و تعمیرات و ارزیابی نقاط قوت و ضعف در یگان/رده‌ها استفاده نمود. این موضوع در اجرای اقدامات پیرامون آموزش و فرهنگ‌سازی در نگهداری و تعمیرات نیز مؤثر خواهد بود، زیرا فرماندهان و کارشناسان با در اختیار داشتن این تحلیل‌ها در نگهداری و استفاده از تجهیزات، دقت بیشتری خواهند کرد. در این مقاله ضمن معرفی برخی از کاربردهای داده‌کاوی در نگهداری و تعمیرات سعی شده است در قالب مطالعه موردی روی دادههای برخی از تجهیزات دفاعی با استفاده از داده‌کاوی، قواعد پنهان موجود در دادههای سیستم‌های نرم‌افزاری نگهداری و تعمیرات را کشف نمود. با توجه به مدلهای خوشه‌بندی دادههای مورد مطالعه، شبکه عصبی، درختهای تصمیم‌گیری، مصورسازی و آمار توصیفی تحلیلشده و برخی از نتایج آن بیان شده است. یافتههای این مطالعه نشان می‌دهد الگوهای خاصی متناسب با نوع مأموریت و نحوه استفاده از تجهیزات در تعداد و هزینه خرابی‌ها وجود دارد. | ||
| کلیدواژه‌ها | ||
| نگهداری و تعمیرات؛ داده کاوی؛ شبکه عصبی؛ استخراج قواعد؛ سیستم پشتیبان تصمیم | ||
| عنوان مقاله [English] | ||
| Discovery of Useful and Hidden Patterns from the Equipment Computerize Maintenance Management System Data Along with Estimation of Equipment Costs and Discovering outliers | ||
| چکیده [English] | ||
| A few years after the implementation of computerize maintenance management systems (CMMS), showing the analysis results of the collected data in these systems is necessary and important for continuing the usage of these systems. Equipment downtime and cost data can identify patterns of equipment faults and equipment costs. It can also show deficiencies in the implementation of maintenance systems. Detection of failures and important factors of failures such as the type of mission, geographical conditions, quality of parts and soon helped to classify and determine the cost norms based on the type of mission. These analyses can help managers to make appropriate decisions more accurately and make proposals for improving the systems. Data mining can provide a view of equipment readiness and the factors that affecting them. This view can be used to estimate the costs of maintenance and repair of equipment. Knowing the time of certain failures can be used to plan maintenance program. The issues are useful for improving knowledge and culture in the implementation of equipment. These analyses caused better and more accurate maintenance and usage of equipment. In this paper, we introduce some data mining applications in maintenance and repairs activities. It shows some hidden rules discovered from data of equipment maintenance systems in a case. Clustering models, neural networks, decision trees, visualization and descriptive statistics are used in this case study and some of results introduce in this paper. The findings show that there are certain pattern depending on the type of mission and how to use the equipment. | ||
| کلیدواژه‌ها [English] | ||
| Maintenance, Data Mining, neural network, Rule Induction, Decision Support Systems | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 665 تعداد دریافت فایل اصل مقاله: 796 |
||