دانلود پروژه: ارايه مدلي براي تعميرات پيشگويانه تجهيزات دركارخانه هاي نفتي با تكنيكهاي داده كاوي، مطالعه موردي:شركت بهره برداري نفت و گاز گچساران  

فهرست مطالب

عنوان                                                                                                                 صفحه

فصل اول :مقدمه  …………………………………………………………………………………………………………………………….1

1-1-مقدمه ……………………………………………………………………………………………………………………  2

1-2- تشريح و بيان مساله…………………………………………………………………………………………….  3

1-3- هدف از انتخاب موضوع……………………………………………………………………………………….. 4

1-4- وضعيت تعميرات پيش گويانه در کشور…………………………………………………………….. 7

1-5-چالشهای پروژه………………………………………………………………………………………………………..9

1-6- معرفی شرکت بهره برداری نفت و گاز گچساران…………………………………………………9

1-7-مفاهيم نگهداري و تعميرات…………………………………………………………………………………10

فصل دوم:مبانی نظری تحقيق  ……………………………………………………………………………………………….. 14

2-1- اثر نگهداری و تعميرات…………………………………………………………………………………..  15

2-2-بهينه سازي نگهداري وتعميرات پيش بينانه  ……………………………………………….. 17

2-3- مفاهيم اقتصادي وتوجيه هزينه ها………………………………………………………………..  19

2-3-1- ارزيابي نيازهايBM ………………………………………………………………………………….. 19

2-3-2-توجيه هزينه…………………………………………………………………………………………………  20

2-3-3- هزينه استراتژي جاري تعميراتي………………………………………………………………  20

2-4-   طراحي يك برنامه نت پيش بينانه………………………………………………………………. 21

2-4-1-امتيازات نت پيش بينانه……………………………………………………………………………..  22

2-5-تكنيكهاي نت پيش بينانه ……………………………………………………………………………… 23     2-5-1-مانيتورينگ ارتعاش……………………………………………………………………………………… 24

2-5-2-انواع سيستمهاي ترموگرافي……………………………………………………………………….. 24

2-5-3-ترايبولوژي…………………………………………………………………………………………………..  25

2-5-4-بازرسي بصري……………………………………………………………………………………………..  25

2-5-5-مافوق صوت ………………………………………………………………………………………………  26

2-5-6-تکنيکهای ديگر ………………………………………………………………………………………..   26

2-6- ايجاد يك برنامه نت پيش بينانه  ………………………………………………………………   26

2-6-1-اهداف ، مقاصد و امتيازات ……………………………………………………………………..   27

2-6-2-الزامات عملي……………………………………………………………………………………………   28

2-6-3-انتخاب يک سيستم نت پيش بينانه ………………………………………………………  29

2-6-3-1-نيارهای پايه ای سيستم …………………………………………………………………….  30

• برنامه نت پيش بينانه كل كارخانه …………………………………………………………. 30

2-7-1-برنامه نت پيش بينانه مطلوب …………………………………………………………………  31

2-7-2- سيستم نت پيش بينانه مطلوب. …………………………………………………………   31

2-7-3-پيش بيني كافي نيست……………………………………………………………………………  31

2-8-مبانی نظری و مفاهيم تحقيق ……………………………………………………………………  32

2-8-1-روش تحقيق ………………………………………………………………………………………….  32

2-8-2-طراحی مدل پيش بينی ……………………………………………………………………….  35

2-8-3-داده کاوی ………………………………………………………………………………………………  35

فصل سوم: مروري بر تحقيقات انجام شده ………………………………………………………………………  37

3-1-مقدمه ………………………………………………………………………………………………………   38

3-2-سيستم پيش بينی نگهداری با استفاده تکنيکهای داده کاوی……………….   39

3-3-روشی عملی برای ترکيب داده کاوی و تشخيص خرابی …………………………. 44

3-4-روشی هوشمند برای بهينه سازی تعميرات پيش گويانه…………………………. 49

3-5- برخی تکنيکهای نگهداری و تعميرات پيش گويانه………………………………… 57

3-6-مروری بر تعميرات مبتنی بر شرايط و زمان در برنامه های صنعتی………. 59

فصل چهارم: روش تحقيق(ارايه راهکار،الگوريتم و مدل پيشنهادي روش تحقيق)………. 61

4-1-مقدمه……………………………………………………………………………………………………….  62

4-2-طراحي مدلCBM………………………………………………………………………………….. 64

4-2-1-انتخاب بخش، واحد يا محيط پايش……………………………………………………  64

4-2-2-انتخاب پارامترها و معيارهاي پايش تجهيزات……………………………………… 65

4-2-3-انتخاب روش مدلسازي پيش بيني …………………………………………………….  66

4-2-4-مدل فيزيکي ………………………………………………………………………………………..  67

4-3-تعيين اهداف داده کاوي  …………………………………………………………………………  68

4-4- شروع مراحل انجام پروژه  ………………………………………………………………………  70

4-4-1-انتخاب کارخانه ها و تجهيزات مورد نظر براي پروژه  ……………………….  70

4-4-2-شناخت داده………………………………………………………………………………………….  71

4-4-3-آماده سازي و آناليز داده  …………………………………………………………………….  72

4-4-4-اکتساب داده / جمع آوري و ورود داده………………………………………………  74

4-4-5-پالايش داده ها …………………………………………………………………………………….  77

4-5-آناليز داده ها ………………………………………………………………………………………….. 78

4-5-1-آناليز داده هاي وضعيت و شرايطي………………………………………………….  78

4-5-2-آناليز داده هاي رخداد خرابي……………………………………………………………  84

4-6-طراحي و توسعه مدل ……………………………………………………………………………  90

4-6-1-بررسي سطح آستانه پارامترها ………………………………………………………….  90

4-6-2-شناخت خوشه های خروجی ……………………………………………………………. 92

4-7-طراحی مدل با روشهای داده کاوی……………………………………………………….  93

4-7-1-طراحي مدل با استفاده از درخت تصميم………………………………………… 94

4-7-2-طراحي مدل با استفاده از روش شبکه عصبي  MLP…………………….96

4-7-3-طراحي مدل با استفاده از روش شبکه عصبي KNN………………….. 100

4-8-نتيجه گيري…………………………………………………………………………………………… 103

فصل پنجم: بررسي و تحليل داده ها و نتايج تحقيق………………………………………………….. 104

5-1-مقدمه……………………………………………………………………………………………………….105

5-2- بررسي خروجي ونتايج وارزيابي مدل بر پايه روش DT …………………….105

5-2-1-ارزيابي مدل بر اساس روش DT …………………………………………………. 107

5-3- بررسي خروجي و نتايج روش MLP………………………………………………. 109

5-3-1-ارزيابي مدل بر اساس روش MLP………………………………………………. 111

5-4- بررسي خروجي و نتايج روش KNN……………………………………………… 113

5-4-1-ارزيابي مدل بر اساس روش  KNN……………………………………………. 115

5-5-ارزيابي و تفسير نتايج و خروجي ها ……………………………………………………117

5-6-نتايج ………………………………………………………………………………………………………118

فصل ششم: نتيجه گيري و پيشنهادها …………………………………………………………………….. 119

6-1- نتايج کلي حاصل از پروژه………………………………………………………………….. 120

6-2-پيشنهادهايي براي آينده ……………………………………………………………………. 121

 

فهرست جدول ها

 

 

عنوان و شماره                                                                                                     صفحه                                                                               

جدول 1- ماتريس Confusion………………………………………………………………………………………………67

جدول 2- ماتريس Confusion براي سه دسته کلاس………………………………………………………….69

جدول 3- محاسبه نرخ مثبت صحيح،نرخ مثبت غلط و دقت……………………………………………………69

جدول 4- نام پارامترهای کارخانه فشارقوی……………………………………………………………………………….73

جدول 5- نام پارامترهای کارخانه بی بی حکيمه 2……………………………………………………………………73

جدول 6- نمونه فرم ورود اطلاعات کارخانه بی بی حکيمه 2……………………………………………………74

جدول 7- نمونه فرم ورود اطلاعات کارخانه فشارقوی……………………………………………………………….75

جدول 8- نمونه اي از فرم پر شده وپالايش نشده کارخانه بي بي حکيمه 2……………………………77

جدول 9- نمونه اي از فرم پر شده و پالايش شده کارخانه بی بی حکيمه ……………………………..78

جدول 10- ماتريس الگو برای متغيرها کارخانه فشار قوی……………………………………………………….79

جدول 11- ماتريس آمارهاي توصيفي کارخانه فشار قوي………………………………………………………..81

جدول 12- پارامترهای جديد ايجاد شده توسط روشPCA…………………………………………………….83

جدول 13 – نمايي از فاکتورهای جديد توليد با روش PCA……………………………………………………84

جدول 14- تغييرات ناگهاني فاکتور2 در رخداد خرابي…………………………………………………………87

جدول 15 – آمار خرابي هاي کارخانه بی بی حکيمه 2…………………………………………………………88

جدول 16- مقدار پارامترها در حالات خرابي …………………………………………………………………………90

جدول 17- مقادير آستانه پايين و بالا برای پارامترها…………………………………………………………….91

جدول 18 – بازه هاي زماني تعريف شده براي مدل……………………………………………………………..94

جدول 19- مجموعه داده آموزشي براي بازه زماني (10-25)………………………………………………95

جدول 20- مجموعه داده آزمايشي براي بازه زماني (10-25)……………………………………………..96

جدول 21- نتيجه تغيير مقادير پارامترها در روش MLP……………………………………………………..98

جدول 22- مجموعه داده آموزشي براي بازه زماني (3-15)…………………………………………………98

جدول 23- مجموعه داده آزمايشي براي بازه زماني (3-15)……………………………………………….100

جدول 24- نتاِج تغيير مقدار K در روش شبکه عصبي KNN…………………………………………..101

جدول 25- مجموعه داده آموزشي براي بازه زماني (10-20)………………………………………………101

جدول 26- مجموعه داده آزمايشي براي بازه زماني (10-20)………………………………………………102

جدول 27- پيش بيني مدل بر پايه درخت تصميم………………………………………………………………..106

جدول 28- نتايج پيش بيني خروجي در روش DT…………………………………………………………….108

جدول 29- درصد دقت پيش بيني در روش DT………………………………………………………………..108

جدول 30- مقايسه بازه هاي زماني مختلف با روش DT براي پيش بيني برچسب خرابي در مدل طراحي شده…………………………………………………………………………………………………………………………….109

جدول 31- پيش بيني مدل بر پايه MLP………………………………………………………………………….110

جدول 32- نتايج پيش بيني خروجي در روش MLP……………………………………………………….112

جدول 33- درصد دقت پيش بيني در روش MLP…………………………………………………………..112

جدول 34- مقايسه بازه هاي زماني مختلف با روش MLP براي پيش بيني برچسب خرابي در مدل طراحي شده…………………………………………………………………………………………………………………..112

جدول 35- پيش بيني مدل بر پايه KNN………………………………………………………………………..114

جدول 36- نتايج پيش بيني خروجي در روش KNN………………………………………………..115

جدول 37- درصد دقت پيش بيني در روش KNN……………………………………………………115

جدول 38- مقايسه بازه هاي زماني مختلف با روش KNN براي پيش بيني برچسب خرابي در مدل طراحي شده…………………………………………………………………………………………………………….116

جدول 39-  مقايسه نهايي دقت پيش بيني هر سه روش براي هر سه خوشه خروجي در بازه هاي زماني مختلف…………………………………………………………………………………………………………………….117

 

 

 

 

 

 

 

 

فهرست شکل ها

 

 

عنوان                                                                                                صفحه

شکل 1- قالب مفهومی معماری……………………………………………………………………………………………41

شکل 2- نمای کلی سيستم………………………………………………………………………………………………….42

شکل 3- گامهای روش IRIS-Pdm………………………………………………………………………………….46

شکل 4- نمايي از فرمت داده يکسان…………………………………………………………………………………….47

شکل 5- روش کلی و تعميم يافته برای تعميرات پيشگويانه………………………………………………51

شکل 6- الگوريتم تصميم گيری نگهداری پيشگويانه…………………………………………………………..54

شکل 7- نمودارهای خرابی……………………………………………………………………………………………………57

شکل 8 – نمونه فرم دستي پر شده در کارخانه بي بي حکيمه 2……………………………………….76

شکل 9- نمودار تغييرات پارامترها در بازه زماني………………………………………………………………….85

شکل 10 – حالتهاي خرابي…………………………………………………………………………………………………..85

شکل 11 – حالتهاي خرابي…………………………………………………………………………………………………..86

شکل 12- طراحي مدل پيش بيني با روش DT………………………………………………………………106

شکل 13- طراحي مدل درخت تصميم براي بازه هاي زماني مختلف………………………………107

شکل 14- طراحي مدل پيش بيني با روش MLP…………………………………………………………..110

شکل 15- طراحي مدل MLP براي بازه هاي زماني مختلف …………………………………………111

شکل 16- طراحي مدل پيش بيني با روش KNN……………………………………………………….113

شکل 17- طراحي مدل KNN براي بازه هاي زماني مختلف ………………………………………114

 

 

 

 

 

 

فهرست نشانه های اختصاری

CBM= Condition Based Maintenance

CMMS=Computerized maintenance management system

CRISP-DM= CRoss-Industry Standard Process for DataMining

DT=Decision Tree

FA= Factor Analysis

FP=False Positive

H= Hidden Layer

ISF= Independence Significance Feature

KNN= K Nearest Neighbor

LR= Learning Rate

M= Momentum

MLP= Multilayer Perceptron

PCA= Principal Component Analysis

PDM= Predictive Maintenance

PM=Preventive Maintenance

TP=True Positive

WMS= Weighted Mean Slop