%38تخفیف

دانلود پروژه: ارائه روشی جهت بهینه‌سازی عملکرد سیستم‌های نگهداری تجهیزات نیروگاهی با استفاده از داده‌کاوی

تعداد 124 صفحه در فایل word

چکیده

سیستم مدیریت مکانیزه نگهداری و تعمیرات ابزاری جهت مدیریت و بهبود فعالیت‌های نگهداری و تعمیرات بر تجهیزات، تأسیسات و ماشین‌آلات یک سازمان است. با توجه به روند خرابی ماشین‌آلات و تجهیزات صنعتی و خرابی ابنیه و تأسیسات ساختمانی در کارخانه‌ها و واحدهای صنعتی و با توجه به میزان سرمایه‌گذاری صنعتی به‌عمل‌آمده در این بخش، اتخاذ تدابیری که با بتوان با یک روش علمی و صحیح روند خرابی و ازکارافتادگی را کنترل نمود، ضروری هست [1].

در این پایان نامه سعی شده است با استفاده از پایگاه داده‌ای که درنتیجه ثبت فعالیت‌های تعمیراتی در سیستم مدیریت نگهداری و تعمیرات نیروگاه شهید رجایی به‌دست‌آمده است همچنین با استفاده از متدولوژی استاندارد داده‌کاوی و تکنیک‌های آن و با استفاده از نرم‌افزار NeuroSolutions، با تحلیل داده‌ها و کشف دانش ارزشمند نهفته در حجم بزرگی از داده‌ها، الگوی مناسبی جهت افزایش اثربخشی برنامه‌ریزی تعمیرات با استفاده از پیش‌بینی زمان وقوع پرمیت ارائه شود.

واژه‌های کلیدی

 نگهداری و تعمیرات؛ داده‌کاوی؛ CRISP-DM؛ شبکه عصبی؛ Neuro Solutions

 

 

فصل اول: مقدمه

فهرست مطالب                                                                                                                                         شماره صفحه

  • مقدمه…………………………………………………………………………………………………………………. 1

  • تعریف داده‌کاوی………………………………………………………………………………………………….. 1

  • ابزارهای داده‌کاوی………………………………………………………………………………………………. 4

    • نرم افزار Clementine………………………………………………………………………………………. 4

    • SSIS……………………………………………………………………………………… 5

    • متدولوژی داده‌کاوی……………………………………………………………………………………………. 8

    • تعریف سیستم‌های نگهداری و تعمیرات……………………………………………………………… 11

    • قابلیت اطمینان و تابع آن……………………………………………………………… 17

    • نرخ شکست……………………………………………………………………………… 18

      • تغییرات نرخ شکست………………………………………………………………. 19

      • تجزیه‌وتحلیل نمودار تغییرات نرخ شکست…………………………………….. 21

    • تعریف شبکه عصبی……………………………………………………………………. 23

    • کاربردهای شبکه عصبی……………………………………………………………….. 24

    • پیاده‌سازی يك شبکه‌ی عصبي………………………………………………………. 25

    • انواع شبكه ازنظر لايه………………………………………………………………….. 27

    • انواع شبیه‌سازی در شبکه‌های عصبی مصنوعی……………………………………. 28

    • انواع شبکه مصنوعی…………………………………………………………………… 31

      • پرسپترون چندلایه………………………………………………………………… 31

      • شبکه عصبی شعاعی………………………………………………………………. 32

      • شبکه عصبی رگرسیون عمومی………………………………………………….. 33

      • شبکه‌های بازگشتی……………………………………………………………………………………… 33

فصل دوم: سابقه پژوهش

فهرست مطالب                                                                                                                                                                  شماره صفحه

    • پیش بینی نرخ شکست تایرهای هواپیما De Havilland Dash 8 با استفاده از تکنیک شبکه عصبی.   35   

    • تحقیق تشخیص خطاهای بویلر برپایه شبکه عصبی فازی……………………………………………………………………… 39 

    • کاربرد داده‌کاوی در سیستم نگهداری و تعمیرات برای افزایش اثربخشی برنامه‌ریزی تعمیرات……………….. 42

    • بکار گیری تکنیک‌های داده‌کاوی در تعمیرات و نگهداری تجهیزات……………………………………………………….. 43

    • بررسی تأثیر نت پیشگیرانه بر تعمیرات اتفاقی توسط داده‌کاوی اطلاعات……………………………………………….. 45

    • ارائه مدل برای تحلیل و ارزیابی سیستم مکانیزه نگهداری و تعمیرات با استفاده از منطق فازی……………. 46

    • افزایش اثربخشی سیستم مدیریت نگهداری و تعمیرات کامپیوتری به وسیله داده‌کاوی………………………… 48

فصل سوم: بیان مسئله

فهرست مطالب                                                                                                                                         شماره صفحه

    • طرح مسئله…………………………………………………………………………………………………………. 51

    • ساختمان و اصول عملكرد بویلرها و تدابیر حفاظتی و ایمنی در آن‌ها…………………. 52

 

فصل چهارم: راه‌حل ارائه‌شده

فهرست مطالب                                                                                                                                         شماره صفحه

    • راه‌حل ارائه‌شده………………………………………………………………………………………………….. 56

    • اطلاعات‌پایه تجهیزات…………………………………………………………………………………………. 57

    • سیستم لاگ‌شیت……………………………………………………………………………………………….. 57

    • سیستم پرمیت……………………………………………………………………………………………………. 58

    • داده‌کاوی سیستم نگهداری و تعمیرات……………………………………………………………….. 60

      • شناخت سیستم……………………………………………………………………………………… 60

      • فرآیند سیستم نگهداری و تعمیرات………………………………………………………… 60

      • پایگاه داده سیستم پرمیت……………………………………………………………………… 61

      • شناخت داده‌ها……………………………………………………………………………………….. 61

      • جدول پرمیت‌های ارسال خودکار……………………………………………………………. 61

      • طراحی پایگاه داده تحلیلی……………………………………………………………………… 62

      • طراحی OLAP………………………………………………………………………………………… 62

      • داده‌کاوی با کلمنتاین……………………………………………………………………………… 64

    • پیش‌بینی زمان وقوع خطا در الکتروموتور با استفاده از شبکه عصبی………………… 67

      • نرم‌افزار NeuroSolutions…………………………………………………………………… 67

      • آماده‌سازی داده‌ها………………………………………………………………………………….. 67

      • آماده‌سازی داده‌ها برای آموزش شبکه…………………………………………………… 67

      • الگوریتم پس انتشار خطا………………………………………………………………………… 68

      • آموزش شبکه پرسپترون چندلایه با پس انتشار خطا…………………………….. 69

    • طراحی نرم‌افزار صدور خودکار درخواست تعمیر…………………………………………………. 73

فصل پنجم: نتیجه‌گیری، برنامه‌های آینده

فهرست مطالب                                                                                                                                         شماره صفحه

    • نتیجه گیری………………………………………………………………………………………………………… 74

    • برنامه آینده………………………………………………………………………………………………………… 74

مراجع…………………………………………………………………………………………………………………………….. 75

فهرست شکل‌ها

عنوان                                                                                                                                             شماره صفحه

شکل 1-1- معماری SSIS………………………………………………………………………………………………………   6

شکل 1-2-فرآیند CRISP-DM……………………………………………………………………..   8

شکل 1-3- کارهای اصلی و مدل خروجی متدلوژی کریسپ………………………………………   11

شکل 1-4- ارتباطات انواع نت………………………………………………………………………………………………    15

شکل 1-5- نرخ شکست دستگاه………………………………………………………………………………………….   20

شکل 1-6- نمایی از شبکه با یک نرون، 3 ورودی و 1 خروجی………………………………………………..   28

شکل 1-7- پرسپترون چندلایه…………………………………………………………………………………………….   32

شکل 1-8- شبکه عصبی شعاعی…………………………………………………………………………………………   32

شکل 2-1- مقایسه نرخ شکست اصلی و پیش‌بینی‌شده با شبکه عصبی یک، دو و سه ورودی….    36

شکل 2-2- فلوچارت الگوریتم شبکه عصبی…………………………………………………………………………   37

شکل 2-3- فلوچارت آنالیز شبکه عصبی……………………………………………………………………………..   37

شکل 2-4- معماری شبکه عصبی…………………………………………………………………………………………   37

شکل 2-5- فلوچارت پیش‌بینی خطا…………………………………………………………………………………….   40

شکل 2-6- خروجی واقعی و پیش‌بینی‌شده دمای بالای سوپرهیتر…………………………………………   41

شکل 2-7- خطای پیش‌بینی شبکه دمای بالای سوپرهیتر……………………………………………………..   42

شکل 2-8- متدولوژی تحقیق……………………………………………………………………………………………..   43

شکل 4-1- فرآیند سیستم پرمیت………………………………………………………………………………………..   60

شکل 4-2 پایگاه داده سیستم پرمیت…………………………………………………………………………………..   61

شکل 4-3- گزارش Olap از درخواست‌های صادرشده………………………………………………………….   63

شکل 4-4- دسته‌بندی پرمیت‌ها با روش K-Means با نرم‌افزار Clementine………………………   64

شکل 4-5- خروجی الگوریتم K-Means…………………………………………………………………………….   65

شکل -46- خوشه‌بندی داده‌ها با استفاده از الگوریتم C5.0……………………………………………………   65

شکل -47- خوشه‌بندی بر اساس واحدهای صادرکننده………………………………………………………….   65

شکل -48- خوشه‌بندی بر اساس اداره…………………………………………………………………………………   66

شکل -49- خروجی خوشه‌بندی بر اساس اداره……………………………………………………………………..   66

شکل 4-10- مدل شبکه عصبی پس انتشار خطا…………………………………………………………………….   69

شکل 4-11- تعریف ورودی‌ها و خروجی شبکه………………………………………………………………………   69

شکل 4-12- شبکه تعریف‌شده…………………………………………………………………………………………….   71

شکل 4-13- آموزش شبکه………………………………………………………………………………………………….   71

شکل 4-14- خروجی آموزش شبکه…………………………………………………………………………………….. 72

شکل 4-15-  تست خروجی شبکه……………………………………………………………………………………….   72

 

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo