این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی و مدیریت کیفیت، جلد ۱۲، شماره ۱، صفحات ۶۹-۸۶
عنوان فارسی مدل سازی ترکیبی منطق فازی و شبکه عصبی مصنوعی برای پیش بینی خرابی ماشین آلات به منظور افزایش بهره وری
چکیده فارسی مقاله در این پژوهش، یک رویکرد ترکیبی برپایه منطق فازی و شبکه عصبی مصنوعی برای پیش بینی خرابی ماشین آلات در راستای افزایش بهره‌وری ارائه می شود. مورد مطالعه این پژوهش یکی از کارخانجات صنعت خودروسازی با نام دیاکو ایده آریا بوده که در حوزه تولید قطعات خودرو فعالیت می کند. برای مدل سازی شبکه فازی-عصبی پرسپترون چند لایه(MLP)، نخست تعداد 100 خرابی و توقف در بازه زمانی 15 ماه جمع آوری شده و سپس در نرم افزار MATLAB وارد شده است. نتایج بدست آمده نشان می دهد پیاده سازی شبکه فازی-عصبی و پیش بینی زمان خرابی ماشین آلات سبب کاهش مدت زمان و هزینه تعمیرات شده است. بنابراین مدت زمان کاری و دسترس پذیری ماشین آلات افزایش یافته و در نهایت سبب افزایش میزان بهره وری به میزان 57 درصد می‌شود، همچنین، میزان دقت مدل فازی- عصبی توسعه داده شده 94 درصد برآورد شده است.
کلیدواژه‌های فارسی مقاله بهره وری، پیش بینی، شبکه عصبی، منطق فازی،
عنوان انگلیسی Fuzzy logic and artificial neural network hybrid modeling to predict machine failure in order to increase productivity
چکیده انگلیسی مقاله In this research, a hybrid approach based on fuzzy logic and artificial neural network is presented to predict the failure of machines in order to increase productivity. The subject of this research is one of the factories of the automobile industry named Diaco Ide Aria, which operates in the field of automobile parts production. Preventive maintenance requires correct prediction of breakdowns and accidents, equipment and machines so that productivity can be increased by timely and correct maintenance of machines as well as fixing defects and breakdowns. To model the multi-layer perceptron fuzzy-neural network (MLP), first, 100 failures and stops were collected in a period of 15 months and then entered into MATLAB software. The obtained results show that the implementation of fuzzy-neural network and the prediction of machine failure time has reduced the duration and cost of repairs. Therefore, the working time and accessibility of the machines increased and ultimately increased the productivity by 57%, also, the accuracy of the developed neural-fuzzy model was estimated at 94%.
کلیدواژه‌های انگلیسی مقاله بهره وری, پیش بینی, شبکه عصبی, منطق فازی
نویسندگان مقاله پرویز چوپان کاری |
مهندسی صنایع، دانشگاه آزاد اسلامی،واحد علوم و تحقیقات ، تهران ، ایران

امیر عزیزی |
استادیار، عضو هیئت علمی دانشگاه آزاد اسلامی ، دانشکده مهندسی صنایع، واحد علوم و تحقیقات

محمد جواد ارشادی |
موسسه ایرانداک

نشانی اینترنتی https://www.pqprc.ir/article_166513_aebe2835394f75ea27af9a5010fa0162.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات