رویکردهای بهینه سازی بازده سیستم تولید از طریق دادههای حسگر، شبیه سازی بر پایه یادگیری ماشین و الگوریتم های ژنتیک

در صنایع مدرن مخزن قابل توجهی از دادههای حسگر وجود دارد که حاوی مقدار زیادی اطلاعات .است متاسفانه این منبع غنی از اطلاعات مورد توجه و مورد استفاده قرار نمی گیرد و پتانسیل آن به طور کامل توسط تولید کنندگان مدرن استفاده نمی شود. در عصر انقلاب صنعتی چهارم بهره برداری از این مجموعه دادههای قدرتمند برای بقا و رقابت تولیدکنندگان در عصر هوش مصنوعی، بسیار حائز اهمیت است تلاشهای مشترک و متقابل بین دانشگاه و بخش صنعتی برای بهره مندی از این مجموعه داده های غنی، پتانسیل آن را دارد تا از این مزایای فوق العاده در تجارت اقتصاد و جامعه استفاده کند استفاده از جدیدترین روش های هوش مصنوعی میتواند باعث افزایش کارآمدیهای تولید و کاهش اثرات زیست محیطی شود این تحقیق با توجه به در دسترس بودن مقادیر زیادی از دادههای حسگر و عدم استفاده کامل از آن یک راه حل هوش مصنوعی پیشنهاد میکند که ترکیبی از تحلیل پوششی دادهها (DEA) شبیه سازی مبتنی بر یادگیری ماشین و الگوریتمهای ژنتیک میباشد و از طریق توصیه هایی که در مورد تنظیمات مدل بهینه ارائه میکند کارآمدی سیستمهای تولید را بهینه می.کند اولا برای شناسایی حالت های کارآمد و ناکارآمد یک سیستم تولید از تحلیل پوششی داده ها استفاده میشود این اطلاعات همان دادههای ورودی مرحله دوم هستند که یک مدل یادگیری ماشینی ایجاد میکنند و از طریق شبیه سازیها و سناریوهای مربوط به کارآمدی تولید، به پیش بینی می پردازند ،سپس الگوریتم ژنتیک یک سناریوی بهینه را با تنظیمات مربوطه پیشنهاد می.کند دستاورد تحقیقاتی ۱ صلی این راه حل پیشنهادی، ترکیب منحصر به فرد تحلیل پوششی دادهها با مدلهای یادگیری ماشین و الگوریتم های ژنتیک است.