تشخیص هوشمند سالم بودن دستگاه لیفتراک توسط شبکه عصبی (مطالعه موردی پتروشیمی کردستان)

هدف: تشخیص سلامت دستگاه لیفتراک قبل از بکارگیری در محیط صنعتی و همچنین قبل از خریداری، بسیار ضروری می باشد. ارزیابی و تعیین سلامت لیفتراک با استفاده از روشهای سنتی ، نتایجی با قابلیت اعتماد بالا را بدست نمی آورند. لذا، این مطالعه با هدف به حداقل رساندن محدودیت های روش سنتی ، از یک روش با قابلیت اطمینان بالا برای تشخیص سالم بودن لیفتراک استفاده می کند.روش تحقیق : روش مورد بررسی شامل تشخیص سلامت توسط شبکه عصبی است . ابتدا، ارزیابی اولیه لیفتراک به روش سنتی انجام خواهد گرفت . سپس ، در پایان شبکه عصبی می تواند سالم بودن یا عدم سلامت لیفتراکها را نشان دهد. طبق این تحقیق ، شبکه عصبی می تواند به عنوان یک ابزار قدرتمند در تشخیص سلامت لیفتراک مورد استفاده قرار گیرد.نتایج : شبکه عصبی مصنوعی با الگوریتم یادگیری لونبرگ مارکوات با میزان ۹۸ درصد صحت ، ۹۹ درصد دقت و ۴,۹۳ درصد حساسیت و با یک لایه ورودی، یک لایه پنهان و یک لایه خروجی با توابع فعالساز LogSig و Purelin دارای بهترین عملکرد است .نتیجه گیری : با توجه به این مطالعه ، مدل شبکه عصبی با الگوریتم های آموزشی مختلف می تواند در تشخیص سلامت نقش موثری را ایفا کند و در بسیاری از صنایع جهت ارزیابی لیفتراک به کار گرفته شود.