شبیه سازی و مقایسه مدل های پیش بینی عمر شکست موتور هواپیما توربوفن با روش های داده کاوی

نگهداری و تعمیرات (نت) یکی از مهم ترین بخش های صنعت است که وظیفهی حفظ دارایی های فیزیکی سازمان را بر عهده دارد. سطوح مختلفیاز نت وجود دارد که به ترتیب شامل: نگهداری و تعمیرات اصلاحی CM ، نگهداری و تعمیرات پیشگیرانه PM ، نگهداری و تعمیرات پیش بینانه PdM است.امروزه باپیشرفت تکنولوژی و استفاده از ابزارهایی همچون هوش مصنوعی ، کلان داده و آموزش عمیق میتوان عملکرد و وضعیت تجهیزات را در طول کارکردو عملیات نرمال مورد پایش قرار داد و سپس با پیش بینی زمان خرابی تجهیزات بر اساس عوامل خاص، به عوایدی از جمله کاهش هزینه ها ،افزایش طول عمرتجهیزات، کاهش خاموشی برنامه ریزی شده )اورهال(، افزایش قابلیت اطمینان و بهره وری، دست پیدا کرد. در پژوهش روبرو به کمک نرم افزار رپیدماینر،الگوریتم های جنگل تصادفی، رگرسیون لاجستیک، بوستینگ درخت تصمیم و شبکه عصبی بر روی مجموعه داده موجود در مخزن سازمان فضایی ناسا، جهتپیش بینی عمر شکست موتور توربو فن هواپیما، پیادهسازی و مورد مقایسه قرار گرفتند که سرانجام الگوریتم شبکه های عصبی نسبت به سایر الگوریتم ها ،نتایج دقیق تری از خود نشان داد.