نویسندگان

• امیر افسر ¹
• احمد جعفرنژاد ²
• محمد رضا صادقی مقدم

¹ دانشگاه قم

² دانشگاه تهران

چکیده

 با ظهور نگهداری و تعمیرات (نت) پیشگویانه در 1980، تحول شگرفی در برنامه‌ریزی نت تجهیزات پدیدار گردید. با توجه به این‌که نت پیشگویانه، متکی بر پیشگویی وقوع خرابی در خصوص تجهیزات در حال استفاده است، چنانچه بتوان پیشگویی صحیح‌تری از وقوع خرابی در آینده ارائه داد، می‌توان هزینه‌های نت را به طور قابل ملاحظه کم کرد. این رویکرد، خود مستلزم به‌کارگیری ابزار و فنون متعدد، از جمله تکنیک‌های هوش مصنوعی، مثل شبکه‌های عصبی و تئوری مجموعه‌های فازی است. فعالیت‌های شرکت ملی گاز ایران در زمره صنایعی است که هزینه‌های نت در آن قابل توجه است و بنابراین استفاده از نت پیشگویانه در مورد آن‌ها توجیه اقتصادی دارد. فرایند توزیع گاز طبیعی در سطح کشور به گونه‌ای است که لوله‌های انتقالی که از زیر زمین عبور داده شده‌اند دچار خوردگی می‌شوند و این موضوع باعث ایجاد هزینه‌های زیاد برای شرکت ملی گاز ایران می‌شود. در این تحقیق، پیشگویی وقوع خرابی بر مبنای مدل ترکیبی شبکه‌های عصبی فازی و تحلیل مؤلفه‌های اصلی انجام شده است. نتایج تحقیق نشان می‌دهد که مدل ارائه شده 25 درصد از هزینه‌های بازرسی را نسبت به وضعیت فعلی کاهش می‌دهد

کلیدواژه‌ها

• شبکه‌های عصبی فازی
• تجزیه و تحلیل مؤلفه‌های اصلی
• شبکه‌های عصبی مصنوعی
• نگهداری و تعمیرات پیش‌گویانه
• خوردگی لوله‌های گاز

عنوان مقاله [English]

Gas-station Predictive Maintenance Planning with Hybrid Model of Fuzzy Neutral Network and PCA

نویسندگان [English]

• A. Afsar ¹
• A. Jafarnejad ²
• M.R. Sadeghimoghadam

چکیده [English]

  With the emergence of predictive maintenance in 1980, radical changes took place in maintenance planning. Predictive maintenance depends on the prediction of facilities failure which are used at present. By predicting the failures correctly in future, we can decrease the cost of maintenance to a great extent. This approach involves using multiple techniques including artificial intelligence, that is, neural network, and “fuzzy sets” theory. The cost of maintenance is high for the activities of Iran’s National Gas Company, therefore, the application of predictive maintenance can be economical. Gas is distributed through underground pipes which Corrosion destroys thus, the cost inflicted on the society’s capital is incalculable.   In this study predicting the failure was based on the combined model of fuzzy neural network and principle component analysis. The results indicated that this model can decrease the inspection costs by 25%.

کلیدواژه‌ها [English]

• Fuzzy neural network
• PCA
• Artificial Neural Network
• Predictive maintenance
• Corrosion
• Pipe