تشخيص هوشمند سالم بودن دستگاه ليفتراك توسط شبكه عصبي (مطالعه موردي پتروشيمي كردستان)

Intelligent detection of the health of the forklift by neural network (Case study of Kurdistan Petrochemical)

چكيده هدف: تشخيص سلامت دستگاه ليفتراك قبل از بكارگيري در محيط صنعتي و همچنين قبل از خريداري، بسيار ضروري مي باشد. ارزيابي و تعيين سلامت ليفتراك با استفاده از روش هاي سنتي، نتايجي با قابليت اعتماد بالا را بدست نمي آورند. لذا، اين مطالعه با هدف به حداقل رساندن محدوديت هاي روش سنتي، از يك روش با قابليت اطمينان بالا براي تشخيص سالم بودن ليفتراك استفاده مي كند. روش تحقيق: روش مورد بررسي شامل تشخيص سلامت توسط شبكه عصبي است. ابتدا، ارزيابي اوليه ليفتراك به روش سنتي انجام خواهد گرفت. سپس، در پايان شبكه عصبي مي تواند سالم بودن يا عدم سلامت ليفتراك ها را نشان دهد. طبق اين تحقيق، شبكه عصبي مي تواند به عنوان يك ابزار قدرتمند در تشخيص سلامت ليفتراك مورد استفاده قرار گيرد. نتايج: شبكه عصبي مصنوعي با الگوريتم يادگيري لونبرگ ماركوات با ميزان 98 درصد صحت، 99 درصد دقت و 93.4 درصد حساسيت و با يك لايه ورودي، يك لايه پنهان و يك لايه خروجي با توابع فعال سازLogSig و Purelin داراي بهترين عملكرد است. نتيجه گيري: با توجه به اين مطالعه، مدل شبكه عصبي با الگوريتم هاي آموزشي مختلف ميتواند در تشخيص سلامت نقش موثري را ايفا كند و در بسياري از صنايع جهت ارزيابي ليفتراك به كار گرفته شود.