هوشمندسازي روند تحليل نتايج آناليز روغن يك نوع موتور ديزل به كمك درخت تصميم

Providing an intelligent method in order to analyzing the result of oil analysis of a diesel engine by decision tree

يكي از روش هاي پايش وضعيت موتورهاي ديزل آناليز روغن مي باشد. اندازه گيري مقدار ذرات درشت آهني و نيز طيف سنجي اسپكتروسكوپي روغن مي تواند وضعيتي كه موتور در آن قرار دارد را مشخص نمايد. تعيين وضعيت كلي با توجه به اعداد و نتايج مندرج در برگه هاي آناليز روغن عموماً بوسيله افراد خبره صورت مي گيرد و گاه نيز خالي از تصميمات سليقه اي نمي باشد. تحليل فرد خبره از يك مدل به مدل ديگر متفاوت است و اين تحليل با تغيير نوع دستگاه نيز به شدت تغيير خواهد كرد. در آزمايشگاه هاي آناليز روغن نياز به نرم افزاري كه اين روند تصميم گيري را به طور خودكار و هوشمند و عاري از خطاهاي انساني انجام دهد به شدت احساس مي شود. در اين پژوهش حدود 205 ركورد آناليز روغن موتور ديزل دويتس مدل F6L912 و BF6L913 كه در بسياري از ماشين هاي سنگين و نيمه سنگين استفاده مي شود؛ مورد بررسي قرار گرفته است. ابتدا عناصر و شاخص هايي در برگه هاي آناليز كه تاثيري روي نتايج كلي نداشتند با بررسي آماري شناسايي و حذف شدند، اين كار موجب حذف 36 درصدي فضاي دادهاي گرديد. سپس نتايج كلي به عنوان خروجي در پنج گروه عادي، مرزي، بحراني، رسيدگي سريع و تحت مراقبت برچسب گذاري شدند و همراه با 16 متغير ديگر كه شامل عناصر فرسايشي، آلودگي هاي آب و سوخت و شاخص هايي از كيفيت روغن مانند گرانروي بودند در مدل طبقه بند قرار داده شدند. براي ايجاد مدل طبقه بند از درخت تصميم با الگوريتم J48 در نرم افزار weka استفاده شد. دقت كلي اين مدل 80 درصد به دست آمد. در انتها به وسيله اين درخت تصميم و استفاده از قوانين اگر – آنگاه مدلي هوشمند به منظور پيش بيني تحليل نتايج آناليز روغن ارائه گرديد.

Measuring the amount of colossal iron particles and spectroscopy on oil can indicate the engine’s condition. Determining the overall condition based on numbers and results written in oil analysis sheets is mostly done by experts and therefore sometimes can be the matter of taste. This differs from one model to another and radically alters by changing device types. In the oil analysis laboratory there is a huge demand for a decision-making software which can carry out the procedure automatically and intelligently and eliminate any human flaws. This project will investigate approximately 205 oil analysis of Deutz diesel engine, F6L912 and BF6L913 models, which are massively used in plenty of heavy and semi-heavy machines. In the first step trivial elements and items in analysis sheets ineffective in overall results, statistically are diagnosed and omitted. This leads to condense date space about 36 percent. Secondly overall results separate into parts normal, critical, boundary, rapid following, and under attention are labeled as the outcomes; among 16 another variables including wearing elements, water and fuel pollutions, and some factors in which oil qualification is manifested such as viscosity are put in classification model created by decision trees with algorithm J48 in WEKA software. The overall accuracy was obtained roughly 80 percent. Finally by utilizing decision tree and if-then rules we provide an intelligent model to predicate oil analysis results