پيش‌بيني زمان خرابي ماشين‌آلات با استفاده از يادگيري عميق

Predicting time to failure of machines using deep learning approach

دستگاه‌ها و تجهيزات گوناگون در شركت‌هاي توليدي براي توليد محصول، همواره به‌عنوان يكي از مهم‌ترين سرمايه‌هاي كارخانه‌ها به شمار مي‌آيد؛ بنابراين با توجه به اينكه هزينه‌هاي خريد، نگهداري و تعميرات تجهيزات بسيار گزاف و پرهزينه است و بخش عمده‌اي از سرمايه ثابت و هزينه‌هاي عملياتي شركت‌ها را تشكيل مي‌ده؛ طبيعي است كه يكي از دغدغه‌هاي اساسي براي مديران ارشد در چگونگي به‌كارگيري و نگهداري بهينه اين تجهيزات باشد. در رابطه با اين مورد، موضوع حائز اهميت، تعيين زمان خرابي و ازكارافتادگي دستگاه‌ها است. در اين پژوهش، با استفاده از رويكردِ يادگيري عميق به پيش‌بيني زمان خرابي تجهيزات در كارخانه توليد قطعات خودرو، پرداخته شد. با توجه به اينكه هدف پيش‌بيني زمان خرابي در بازه زماني يك هفته براي تجهيزات است توانستيم با جمع‌آوري داده‌هاي لازم و پياده‌سازي مدل شبكه عميق با نرخ صحت برابر با 4/97 زمان خرابي قطعات مربوط به دستگاه پيش‌بيني شد.

The factories use various devices and equipment to produce the products that are as one of the most important factory assets. The initial cost of purchasing, maintaining, and repairing this equipment is very high and. It is natural that one of the key concerns for managements is how to use and maintain equipment optimally. In this regard, it is important to determine the time of failure and disability of the device. In this study, the use of deep learning techniques to predict the failure time of equipment at the vehicle manufacturing plant is discuss. Given the goal is predicting a breakdown time in a week for equip, with the implementation of a Deep Neural Network model with high precision, the failure time is predicted.