جناب آقای مهندس عمید مقصودی دانشجوی دکتری دانشکده مهندسی مکانیک دانشگاه علم و صنعت ایران، از رساله خود با عنوان «توسعه یک الگوریتم ترکیبی منطق فازی و هوش مصنوعی برای پیش آگاهی عمر مفید باقی مانده یاتاقان های غلتشی» به راهنمایی جناب دکتر محمد ریاحی در تاریخ 1402/04/20 ساعت 15:30 دفاع می کنند.
اساتید داور داخلی: دکتر میرسعید صفی زاده / دکتر محمد‌جواد اشرفی
اساتید داور خارجی: دکتر عبدالرضا اوحدی همدانی / دکتر فرهنگ هنرور
مدیریت سلامت پیش بینانه یک فلسفه نوین در بین انواع فلسفه های نگهداری و تعمیرات میباشد. امروزه با توجه به پیشرفته تر شدن صنایع، روشهای نگهداری و تعمیرات نیز تغییرات قابل توجهی داشته اند. در این بین، با توجه به اهمیت بالای ماشین آلات دوار و کاربردهای فراوان آنها در صنایع، الگوریتم¬های پیش آگاهی عمر مفید باقیمانده نیز بهبود می یابند. با در دست داشتن تخمینی دقیق از زمان ازکارافتادگی این دسته از ماشین آلات، میتوان در برابر هزینه¬ها و خسارات گزاف مالی و جانی ناشی از خرابیها، در امان بود. موضوع این رساله، توسعه یک الگوریتم پیش¬آگاهی عمر مفید باقیمانده برای یاتاقانهای غلتشی بر اساس ترکیب الگوریتم هوش مصنوعی و منطق فازی تحت فلسفه نگهداری و تعمیرات “مدیریت سلامت پیشبینانه” است. انواع روشهای تخمین عمر به سه دسته، 1- روش مبتنی بر داده (روشهای هوش مصنوعی و آماری)، 2- روش مبتنی بر مدل و نظر متخصص (روشهای سنتی) و 3- روش های ترکیبی دسته بندی شده اند در این بین، روشهای ترکیبی نسبت به دیگر روشها برتری دارند و بیش از پیش مورد استقبال محققان قرار گرفته اند. نوآوری این رساله، توسعه یک الگوریتم ترکیبی برای تخمین سریهای زمانی با استفاده از روش هوش مصنوعی و همزمان نظر متخصص است. از پیچیدگیهای تخمین عمر مفید باقیمانده یاتاقانهای غلتشی میتوان به غیرخطی بودن و عدم قطعیت فرآیند تخریب اشاره کرد. در این مسئله چالشهای اصلی عبارتند از وجود عدم قطعیتهای فراوان در فرآیند تخریب و عدم آگاهی نسبت به نوع تخریب که فرآیند تخمین عمر را بسیار دشوار میسازد. توسعه الگوریتم معرفی شده به نحوی بوده است که اولا، برای پیش آگاهی عمر مفید باقیمانده یاتاقانهای غلتشی دقت مناسبی داشته باشد و ثانیا، در مقایسه با انواع روشهای هوش مصنوعی موجود سرعت محاسباتی بیشتر به همراه داشته و پیچیدگی محاسباتی آن نیز کمتر باشد. مجموعه داده مورد استفاده در این پژوهش از مجموعه داده های تخریب یاتاقان ناسا است که به کمک الگوریتم معرفی شده و ادغام نوآورانه پارامتر دما با ارتعاشات، عمر مفید باقیمانده آنها پیشبینی شده است. به کمک این روش میانگین درصد خطای پیش¬بینی 69/20 درصد و میانگین امتیاز پیشبینی که توسط ناسا طراحی شده برابر 44/0 میباشد که در مقایسه با دیگر الگوریتم¬ها کارایی مناسبی را از خود نشان میدهد
