|
كاربرد داده كاوي در تعيين خطوط مبناي رفتار فرسايشي موتورها با استفاده از نتايج آناليز روغن
نويسندهگان:
سعيد رمضاني - كارشناس ارشد مهندسي صنايع - كارشناس عالي سيستم نت ، اداره نت ، مع.پش.مهن و تحقيقات س.م.سپاه مركز مطالعات و پژوهشهاي لجستيكي - دانشگاه امام حسين (ع) عزيزالله معمارياني - استاد راهنما و رياست محترم موسسه پژوهش و برنامه ريزي آموزش عالي عليرضا مسعودي - استادمشاور و مبتكر طرح مراقبت وضعيت از طريق اناليز روغن در ايران احمد نورنگ - استاد مشاور و استاد راهنما دانشگاه امام حسين (ع)
خلاصه مقاله:
هرچند امروزه بكارگيري فن آوري مراقبت وضعيت از طريق اناليز روغن 5، به عنوان روش موثري در تشخص فرسايش هاي غير هادي يا عيوب تجهيزات و سيستم هاي مكانيكي شناخته مي شود، بايد توجه داشت كه در فرايند تحليل و تفسير نتايج آناليز روغن، مسائلي نظير شناخت رفتارهاي فرسايشي ، ويژگي هاي فني، سوابق و تجارب قبلي آناليز و غيره، جهت اجراي برنامه CM، بسيار ضروري و تعيين كننده است.
د راين تحقيق به بررسي رفتار فرسايشي موتورهاي ديزل و رازيابي و تحليل رابطه بين وضعيت نهايي موتور و وضعيت مولفه هاي مورد تحليل در آناليز روغن پرداخته مي شود. تحليل و بررسي اين موضوع كه مولفه هاي موثر در تحليل وضعيت موتور، كدام و ميزان تاثير آنها چقدر است، موضوعي است كه در قالب يك مدل داده كاوي مورد بررسي قرار مي گيرد. شاخصهاي مورد مطالعه در آناليز روغن عبارتند از : ويسكوزيته، سيليسم ، PQ ، فلزات فرسايشي نظير آهن، آلومينيوم ، سرب ، مس، قلع، كروم.
داده كاوي فرايند كشف الگوها و روابط پنهان موجود بين داده هاست. داده هاي موتور كاميون بنز 2628 با توجه به مدل هاي شبكه عصبي، درخت هاي تصميم گيري و مصور سازي و امار توصيفي به عنوان نمونه مورد تحليل قرار گرفته و نتايج آن بيان شده است. يافته هاي اين مطالعه نشان مي دهد الگوهاي خاصي متناسب با مولفه هاي روغن وجود دارد و با توجه به حجم داده ها و ابزارها و شاخص هاي مرتبط، قواعد مناسب را مي توان استخراج نمود. در نهايت سعي نگارنده بر آن است كه مدلي هوشمند جهت تشخيص و پيش بيني عيوب در موتورهاي مورد مطالعه ارائه دهد.
كلمات كليدي:
نگهداري و تعميرات (Maintenance) ، مراقبت وضعيت Condition Monitoring ، آناليز روغن Oil Analysis ، خطوط مبنا Base Lines ، داده كاوي Data Mining ، رفتار فرسايشي Wear Behavior ، شبكه عصبي مصنوعي Artificial Neural Network ، درخت تصميم گيري Artificial Neural ، قواعد استنتاجي Induction Rules ، مصور سازي Data Visualization ، سيستم پشتيبان تصميم Decision Support System
|