TY - JOUR ID - 166513 TI - مدل سازی ترکیبی منطق فازی و شبکه عصبی مصنوعی برای پیش بینی خرابی ماشین آلات به منظور افزایش بهره وری JO - نشریه علمی پژوهشی مهندسی و مدیریت کیفیت JA - QEM LA - fa SN - 2322-1305 AU - چوپان کاری, پرویز AU - عزیزی, امیر AU - ارشادی, محمد جواد AD - مهندسی صنایع، دانشگاه آزاد اسلامی،واحد علوم و تحقیقات ، تهران ، ایران AD - استادیار، عضو هیئت علمی دانشگاه آزاد اسلامی ، دانشکده مهندسی صنایع، واحد علوم و تحقیقات AD - موسسه ایرانداک Y1 - 2022 PY - 2022 VL - 12 IS - 1 SP - 69 EP - 86 KW - بهره وری KW - پیش بینی KW - شبکه عصبی KW - منطق فازی DO - N2 - در این پژوهش، یک رویکرد ترکیبی برپایه منطق فازی و شبکه عصبی مصنوعی برای پیش بینی خرابی ماشین آلات در راستای افزایش بهره‌وری ارائه می شود. مورد مطالعه این پژوهش یکی از کارخانجات صنعت خودروسازی با نام دیاکو ایده آریا بوده که در حوزه تولید قطعات خودرو فعالیت می کند. برای مدل سازی شبکه فازی-عصبی پرسپترون چند لایه(MLP)، نخست تعداد 100 خرابی و توقف در بازه زمانی 15 ماه جمع آوری شده و سپس در نرم افزار MATLAB وارد شده است. نتایج بدست آمده نشان می دهد پیاده سازی شبکه فازی-عصبی و پیش بینی زمان خرابی ماشین آلات سبب کاهش مدت زمان و هزینه تعمیرات شده است. بنابراین مدت زمان کاری و دسترس پذیری ماشین آلات افزایش یافته و در نهایت سبب افزایش میزان بهره وری به میزان 57 درصد می‌شود، همچنین، میزان دقت مدل فازی- عصبی توسعه داده شده 94 درصد برآورد شده است. UR - https://www.pqprc.ir/article_166513.html L1 - https://www.pqprc.ir/article_166513_aebe2835394f75ea27af9a5010fa0162.pdf ER -