با ظهور نگهداری و تعمیرات (نت) پیشگویانه در 1980، تحول شگرفی در برنامه ریزی نت تجهیزات پدیدار گردید. با توجه به این که نت پیشگویانه، متکی بر پیشگویی وقوع خرابی در خصوص تجهیزات در حال استفاده است، چنانچه بتوان پیشگویی صحیح تری از وقوع خرابی در آینده ارائه داد، می توان هزینه های نت را به طور قابل ملاحظه کم کرد. این رویکرد، خود مستلزم به کارگیری ابزار و فنون متعدد، از جمله تکنیک های هوش مصنوعی، مثل شبکه های عصبی و تئوری مجموعه های فازی است. فعالیت های شرکت ملی گاز ایران در زمره صنایعی است که هزینه های نت در آن قابل توجه است و بنابراین استفاده از نت پیشگویانه در مورد آن ها توجیه اقتصادی دارد. فرایند توزیع گاز طبیعی در سطح کشور به گونه ای است که لوله های انتقالی که از زیر زمین عبور داده شده اند دچار خوردگی می شوند و این موضوع باعث ایجاد هزینه های زیاد برای شرکت ملی گاز ایران می شود.
در این تحقیق، پیشگویی وقوع خرابی بر مبنای مدل ترکیبی شبکه های عصبی فازی و تحلیل مؤلفه های اصلی انجام شده است. نتایج تحقیق نشان می دهد که مدل ارائه شده 25 درصد از هزینه های بازرسی را نسبت به وضعیت فعلی کاهش می دهد
