الهام آقازاده

امروزه در واحدهای صنعتی نظارت بر عملکرد تجهیزات توسط اپراتور انجام می شود و به علت گستردگی محیط عملیاتی و حجم بالای تجهیزات، هماهنگی بین واحدها به سختی امکان پذیر بوده و صدمات جبران ناپذیری در پی دارد. باوجود پیشرفت های چشمگیر تکنولوژی در زمینه بازرسی و نظارت، می توان این وظیفه را به ابزارهای هوشمند و اینترنت اشیاء سپرد. همچنین، با ظهور فناوری محاسبات «رایانش لبه»، بسیاری از محققان به دلیل مزایای آن، از طراحی های مبتنی بر محاسبات لبه ای بهره برده اند. لذا در این پژوهش مدلی ترکیبی از اینترنت اشیاء و پهپادهای غیرنظامی جهت نظارت هوشمند بر عملکرد تجهیزات صنعتی با رویکرد رایانش لبه ارائه شد که به عنوان مطالعه موردی توربین های بادی موردبررسی قرار گرفت. در این مدل، عملکرد پهپاد جهت نظارت هوشمند بر توربین های بادی در سه مرحله موردبررسی قرار گرفت. 1) فرآیند تشخیص 2) فرآیند تخلیه محاسباتی پهپاد 3) فرآیند محاسبات محلی پهپاد. با توجه به دو هدفه بودن مدل نهایی که ترکیبی از سه مرحله فوق بود، مدل توسط روش های ژنتیک با مرتب سازی ناچیره و روش محدودیت اپسیلن تقویت شده با استفاده از اعداد تصادفی حل شد و روش ژنتیک با مرتب سازی ناچیره عملکرد بهتری داشت؛ زیرا در مسائل با ابعاد بزرگ، به دلیل پیچیدگی مسئله، روش محدودیت اپسیلن تقویت شده قادر به پاسخگویی در زمان مناسب نبود.امروزه در واحدهای صنعتی نظارت بر عملکرد تجهیزات توسط اپراتور انجام می شود و به علت گستردگی محیط عملیاتی و حجم بالای تجهیزات، هماهنگی بین واحدها به سختی امکان پذیر بوده و صدمات جبران ناپذیری در پی دارد. باوجود پیشرفت های چشمگیر تکنولوژی در زمینه بازرسی و نظارت، می توان این وظیفه را به ابزارهای هوشمند و اینترنت اشیاء سپرد. همچنین، با ظهور فناوری محاسبات «رایانش لبه»، بسیاری از محققان به دلیل مزایای آن، از طراحی های مبتنی بر محاسبات لبه ای بهره برده اند. لذا در این پژوهش مدلی ترکیبی از اینترنت اشیاء و پهپادهای غیرنظامی جهت نظارت هوشمند بر عملکرد تجهیزات صنعتی با رویکرد رایانش لبه ارائه شد که به عنوان مطالعه موردی توربین های بادی موردبررسی قرار گرفت. در این مدل، عملکرد پهپاد جهت نظارت هوشمند بر توربین های بادی در سه مرحله موردبررسی قرار گرفت. 1) فرآیند تشخیص 2) فرآیند تخلیه محاسباتی پهپاد 3) فرآیند محاسبات محلی پهپاد. با توجه به دو هدفه بودن مدل نهایی که ترکیبی از سه مرحله فوق بود، مدل توسط روش های ژنتیک با مرتب سازی ناچیره و روش محدودیت اپسیلن تقویت شده با استفاده از اعداد تصادفی حل شد و روش ژنتیک با مرتب سازی ناچیره عملکرد بهتری داشت؛ زیرا در مسائل با ابعاد بزرگ، به دلیل پیچیدگی مسئله، روش محدودیت اپسیلن تقویت شده قادر به پاسخگویی در زمان مناسب نبود.

سرمایه گذاری برای تهیه تجهیزات صنعتی، از ضروریات هر واحد صنعتی است. در این پژوهش، مدل ریاضی نظارت هوشمند بر عملکرد تجهیزات صنعتی توربین های بادی با استفاده از اینترنت اشیا و پهپادهای غیرنظامی با رویکرد رایانش لبه بررسی شده است. در این مدل، عملکرد پهپاد برای نظارت هوشمند بر توربین های بادی در سه مرحله تشخیص، تخلیه محاسباتی و محاسبات محلی بررسی شد. با توجه به دو هدفه بودن مدل نهایی، مدل توسط الگوریتم ژنتیک با مرتب سازی ناچیره و روش محدودیت اپسیلون تقویت شده با استفاده از اعداد تصادفی حل شد. با توجه به یافته های پژوهش، روش محدودیت اپسیلون با افزایش ابعاد مدل کارایی خود را از دست می دهد و قادر به یافتن مرز پارتو در مسائل با ابعاد بزرگ نیست. به همین منظور مدل با استفاده از نسخه دوم الگوریتم فراابتکاری ژنتیک با مرتب سازی ناچیره و ساختاری جدید برای نمایش کروموزوم ها حل شد. این الگوریتم توانست مسائل در ابعاد بزرگ که روش محدودیت اپسیلون قادر به حل آن نبود را حل کند. طبق نتایج، روش محدودیت اپسیلون تقویت شده و الگوریتم ژنتیک با مرتب سازی ناچیره تنها در زمان حل با یکدیگر متفاوت بوده و در سایر معیارها عملکرد مشابهی دارند؛ در نتیجه، الگوریتم ژنتیک با مرتب سازی ناچیره به عنوان روش برتر پیشنهاد شد.