سامان سربی

سیاست مناسب در نگهداری و تعمیرات می گوید تعمیر زمانی باید انجام شود که نیاز باشد. اگرچه انجام تعمیرات پیشگیرانه می تواند تعمیرات ناگهانی و غیرمترقبه را کاهش دهد اما همچنان باعث کاهش در دست رس بودن و افزایش هزینه های تعمیرات می گردد. شرکت ها می بایست استراتژی های نگهداری آنلاین و پیشگویانه را گسترش دهند که بتوانند تصور کنند که هر خرابی در هر زمانی ممکن است به طور تصادفی رخ دهد و این نیاز را از علائم و نشانه هایی که تجهیزات از خود بروز می دهند تشخیص دهند که به آن نگهداری و تعمیرات پیشگویانه یا نگهداری مبتنی بر شرایط می گویند. در این مقاله سعی شده است یک مدل پشتیبان تصمیم گیر برای نگهداری و تعمیرات پیشگویانه مبتنی بر شرایط بر اساس تکنیک های داده کاوی طراحی شود. این پروژه در یکی از شرکت های بهره برداری نفت و گاز جنوب کشور انجام شده و تجهیز انتخابی برای این پروژه توربین های گازی است که یکی از اساسی ترین و بحرانی ترین تجهیزات در کارخانه های فرآوری نفتی است. در این پروژه تکنیک داده کاوی شبکه عصبی MPL برای پیش بینی رخداد خرابی در تجهیز مورد نظر به کار گرفته شده است. در انتها پیشنهادهایی از جمله توسعه این مدل برای سایر تجهیزات، کنترل مدت زمان مشاهده صورت وضعیت تجهیزات و تعیین زمان بهینه تعمیر و نگهداری برای آینده ارائه شده است. در این پروژه تکنیک داده کاوی شبکه عصبی MPL برای پیش بینی رخداد خرابی در تجهیز مورد نظر به کار گرفته شده است. در انتها پیشنهادهایی از جمله توسعه این مدل برای سایر تجهیزات، کنترل مدت زمان مشاهده صورت وضعیت تجهیزات و تعیین زمان بهینه تعمیر و نگهداری برای آینده ارائه شده است.