كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

برآورد عدد اولویت ریسک در تکنیک FMEA با کمک یادگیری ماشین؛ مطالعه موردی تجهیزات کمپرسور صنعتی

نویسندگان :

الناز رضازاده خباز¹ امیرحسین انضباطی² پریسا موسوی‌زاده³ مجید مردانی شهری⁴

1- دانشگاه فردوسی مشهد 2- دانشگاه سجاد مشهد 3- دانشگاه فردوسی مشهد 4- دانشگاه فردوسی مشهد

کلمات کلیدی :

تحلیل حالات و آثار خرابی،عدد اولویت ریسک،جنگل تصادفی،K-Means،AHP،TOPSIS

چکیده :

تحلیل حالات و آثار خرابی یکی از روشهای متداول شناسایی و اولویتبندی ریسک تجهیزات صنعتی است؛ بااینحال، تعیین شاخصهای شدت اثر خرابی (S)، احتمال وقوع خرابی (O) و قابلیت کشف خرابی (D) در روش سنتی عمدتاً بر قضاوت خبرگان متکی است. پژوهش حاضر با هدف ارائه چارچوبی ترکیبی و دادهمحور برای برآورد عدد اولویت ریسک در تجهیزات یک کمپرسورخانه صنعتی انجام شد. دادههای پژوهش شامل 618 سابقه نگهداری و تعمیرات بود که پس از پاکسازی و تجمیع، به 163 رویداد مستقل و 54 ترکیب دستگاه-حالت خرابی تبدیل شد. برای برآورد شدت، چهار معیار نفرساعت تعمیر، مدت تعمیر یا توقف، تعداد افراد درگیر و تنوع قطعات مصرفی با الگوریتم K-Means خوشهبندی شدند؛ وزن معیارها با AHP و ترتیب خوشهها با TOPSIS تعیین شد. شاخص وقوع بر پایه نرخ تاریخی خرابی و تعدیل نرخهای کممشاهده با پیشبینی جنگل تصادفی (RF) و هموارسازی انقباضی برآورد شد. شاخص قابلیت کشف نیز با توجه به کنترلهای موجود و معیارهای مشاهدهپذیری خرابی تعیین گردید. نتایج نشان داد استهلاک چاله رسیور با RPN برابر 161 در رتبه نخست و استهلاک کندانسورهای 1 و 4 با مقادیر 148 و 140 در رتبههای بعدی قرار دارند. تحلیلهای حساسیت، حذفی و مقایسه با روشهای مرجع، پایداری نسبی رتبهبندی و نقش مؤثر جنگل تصادفی و هموارسازی انقباضی در کنترل نوسان نرخهای کممشاهده را تأیید کردند. چارچوب پیشنهادی میتواند مبنایی نظاممند برای تخصیص منابع و اولویتبندی اقدامات نگهداری و تعمیرات فراهم سازد.