برآورد عمر باقیمانده اجزای استفاده شده در محصولات مشتری: آنالیز داده های چرخه عمر با استفاده از شبکه های عصبی مصنوعی و ویبول
Remaining life estimation of used components in consumer products: Life cycle data analysis by Weibull and artificial neural networks (2018)
برآورد عمر باقیمانده اجزای استفاده شده در محصولات مشتری: آنالیز داده های چرخه عمر با استفاده از شبکه های عصبی مصنوعی و ویبول
توضیحات: ۱۰ صفحه انگلیسی، ۸ صفحه فارسی (word)
چکیده فارسی
آگاهی محیطی و فشارهای قانونی سازندگان را مسوول می سازد تا بازگردند و نگاهی به انتهای زندگی محصولاتشان داشته باشند. برای رقابتی کردن محصولاتشان، یک گزینه آن است که از قطعات جدید و یا محصولات بازسازی شده استفاده کنند. با این حال، این گزینه ، بدلیل توانایی شرکت ها در ارزیابی قابلیت اطمینان قطعات دوباره استفاده شده، محدودیت های نسبی دارد. یک رویکرد دو مرحله ای جامع ارائه شده است. در فاز مرحله اول به طور آماری رفتار قطعات برای استفاده مجدد تحلیل می شود. روش ارزیابی قابلیت اطمینان شناخته شده تحلیل وایبال برای داده های خرابی و زمان بکار برده شده است تا میانگین عمر قطعات محاسبه شود. در فاز دوم، داده های کاهشی و کنترل شرایط با استفاده از مدل شبکه های عصبی مصنوعی تحلیل شده اند. مزیت این رویکرد به نبست سایر رویکرد های سنتی آن است که از تحلیل رگرسیون چندگانه استفاده می کند که بر داده های عملی که از محصول مصرفی بدست آمده است تاکید می کند. در نهایت تحلیل وایبال و مدل ANN، با هم یکپارچه می شوند تا باقیمانده عمر مفید قطعات برای استفاده مجدد ارزیابی شود. این شواهد حیاتی در مدیریت پایداری زنجیره های تامین است، چون پایداری را برای استفاده مجدد یا ساخت دوباره به دنبال دارد و مطالعات آینده باید موارد زیر را ارزیابی کنند: ۱٫ کاهش زمان از کارافتادگی تجهیزات فرایند ، چون اجرای این تکنیک وسیله ای برای مدیریت بهتر نگهداری پیش گیرانه است. ۲٫ کاهش زمینه های خطای محصولات ساخته شده ، ۳ استراتژی فروش- خدمات از طریق اجرای متدولوژی ارائه شده .
دانلود متن کامل فارسی (قیمت ۵۰۰۰ تومان)
دیدگاهی بنویسید