25292

ارائه مدلي جهت بهبود عمليات نگهداري و تعميرات با استفاده از تكنيك ها ي پيش بينانه فرآيندكاوي همراه با مطالعه موردي

كارشناسي ارشد

مهندسي صنايع گرايش مديريت مهندسي

1397

شهريور 1400

دكتر عليرضا معيني

دكتر محمدرضا رسولي

مهندسي صنايع

نگهداري و تعميرات پيش ب ينانه تاكتيكي است كه عملكرد و وضعيت تجهيزات را در طول كاركرد و عمليات نرمال پايش ميكن د تا احتمال شكست را كاهش دهد. اين استراتژي نت با پي شبي ني خرابيها از ديدگاه صرفهجويي در هزين هها بسيار اهميت دارد. همچنين سبب كاهش زمان خاموشي بر نامهريز يشده، افزايش طول عمر تجه يزات، بهين هسازي بهرهوري كاركنان و افزايش درآمد سازمان نيز ميشود. يكي از موانع به كارگيري نت پيشبينانه در سازمانها، ناتواني در تحلي ل فرآيندهاي منجر به خراب يها كه در نهايت منجر به شكست تجهي ز ميشود ميباش د. از سوي ديگر با توجه به رشد تكنولوژ ي و تولي د هرچه بيشتر داده در دنيا ، به كارگير ي تكنيكهاي تحليل داده و ابزارهاي تحليل فرآ يندها روز به روز در حال افزا يش است. در همين راستا تمركز در اي ن پژوهش بر روي ارائه مدل ي مبتني بر الگوريتمهاي فرآيندكاوي است كه بتوان به كمك آن به پيشبيني خرابي و شكستهاي دستگاهها و ماشينآلات پرداخت و از ا ين طريق از هزين ههاي آن جلوگيري كرد. روششناسي مورد استفاده در اين پژوهش مدل PM2 م يباش د كه برا ي پشتيباني از پروژههاي فرآيندكاوي طراحي شده است. اين متدلوژي از 6 مرحله كه هر كدام داراي تعداد ي ورودي، فعاليت و خروجي هستند تشكيل شده است. اين 6 مرحله عبارتند از برنام هريزي، استخراج، پردازش داده، كاوش و تحليل، ارزيابي، بهبود فرآين د و پشتيباني. ناظر به اين متدولوژي، ا ين مراحل بر روي مجموعه داده شركت نكسپرياي ژاپن اعمال شده و سه مدل فرآين د ي از خرابيها و خطاهاي يكي از تجهيزات بر اساس سه الگوريتم كاوش آلفا، هيوريست يك عل ي معلول ي و كاوش ژنتيك كشف و شناسايي شد. سپس اين سه مدل به كمك 4 معيار سادگ ي، دقت، تعمي مپ ذيري و تناسب مورد ارزيابي قرار گرفتند و بر اين اساس مدل عل ي معلولي هيوريستيك به عنوان مدل مناسب و مطلوب اي ن پژوهش برگزيده شد. از روابط علي معلولي اين مدل ميتوان در پيشبيني خرابيها و شكستهاي آتي تجهيز مورد مطالعه بهره برد. از طريق اين روابط و همچنين با يافتن خطاهاي پرتكرار ميتوان اقدام به بررسي پوياي رفتار تجهيزات، برنامهريزي دقيقتر تأمين و تخصيص منابع مناسب براي تعويض تجهيزات، متخصص لازم، منابع مالي و... پرداخت. علاوه بر دستاوردهاي اشاره شده، از نتايج اين پژوهش ميتوان در ايجاد بستر هوشمندسازي عمليات نت براي اين تجهيز نيز استفاده نمود.

1400/07/13

A Model to Improve Maintenance Operations Using Predictive Process Mining Techniques

9/22/2022 12:00:00 AM

Predictive maintenance is a tactic that monitors equipment performance and condition during normal operation to reduce the risk of failure. This maintenance strategy is very important in terms of cost savings perspective. It also reduces scheduled downtime, increases equipment life, optimizes employee productivity, and increases organizational revenue. One of the barriers to apply predictive maintenance in organizations is the inability to analyze processes that lead to breakdowns that ultimately lead to equipment failure. On the other hand, due to the growth of technology and more data production in the world, the use of data analysis techniques and process analysis tools is increasing day by day. In this regard, the focus of this study is on providing a model based on process mining algorithms that can be used to predict the breakdown and failure of devices and machines and thus avoid its costs . The methodology used in this research is PM2, which is designed to support process mining projects. This methodology consists of 6 stages, each of them has a number of inputs, activities and outputs. These 6 steps are planning, extraction, data processing, mining and analysis, evaluation, process improvement and support . According to this methodology, these steps were applied to the data set of Japan's Nexperia Company and three process models of failures and errors of one of the equipments based on three algorithms of alpha mining, heuristic causal net and genetic mining were discovered and identified. Then, these three models were evaluated using 4 criteria of simplicity, precision, generalizability and fitness, and based on this, the heuristic causal net model was selected as the appropriate and desirable model of this research. The causal relationships of this model can be used to predict future breakdowns and failures of the equipment under study. Through these relationships and also by finding frequent errors, it is possible to dynamically study the behavior of equipment, more accurate planning, supply and allocation of appropriate resources for equipment replacement, necessary specialist, financial resources, etc. In addition to the mentioned achievements, the results of this research can be used to create a smart platform for net operations for this equipment.

نگهداري و تعميرات پي شگويانه، فرآيندكاوي، كشف فرآيند، پيشبيني شكست

Predictive maintenance, Process Mining, Process Discovery, Failure Prediction