یک سیستم عیب‌یابی هوشمند مبتنی بر بیزی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 15

تعداد کلمات : 4400

مجله : Procedia Computer Science Procedia Computer Scien Procedia Computer Scien

انتشار : 2022

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
17 مارس 2022
دسته بندی
تعداد بازدیدها
1204 بازدید
29,000 تومان

عنوان فارسی مقاله:یک سیستم عیب‌یابی هوشمند مبتنی بر بیزی

 چکیده

  سیستم‌های عیب‌یابی می‌توانند مزایای متفاوتی را در مدیریت دارایی‌ها، به‌ویژه برای عملیات خدماتی، تسهیل تشخیص مشکلات و شناسایی اجزای معیوب به ارمغان بیاورند. با این حال، این سیستم ها معمولاً مبتنی بر منطق محاسباتی سفت و سخت هستند که قادر به مدیریت عدم قطعیت ها نیستند. در این مطالعه، یک سیستم مبتنی بر دانش با بهره‌برداری از قضیه بیزی توسعه داده شد و در یک ابزار عیب‌یابی که بر تعامل انسان و ماشین متکی است، استفاده شد. دانش و الگوریتم مورد نیاز برای اطمینان از استحکام و قابلیت‌های خودآموزی مورد تجزیه و تحلیل و آزمایش قرار گرفت. پس از آن، این سیستم در یک محیط صنعتی، به طور خاص از یک شرکت تولید جرثقیل پیاده سازی شد. این الگوریتم در برابر خطاها مقاوم است و امکان پاسخ ندادن به برخی سوالات را فراهم می کند. با این حال، عملکرد سیستم به شدت به سوالات ، هم از نظر کمیت (تعداد کافی در مقایسه با خرابی‌های احتمالی) و هم از نظر کیفیت (موثر در تشخیص خرابی‌ها)بستگی دارد. در واقع، این کار نشان می دهد که چگونه افزایش دانش سیستم با ارائه سؤالات اضافی می تواند عملکرد عیب یابی را به طور قابل توجهی بهبود بخشد. پیشرفت‌های آینده ممکن است شامل افزایش کاربرپسندی و پیاده‌سازی خودآموز برای افزودن و به‌روزرسانی سؤالات در طول زمان باشد(سیستم عیب‌یابی هوشمند مبتنی بر بیزی).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: A Bayesian based Intelligent Troubleshooting System

Abstract

Troubleshooting systems can bring different benefits in assets management, particularly for service operations, facilitating the di-agnosis of problems and faulty components identification. However, these systems are commonly based on rigid computation logic unable to handle uncertainties. In this work, a knowledge-based system exploiting the Bayesian theorem was developed and applied in a troubleshooting tool that relies on human-machine interaction. The required knowledge and the algorithm were analyzed and tested to ensure robustness and self-learning capabilities. Subsequently, the system was implemented in an industrial environment, specifically from a crane manufacturing company. The algorithm is robust to errors and provides the possibility of not answering some questions. However, the system performance is highly dependent on the questions, both in terms of quantity (adequate num-ber compared to possible failures) and quality (effective to discriminate among failures). Indeed, this work shows how the system knowledge enhancement by introducing additional questions can significantly improve the troubleshooting performance. Future developments may involve user-friendliness enhancement and self-learning implementation to add and update questions over time.