پیش بینی خرابی تجهیزات صنایع بزرگ با پلت فرم بومی هوش مصنوعی
می هاست: طرح توسعه دانش فنی پلت فرم یادگیری فدرال در عرصه تعمیر و نگهداری پیش بینانه با تمرکز بر هوش مصنوعی برای پیش بینی و بهینه سازی عملکرد تجهیزات، توسط حمایت صندوق نوآوری و شکوفایی آغاز شد.
به گزارش می هاست به نقل از مرکز ارتباطات و اطلاع رسانی معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، تعمیر و نگهداری پیش بینانه (PdM) روشی نوین در صنعت است که با تحلیل داده و مدلهای هوش مصنوعی، پروسه نگهداری را هوشمند می کند. این رویکرد نسبت به روش های سنتی بهینه تر عمل کرده و با پیش بینی زمان خرابی، از تعمیرات اضافی و توقف طولانی تجهیزات جلوگیری می کند. مدلهای هوش مصنوعی پایه اصلی PdM هستند. یادگیری فدرال نیز با غیرمتمرکزسازی پروسه آموزش، امکان استفاده از داده های حساس و متنوع را فراهم آورده و ضمن تسریع یادگیری، عملکرد مدل را بهبود می بخشد و از به خطر افتادن داده ها جلوگیری می کند.
هدف این مطالعه، توسعه یک پلت فرم یادگیری فدرال برای تعمیر و نگه داری پیش بینانه در صنایع بزرگ مثل پتروشیمی، معادن یا... است تا به کمک آن بتوان به پایش سلامت و عملکرد تجهیزات مورد استفاده پرداخت.
این پلت فرم در قالب یک نرم افزار با معماری کلاینت-سرور است که در سمت کلاینت، داده های مربوط به تجهیزات بوسیله سنسورهای محیطی و سوابق تاریخی گردآوری می شوند و بعد از پردازش های لازم و تحلیل آنها، یک مدل هوش مصنوعی پیش بینانه آموزش داده می شود. در سمت سرور، مدل تمامی کلاینت ها گردآوری و بعد از تحلیل آنها، با یکدیگر ادغام می شوند. انتظار می رود که خروجی این مطالعه (که بصورت پایلوت در عرصه تعمیر و نگه داری صنعت پتروشیمی انجام خواهد شد)، یک مدل هوش مصنوعی پیش بینانه باشد که با دقت بالای ۹۰ درصد و نرخ مثبت کاذب کمتر از ۵ درصد، خرابی تجهیزات را پیش بینی نماید. تأخیر پیش بینی باید نزدیک به بلادرنگ و کمتر از یک درصد میلی ثانیه باشد.
اعلام آمادگی برای مشارکت در اکتساب فناوری حاصل از این فراخوان تحقیقاتی و ارائه درخواست فقط برای شرکتها و شتابدهنده های دانش بنیان مجاز است. درخواستی که بیشترین تناسب را با الزامات این اکتساب فناوری داشته باشد، انتخاب و به عنوان «مشارکت کننده» برای مذاکرات تکمیلی به هسته پژوهشی متقاضی معرفی خواهد شد.
گروه های پژوهشی و فناور توانمند تا ۲۰ خرداد ۱۴۰۴ فرصت دارند پروپوزال و پیشنهادهای خودرا در قالب Word بوسیله سامانه غزال صندوق نوآوری و شکوفایی به آدرس ghazal.inif.ir ارسال و جهت ارتباط با کارگزاری خیام با شماره ۰۲۱۶۶۵۸۰۹۴۳ و ۰۹۰۰۹۲۰۹۸۱۰ تماس بگیرند.
منبع: mihost.ir
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب