محققان در راستای کاهش هزینه‌های تعمیر و نگهداری موتور‌های صنعتی و کاهش مخاطرات پرسنل، دستگاهی را مبتنی بر هوش مصنوعی طراحی کردند که الگوریتم‌های پیشرفته برای پایش وضعیت عیوب و خرابی سیستم‌های صنعتی ارائه می‌دهد.
به گزارش خبرگزاری علم و فناوری آنا، وحید صفری دهنوی با راهنمایی دکتر مسعود شفیعی از اعضا هیئت علمی دانشگاه صنعتی امیرکبیر طرحی با عنوان ساخت دستگاه جمع آوری تحلیل و پردازش داده صنعتی برای تشخیص عیب و پایش وضعیت موتور‌ها با قابلیت اتصال به اتوماسیون را اجرایی کرد.
شفیعی عضو هیاپئت علمی دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر موتور‌ها را از اجرای اصلی صنعت کشور‌ها دانست و گفت: در موتور‌ها به علل گوناگونی عیوب متفاوتی رخ می‌دهد و تشخیص زودهنگام عیوب و در گام بعد پیش بینی زمان خرابی این سیستم‌ها از اهمیت بالایی برخوردار است؛ چراکه منجر به کاهش هزینه و خطرات جانی پرسنل خواهد شد.
وی ادامه داد: با توجه به نیاز به راهکار‌های نوآورانه جهت بهبود عملکرد سیستم‌های صنعتی پیشرفته و کاهش هزینه‌ها در صنایع تولیدی، این پژوهش با تأکید بر استفاده از هوش مصنوعی و الگوریتم‌های پیشرفته اقدام به ارایه روش‌هایی جهت پایش وضعیت و تشخیص عیب در موتور‌ها کرده است.
شفیعی تاکید کرد: کاهش هزینه‌های تعمیر و نگهداری و همچنین هرینه ناشی از خرابی موتور‌ها و همچنین کاهش خطرات جانی پرنسل از دستاورد‌ها و نتایج این تحقیق به شمار می‌رود.
این استاد دانشگاه صنعتی امیرکبیر با بیان اینکه با توسعه این پژوهش، فناوری سلامت سنجی صنعتی بهبود خواهد یافت و علاوه بر کاهش هزینه، منجر به توسعه تکنولوژی صنعتی می‌شود، یادآور شد: تحقیقات انجام شده بهبود قابل توجهی در کارایی و عملکرد تجهیزات تولیدی ایجاد کرده و کاهش هزینه‌های تعمیراتی و خرابی‌های ناگهانی را فراهم آورده است که این امر بهبود شرایط اقتصادی و مالی صنایع تولیدی را ایجاد می‌کند.
صفری دهنوی محقق طرح در خصوص روش‌های اجرای این طرح تحقیقاتی اظهار کرد: فرایند اجرای این مطالعات شامل طراحی و پیاده سازی الگوریتم‌های هوش مصنوعی جهت تشخیص زودهنگام و بلادرنگ عیوب در تجهیزات تولیدی بوده است. این الگوریتم‌ها یک دستگاه و سامانه یکپارچه ادغام شده‌اند که قادر به ثبت و جمع آوری داده‌ها، پردازش آنها و پایش و تشخیص عیوب موتور‌ها است.
صفری یکی از مشکلات اصلی در اجرای طرح را نیاز به دستگاه‌های جمع آوری داده فرکانس بالا عنوان کرد و ادامه داد: از جمله پیچیدگی‌های دیگر طرح وزن گذاری مناسب و استفاده از الگوریتم‌های یادگیری جمعی برای دستیابی به دقت بالا در تشخیص عیوب بوده است.
به گفته وی نتایج این طرح تحقیقاتی قابل استفاده در صنایع مختلف از جمله صنایع فولاد، ذوب آهن، صنایع کوچک و متوسط و صنایع نفتی و گاز است.
صفری امکان ثبت و جمع آوری داده با فرکانس بالا، پردازش داده با استفاده از الگوریتم‌های هوش مصنوعی و تشخیص عیوب مکانیکی و الکتریکی را از ویژگی‌های و نتایج این طرح دانست و گفت این طرح دارای نمونه خارجی مانند دستگاه‌های All test pro هست و از جمله مزایای رقابتی این پژوهش میتوان به کاهش هزینه‌های تعمیراتی و افزایش دقت در تشخیص عیوب اشاره کرد.