پیش بینی زمان خرابی و مدت توقف تجهیزات با استفاده از تکنیک های داده کاوی در کوره های شرکت فولاد خوزستان

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: پیش بینی زمان خرابی و مدت توقف تجهیزات با استفاده از تکنیک های داده کاوی در کوره های شرکت فولاد خوزستان

ارائه دهنده: Provider: اکرم شعبانی نیا - مهندسی صنایع

اساتید راهنما: Supervisors: دکتر حمیدرضادزفولیان

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر نفیسه سلیمانی- دکتر وحید خداکرمی

زمان و تاریخ ارائه: Time and date of presentation: ساعت 11 - 1403/12/14

مکان ارائه: Place of presentation: دپارتمان صنایع کلاس 62

چکیده: Abstract: یکی از مهم‌ترین دارایی‌های هر سازمانی به خصوص در صنایع ، وجود داده¬های فراوان ثبت شده است. سازمان¬ها می¬توانند باتحلیل داده¬ها به اهداف بسیار ارزشمندی دست پیدا کنند. یکی از مهم‌ترین ابزارهای تحلیل این داده¬ها دانش داده‌کاوی است.هدف داده-کاوی به‌دست‌آوردن دانش مفید و استخراج الگوهای پنهان داده¬های موجود است. در صنعت فولاد می¬توان با پیش‌بینی به موقع خرابی‌ها، از وقوع خرابی‌های ناگهانی جلوگیری کرده و توقف‌های غیرضروری تولید را به حداقل رساند.دراین پژوهش داده¬های توقفات ثبت شده مربوط به سالهای 1397تا1401 شش کوره¬ی فولادسازی شرکت فولادخوزستان مورد بررسی قرار گرفت.ویژگی¬های مناسب انتخاب و بعد از شناخت داده¬ها، پیش¬پردازش داده¬ها انجام شد.جهت پیش¬پردازش داده¬ها، رکورد¬های پرت وناهماهنگ حذف و با تبدیل داده ویژگی¬های جدید ایجادگردید.درمرحله ¬ی بعد مشخصه¬های تاثیرگذار بر میزان توقفات انتخاب گردید.ویژگی هایی که به عنوان مهمترین عوامل شناسایی شدند برای مدل¬سازی انتخاب شدند. مرحله¬ی مدل¬سازی در دو بخش طبقه¬بندی و خوشه-بندی انجام شد.درمرحله¬ی طبقه¬بندی ازالگوریتم¬های SVM, D.T, KNN, ANN Adaboost,Bagging که از پرکاربردترین الگوریتم¬ها در زمینه¬ی پیش¬بینی هستند استفاده شد.برای ارزیابی مدل¬ها معیار های صحت، حساسیت و دقت استفاده گردید و بهترین تکنیک¬ها با ویژگی هدف مدت توقف KNN, SVM و Adaboostوجهت ویژگی فاصله توقف Adaboost,Ann,Svm تعیین گردید. دربخش خوشه¬بندی با استفاده ازمشخصه¬های منتخب از سه الگوریتم کی¬مینز، تواستپ و کوهنن داده¬ها به خوشه¬هایی باویژگی¬های مشابه تقسیم¬بندی شدند وتعداد مناسب خوشه در هر روش با توجه به شاخص سیلهوت تعیین گردید.با این تکنیک می¬توان تجهیزات را بر اساس شباهت¬ها خوشه¬بندی کرد.

فایل: ّFile: تنزيل فایل