کد مقاله : 1399-RIERCO

کارخانه لاستیک بارز

نگهداری و تعمیرات پیش‌ بینانه ((Predictive Maintenance با هدف کاهش توقفات ناگهانی، افزایش عمر تجهیزات و کاهش هزینه ‌های نگهداری، یکی از ارکان تحول در صنعت است. در صنعت لاستیک، تجهیزاتی مانند میکسرها، دستگاه ‌های اکستروژن، ماشین‌ های قالب‌گیری و دستگاه ‌های آتش ‌نشانی (vulcanization) حساسیت بالایی دارند و خرابی آنان می‌ تواند موجب توقف کلی خط تولید و تولید محصولات معیوب شود. هوش مصنوعی (AI) با توانایی تحلیل داده‌ های حسگری زمان ‌واقعی، یادگیری الگوها و پیش ‌بینی وضعیت آتی تجهیزات، امکان تشخیص زودهنگام اشکالات احتمالی پیش از وقوع خرابی قطعی را فراهم می‌کند. این مقاله با رویکردی ترکیبی از مروری و کاربردی به بررسی نقش هوش مصنوعی در پیاده‌ سازی PdM در صنعت لاستیک می ‌پردازد. در بخش تجربی، یک مطالعه موردی واقعی از کاربرد مدل یادگیری عمیق در پیش ‌بینی خرابی موتورهای خط تولید لاستیک ارائه شده که مراحل جمع ‌آوری داده، پیش ‌پردازش، انتخاب ویژگی، طراحی مدل، آموزش، اعتبارسنجی، استقرار و بازخورد را تشریح می‌کند. نتایج این مطالعه نشان داد که مدل مبتنی بر شبکهLSTM ترکیبی توانست با دقت بیش از ۹۵٪ خرابی قریب ‌الوقوع را پیش ‌بینی کند و منجر به کاهش ۲۰ تا ۳۰٪ در توقفات برنامه ‌ریزی نشده گردد. در پایان، چالش ‌ها، محدودیت ‌ها و پیشنهاد هایی برای موفقیت اجرای PdM مبتنی بر AI در صنعت لاستیک ارائه می ‌شود. این مقاله می‌تواند راهنمایی برای مدیران تولید و مهندسان نگهداری در کارخانه ‌های لاستیک ‌سازی باشد تا با بکارگیری فناوری نوین، بهره ‌وری و قابلیت اطمینان تجهیزات را ارتقاء دهند.

نگهداری پیش ‌بینانه؛ هوش مصنوعی؛ یادگیری عمیق؛ تجزیه و تحلیل داده ‌های حسگری؛ صنعت لاستیک؛ پیش ‌بینی خرابی؛ قابلیت اطمینان تجهیزات

فناوری‌های تولید