بخشی از مقاله
ارائه يک راهکار جهت استفاده از تکنيک هاي داده کاوي در فرآيند نگهداري و تعميرات
چکيده
در سال هاي اخير ما شاهد تغييرات فراوان و عميقي در فرآيند توليدات صنعتي بوده ايم . نياز به افزايش راندمان، انعطاف پذيري بيشتر، کيفيت بهتر و هزينه هاي کمتر باعث اين تغييرات و در نتيجه موجب پيچيدتر شدن ساختارهاي صنعتي شده است . اين پيچيدگي ها باعث افزايش فشار روي سيستم هاي توليدي، و به دنبال آن در سيستم هاي نگهداري تعميرات تجهيزات کارخانه ها شده است .
سيستم هاي توليدي همواره از هزينه هاي نگهداري بالايي برخوردار هستند، اين هزينه ها ،ناشي از زمان صرف شده جهت تعمير تجهيزات مورد نظر است . با طبقه بندي تجهيزات از نقطه نظر زمان مصرف شده جهت انجام فرآيند تعميرات روي آنها ، مي توان افزايش هزينه هارا تشخيص داد و دريافت که هزينه ها با زماني که هيچ گونه توليدي نداريم يا توليد نامرغوب داريم و همچنين هزينه ي صرف شده در عمليات تعمير، مطابقت دارد. معمولا" درکارخانجات صنعتي ، از اطلاعات جمع آوري شده در فرآيند تعمير و نگهداري تجهيزات بخوبي استفاده نمي کنند. همواره اطلاعات جمع آوري شده پيرامون يک موضوع مشخص مي تواند حاوي دانشي مفيد در رابطه با آن حوزه باشد. اين دانش ، دقيق تر و جامع تر است اگر سابقه اطلاعاتي جمع آوري شده پيرامون آن موضوع، قديمي تر، گسترده تر و حجيم تر باشد. داده کاوي روشي است که به کمک آن مي توان دانش نهفته در اطلاعات را استخراج کرد. در اين مقاله قصد داريم يک معماري جهت طراحي و پياده سازي يک سيستم نگهداري تعميرات پيشگويانه مبتني بر روش هاي داده کاوي ارائه نمائيم . اين سيستم که بصورت نامتمرکز عمل مي کند قادر است ، با طبقه بندي تجهيزات بر اساس سابقه تعميراتي آنها، بهترين زمان براي تعمير تجهيزات را پيشنهاد نمايد. براي ارزيابي عملکرد معماري ارائه شده، از داده هاي جمع آوري شده از محيطهاي واقعي استفاده شده است ، نتيجه طبقه بندي صورت گرفته نشان از دقت مناسب معماري مورد نظر در فرآيند طبقه بندي دارد.
کلمات کليدي : مديريت ، نگهداري تعميرات، معماري نرم افزار، داده کاوي
١- مقدمه
در عصر حاضر و در حالي که کارخانجات صنعتي بزرگ به دنبال ايجاد تغييرات در درون خود هستند تا بتوانند در رقابت با ساير رقباي خود در تحولات جهاني شدن موفق گردند اين بحث نگهداري تعميرات است که بطور جدي و مؤثر مسير استراتژي توليد را در کارخانه هاي صنعتي مشخص مي نمائيد. امروزه ، کارخانه هاي صنعتي به شدت درگير مباحثي همچون کاهش هزينه ها، توان رقابت بالا، بهبود مستمر، بحران انرژي و افزايش کيفيت و کميت محصولات هستند که در اين راستا انديشيدن پيرامون نگهداري تعميرات به عنوان يک امر استراتژيک جهت رسيدن به اهداف فوق بسيار مهم و انکار ناپذير جلوه ميکند.
همواره رقابت ، عامل فشار برکارخانجات توليدي بوده است . به منظور کنترل و مديرت اين فشار، کارنجات توليدي مي بايست ضمن کاهش هزينه ها، کيفيت و راندمان محصولات خود را افزايش داده و انعطاف پذير نيز باشند [ ١٤،٢].
کارخانجات صنعتي براي موفق شدن در اين رقابت بايد از عهده ي بر آورده کردن نياز بازار برآيند بر اين اساس در روال توليدي خود بايد موارد جديدي مانندJIT (فقط در زمان) و MTO (ساخته شده براي سفارش )، بالا بردن کارايي ، توليدات سريع يا توليدات آموزشي را لحاظ کنند.
اين وضعيت به آنها اجازه مي دهد که در بازارها با يک تنوع گسترده و طيف وسيعي از توليدات، رقابت کنند و جنبه هاي رقابتي بيشتري پيدا کنند.
با توسعه فن آوري اطلاعات ميزان و سرعت دسترسي به اطلاعات بطور فوق العاده اي افزايش يافته است . از طرفي پيشرفت تکنولوژي نيز منجر به افزايش دستيابي مؤسسات و سازمانها به منابع وسيع اطلاعاتي شده و امکان تحقيق و بررسي موضوعات مختلف را براي سازمان ها فرآهم نموده است [ ١٠]
ناقص بودن داده ها و يا عدم وجود دانش کافي در تحليل ، استفاده راهبردي از اطلاعات را در بسياري موارد نا ممکن و به يکي از چالشهاي مديريتي تبديل کرده است .[١٩] با توجه به مطالب مطرح شده نکته قابل توجه در سناريو جديد پيرامون مديريت نگهداري تعميرات آماده و در دسترس نگهداشتن تجهيزات در زمان نياز است .
يک کارخانه بسيار بزرگ با چندين هزار دستگاه متنوع از پيچيدگي بالايي در فعاليت نگهداري تعميرات (نت ) برخوردار است .
تصميم گيري پيرامون استراتژي نت نيازمند دانشي است که مطبق بر واقعيت سازمان باشد. از طرف ديگر کسب دانش مفيد نيازمند استفاده و تحليل صحيح از داده ها مي باشد. لذا استفاده از داده ها و اطلاعات و چگونگي کار با آنها در طول مراحل پياده سازي استراتژي نگهداري و تعميرات از جايگاه ويژه اي برخوردار است .[ ١٢و١١].
ما قصد داريم در اين مقاله با ارائه يک معماري سازماني به کمک داده هاي جمع آوري شده يکپارچه در يک کارخانه صنعتي بزرگ، يک استراتژي نگهداري تعميرات غير متمرکز پيشگويانه مبتني بر داده کاوي ، جهت افزايش قابليت اطمينان تجهيزات ارائه نمائيم .
٢- نگهداي و تعمير (نت )
برنامه ريزي نگهداري و تعميرات با کنترل تجهيزات و ماشين آلات توليدي از نظر برنامه زمانبندي تعميراتي و تعويض قطعات و با استفاده از تجزيه و تحليل داده هاي مربوط به نگهداري تعميرات ، سعي دارد، هز ينه هاي تعميراتي را کاهش دهد و در سطح بهينه نگه دارد. با گسترش اتوماسيون صنايع و افزايش تعداد ماشين آلات و تجهيزات فيزيکي کارخانه ها، حجم سرمايه گذاري در ماشين آلات و داراي يهاي فيزيکي سازما نها رشد روز افزوني داشته است و متعاقب آن هزينه هاي نگهدار ي و تعميرات آنها نيز حجم زيادي از هزينه هاي سازمان ها را شامل شده است . افزايش هزينه هاي نگهداري تعميرات نيز موجب توجه بيشتر مديريت بر اين موضوع شده و سازمان ها را واداشته است که به دنبال کسب سود و کاهش هزينه در بخش هاي نگهداري و تعميرات خود باشند همچنين نگهداري و تعميرات نقش مهمي در حفظ قابليت اطمينان، در دسترس بودن، کيفيت توليدات، کاهش ريسک، افزايش بازدهي و امنيت تجهيزات بر عهده دارد.
فرآيند نگهداري تعمير معمولا" توسط مجموعه اي از عمليات تعمير و نگهداري و فرآيند مهندسي در طبقه اي از ماشين ها و تجهيزات، انتخاب و شکل ي م يگرد[١٢, ١٣،٤] .
سه نوع عمومي از نگهداري و تعميرات جود دارد که عبارتند از : نگهداري و تعميرات اصلاحي ، در اين روش افراد تا قبل از وقوع خرابي هيچ کاري انجام نمي دهند و پس از بروز توقف جهت تعمير دستگاه اقدام مي شود . مشکل عمده اين روش اين است که فرايند توليد در کارخانه کاملا تصادفي است و قابل پيش بيني نيست . اين روش همچنين سبب افزايش سطح تعمير و نگهداري شده که منجر به آسيب هاي فاجعه آميزي درکل سيستم مي شود [١٦].
نگهداري و تعميرات پيشگيرانه ، اين رويکرد بر مبناي ويژگي قابليت اطمينان طرح ريزي شده است . در اين روش، نگهداري از تجهيزات در دوره هاي زماني خاصي بر اساس يک برنامه زمانبندي منظم صورت مي گير د .در اين سياست سعي مي شود تا با يک سري از بررسي ها و جايگزيني ها و بازرسي هاي مجدد براي اجزائي که نرخ خرابي بالايي دارند، تعداد خرابي هاي ناگهاني را کاهش دهند .
نگهداري پيشگيرانه در بسياري از صنايع مورد استفاده قرار مي گيرد .ولي اجرا کردن موثر آن نيازمند يک سيستم پشتيباني تصميم مي باشد. تعمير و نگهداري حفاظتي ، که براي عمليات تعمير و نگهداري دوره اي به منظور جلوگيري از آسيب به تجهيزات يا طبقه بندي ماشين ها براساس کاربرد آن در دستورالعمل هاي توليدي تعيين شده است [٦].
نگهداري تعميرات پيشگويانه ، در اين روش عمر قسمتهاي مهم بر اساس تعميرات پيشگيرانه و بازرسي ها
محاسبه شده و بر اساس آن بصورت منظم تعميرات انجام مي شود :
تعميرات پيشگويانه يک روش تعمير مبتني بر شرايط ( Condition Based Maintenance) است . در اين روش ميزان پارامترهاي دستگاه در شرايط طبيعي محاسبه مي گردد . مقادير بدست آمده به عنوان مبنا درنظر گرفته مي شود و در زمان استفاده از دستگاه مورد نظر مجددا مقدار پارامترهاي مورد نظر محاسبه مي شوند و با مقايسه با ميزان مبنا خرابي و علت آنمرا محاسبه مي نمايند.
٣- داده کاوي (Data Mining)
داده کاوي عبارت است از فرآيند (نيمه )خودکار استخراج دانش (در قالب الگوهاي پنهان) از مجموعه اطلاعات ورودي .
معمولا آگاهي اندکي در مورد دانش هدف وجود دارد و ورودي عمدتا بسيار حجيم و پردازش دستي آن ناممکن است . نتايج حاصل از داده کاوي، با روشهاي سنتي پردازش اطلاعات (گزارش گيري) قابل دستيابي نيست وخودکار يا نيمه خودکار بودن داده کاوي به معناي حداقل نياز به دخالت کاربر است و انواع اطلاعات (و نه صرفا اطلاعات عددي ) در داده کاوي قابل پردازش مي باشند.
امروزه پايگاه داده ها با همه نواحي کاري پيوند خورده اند، بنحوي که اين امر باعث بوجود آمدن انبوهي از داده ها شده است . اگرچه وجود مقادير زيادي از داده ها به تنهايي نمي تواند بر فراگيري اطلاعات دلالت داشته باشد، با اين وجود اولين گام در بدست آوردن اطلاعات، دانش و آگاهي است .[١٥].
داده کاوي را مي توان يک شاخه از يادگيري ماشين دانست . به دليل عدم وجود يک چارچوب تئوريک براي داده کاوي، در نظر گرفتن آن به عنوان زير مجموعه اي از يادگيري ماشين مي تواند مورد بحث قرار گيرد. تلاشهاي اندکي براي توسعه يک چارچوب تئوريک براي داده کاوي انجام گرفته است که اين ميزان تلاش کافي نبوده و به نتيجه قابل قبولي نرسيده است .
تفسير داده کاوي به عنوان زير مجموعه اي از آمار، چندان قانع کننده نيست : مسائل با فضاي حالت داراي ابعاد زياد مهمترين وجه اين تمايزند و همچنين تفسير داده کاوي به عنوان فرآيندي جهت تخمين تابع توزيع احتمال توأم نمونه ها درست نيست چرا که تکراري بودن داده کاوي چنين طبقه بندي را رد مي کند. [٣]
به طور کلي داده کاوي، پردازش تحليل داده ها از جنبه هاي مختلف ، دسته بندي آن ها و خلاصه کردن پيوندها با توجه به بازگشت اطلاعات مفيد و قابل استفاده تعريف مي شود.[ ٨]
مراحل يک فرايند داده کاوي در شکل (١) نمايش داده شده است . هريک از مراحل ، با مشکلات خاص خود مواجه است . پيش پردازش و انتخاب اطلاعات، معمولا حجم عمده کار را به خود اختصاص مي دهندو بازنمائي دانش ، به خصوص در مورد داده کاوي، در موارد متعددي هيچ راه حل قابل قبولي ندارد.
شکل ١ : مراحل
انواع مختلفي از الگوريتم هاي دادهکاوي وجود دارند. مدلهاي مشهور، از قوانين و درخت هاي تصميم ، رگرسيون و کلاسه بندي غيرخطي ، متدهاي مبتني بر مثال (شامل متدهاي نزديکترين همسايه و استنتاج بر اساس مورد(Case-base reasoning))، مدلهاي آماري (نظير شبکه هاي بيز، تابع توزيع احتمال نرمال، تابع توزيع احتمال χ2 و...) و مدلهاي يادگيري رابطه اي (نظير برنامه نويسي منطقي استنتاجي )، استفاده مي کنند. لازم به ذکر است که هر تکنيک براي انواع مختلفي از مسايل بهتر از ساير تکنيک ها عمل مي کند. براي مثال کلاسه بنديهاي درخت تقسيم براي پيدا کردن ساختار در فضاهاي با ابعاد بالا و همچنين در مسايل با داده هايي که مي توانند پيوسته يا طبقه بندي شده باشند، مفيد خواهد بود (زيرا متدهاي بر پايه ي درخت نياز به فواصل متريک ندارند)، در حالي که اين درخت ها براي مسائلي که نياز به مرزبندي دقيق بين کلاس ها دارند، مفيد نمي باشد. بنابراين هيچ متد داده کاوي واحدي نمي تواند وجود داشته باشد و انتخاب يک الگوريتم مشخص براي کاربردهاي ويژه نياز به مهارتهاي خاصي دارد.
٤- معماري پيشنهادي
پيرامون استفاده از شيوه هاي داده کاوي در بهبود فعاليت هاي توليدي در کارخانه هاي صنعتي مقالات فراواني ارائه شده است [٧] .
اين شيوه ها آنقدر عموميت ندارند. براي اين منظور ما از شيوه هايي براي بهبود ظرفيت توليد ، از رفتارهاي پيش بي ي ن شده براساس داده هاي قديمي استفاده مي کنيم . ما در اين مقاله قصد داريم تا با استفاده از اطلاعات جمع آوري شده پيرامون فرآيند تعميرات و سابقه تعميراتي تجهيزات، يک برنامه زمانبدي براي تعميرات پيشگويانه براي تجهيزات موجود در کارخانه ارائه نمائيم . در همين راستا قصد داريم پيشنهادهايي براي بکارگيري تکنيک هاي داده کاوي که شامل درختهاي تصميم گيري و شبکه هاي عصبي براي پيش بي ي ن اجزاي آسيب ديده بر اساس اطلاعات جمع آوري شده بکمک حسگرها موجود در سطح کارخانه ، ارائه نمائيم . در موارد ديگر از بکار گيري شبکه هاي عصبي براي پيش بيني اثرات نگهداري و تعميرات استفاده شده است .
تکامل تدريجي که باعث افزايش شمار داده هاي جاري از همه پردازش هاي سازمان دهي شده مانند توليد، پردازش طرح ريزي مواد، کنترل، اسمبلي ، زمان بندي، تعمير و نگهداري، بازسازي و غيره شده است [٧] و شامل تعمير و نگهداري غيرفعال و حفاظتي و پيش بي ي ن شده، باعث شده است کارخانجات تعداد زيادي از اطلاعات را در يک پروفايل ذخيره کرده و براي ساختن سيستم ذخيره سازي در آينده مورد استفاده قرار دهند.
معمولا" کارخانجات، اطلاعات حاصل از تعمير و نگهداري خودشان را بروز نمي دهند. اين امر به اين جهت است که يک معماري سازمان دهي شده که مجموعه اي از داده هاي توليد شده در کارخانه را که ناشي از عملکرد تعمير و نگهداري آنهاست را جمع آوري نمي کند.
پيشنهاد اين است که يک سيستم تعمير و نگهداري پيشگويانه نامتمرکز بر اساس تفکر داده کاوي مشابه با آنچه که عملکرد کارخانجات مجازي را حمايت مي کند توسعه داد.
سيستم پيشنهادي بر پايه سه بخش پردازشي اصلي طراحي شده است که عبارتند از مديريت داده ها ، ارتباطات وشناسايي سيستم پيش بي ي ن ، اطلاعات ترکيبي و توليد رويداد نت . به شکل ١ توجه نمائيد. بخش مديريت داده ها عهده دار جمع آوري اطلاعات جاري و ارسال آنها به لايه بعدي است . اين بخش وظايف مختلي دارد که از جمله اين وظايف مي توان به :
١- تحليل و طبقه بندي اطلاعات، تحليل و تبديل اطلاعات درخواستي و شکل دهي به عنوان خروجي يک مجموعه طبقه بندي شده.
٢- مديريت و انتخاب اطلاعات، پردازش اطلاعات جمع آوري شده توسط واسطه ها تشکيل مي شود که مسئول وفق دادن و تبديل کردن اطلاعات هستند. حتي وقتي که اطلاعات در محدوده ي کارخانه از طريق اپراتور تعمير و نگهداري جمع آوري شده باشد ، اين اطلاعات بايد توسط واسطه هاي نرم افزار براي وفق دادن و تبديل کردن ساختار اطلاعات به يک مبناي معنايي تفسير شوند. واسطه هاي لايه محلي که بايد اطلاعات را در يک ساختار داده عمومي به لايه بالاتر-لايه پيش ب ي ني - ارتقاء دهد را ترکيب مي کنند. در اين راستا XMLيک روش مناسب مي باشد زيرا زباني است که مي تواند معناها را تفسير کرده و داده ها را به خوبي ترکيب کند.
براي جمع آوري همه اطلاعات دريک فرمت عمومي از يک پايگاه داده استفاده شود. اطلاعات حاصل از لايه مديريت داده ها (واسطه ) پس از وفق داده شدن و ذخيره شدن در يک پايگاه داده براي داده کاوي در اختيار لايه پش ي نيب ي گذاشته مي شود.
بخش يا لايه پيش بيني دانش ، بخش اصلي سيستم پيشنهادي را تشکيل مي دهد. طرح اصلي اين بخش براي توليد آگاهي و استنباط رفتار تجهيزات است . اين لايه نيز وظايف مختلفي به عهده دارد.
١- داده کاوي، ورودي اين بخش اطلاعات جمع آوري شده توسط لايه مديريت داده ها است و پس از اعمال روش هاي داده کاوي بر روي داده ها ، خروجي آن يک فعاليت سازماندهي شده جهت تفسير داده ها و قوانين مربوط به آنها است .
٢- استخراج الگو، اين بخش وظيفه دارد تا با بررسي اطلاعات نت ، تجهيزات روابط پنهان، پيرامون اطلاعات تجهيزات مورد نظر را کشف و رفتار کلي تجهزات را در قالب الگوهايي نمايش دهد. يکي از کاربردهاب اصلي اين بخش تعيين زمان دقيق تعمير تجهيزات است . در فرآيند نت تعمير بموقع تاثير بسزائي در کارائي تجهيزات، هزينه نت ، کيفيت و کميت توليد و ايمني استفاده کننده گان دارد. با استفاده از روش هاي داده کاوي مي توان ميزان انحراف از پارامترهاي مبنا را به ازاء هر تجهيز محاسبه کرد و يک راهکار نت پيشگويانه مناسب ارائه کرد.
