بخشی از مقاله
چکیده
مدیریت داراییهای فیزیکی امروزه با هدف افزایش بازدهی سرمایه و سودآوری و همچنین حفظ و پایداری سرمایهگذاری و کاهش پیامدهای محیط زیستی و اجتماعی آن، تبدیل به یک دانش با هویت مشخص شده است.
نگهداشت و تعمیر مبتنی بر قابلیت اطمینان - RCM - یکی از رویکردها و تکنیکهای کارامد برای تحلیل و تصمیمگیری در زمینه مدیریت دارایی های فیزیکی است. یکی از مهمترین دستاوردهای اجرای RCM شناسایی تجهیزات بحرانی در یک مجموعه تاسیسات و راهبری آنها برای انجام وظیفه تعریف شده ماشین بطور مطمئن است، از سوی دیگر پیشرفت های بشر در چند دهه اخیر در زمینه جمعآوری و ذخیره نتایج و دادهها باعث شده است که سازمانها حجم عظیمی از دادههای مرتبط با نگهداری و تعمیرات را در اختیار داشته باشند.
نکته مهم در این پایگاه داده، اطلاعات و دانشی است که از آن استخراج میشود که نیاز به استفاده از روشهای هوشمند و ساختارمند دارد. داده کاوی یک رشته علمی جدید در زمینه بازیابی اطلاعات از پایگاه دادهها میباشد. در این پژوهش بر آن شدیم که با استفاده از متدولوژی استاندارد دادهکاوی - CRISP-DM - و روش دسته بندی قوی درخت تصمیم C5.0 ، با تحلیل دادهها و کشف دانش ارزشمند نهفته در حجم بزرگی از دادههای موجود در پایگاه داده شرکت فرآورش در مجتمع پتروشیمی بندرامام، قادر به تفکیک ماشینآلات و دستگاههای مجتمعهای صنعتی گردیم و با روشی ساختارمند تجهیزات بحرانی از دید تکنیک RCM را از میان مجموعه بزرگی از تاسیسات مجزا کنیم.
مقدمه
مدیریت دارایی های فیزیکی امروزه با هدف افزایش بازدهی سرمایه و سودآوری و همچنین حفظ و پایداری سرمایه گذاری و کاهش پیامدهای محیط زیستی و اجتماعی آن تبدیل به یک دانش با هویت مشخص شده است و از مباحث مهم در مدیریت امروز صنایع جهان است.
نگهداشت و تعمیر مبتنی برقابلیت اطمینان - RCM - یکی از رویکرد ها و تکنیکی کارامد برای تحلیل و تصمیم گیری در زمینه مدیریت دارایی های فیزیکی است.مهم ترین دستاورد اجرای RCM شناسایی تجهیزات بحرانی در یک مجموعه تاسیسات و راهبری آنها برای انجام وظیفه تعریف شده ماشین بطور مطمئن است. همچنین دوام کارکرد تجهیز با تمرکز بر کارکرد ایمن و کاهش یا حذف آثار نامطلوب زیست محیطی آن از معیارهای مهم راهبری و تصمیم گیری در نحوه انجام تعمیر و یا کنترل خرابی است.
با توجه به اینکه صنایع نفت، گاز و پتروشیمی بخش عظیمی از صنعت کشور مارا تشکیل می دهد پیاده سازی فرآیند RCM در این صنعت از اهمیت فوق العاده ای برخوردار است. - زواشکیانی، آزادگان، - 1389 از سوی دیگر پیشرفت های بشر در چند دهه اخیر در زمینه جمعآوری و ذخیره نتایج و دادهها باعث شده است که سازمانها حجم عظیمی از دادههای مرتبط با نگهداری و تعمیرات را در اختیار داشته باشند. نکته مهم در این پایگاه داده، اطلاعات و دانشی است که از آن استخراج میشود که نیاز به استفاده از روشهای هوشمند و ساختارمند دارد. داده کاوی یک رشته علمی جدید در زمینه بازیابی اطلاعات از پایگاه دادهها میباشد.
در این پژوهش بر آن شدیم که با استفاده از متدولوژی استاندارد دادهکاوی - CRISP-DM - و روش دسته بندی قوی درخت تصمیم C5.0، با تحلیل دادهها و کشف دانش ارزشمند نهفته در حجم بزرگی از دادههای موجود در پایگاه داده شرکت فرآورش در مجتمع پتروشیمی بندرامام، قادر به تفکیک ماشینآلات و دستگاههای مجتمعهای صنعتی گردیم و با روشی ساختارمند تجهیزات بحرانی از دید تکنیک RCM را از میان مجموعه بزرگی از تاسیسات مجزا کنیم.
به عنوان علت انتخاب الگوریتم C5.0 می اوان به نکات قوت آن اشاره کرد.این مدل در مسائلی مثل داده های مفقود و تعداد فیلد های ورودی خیلی خوب عمل می کنند. C5.0 به علت بهره گیری از پردازش های موازی بالا نیازی به زمان طولانی برای تخمین ندارد بعلاوه، درک آن از بسیاری مدل ها ساده تر است. چرا که قوانین استخراج شده از مدل بسیار صریح هستند.C5.0 همچنین روش تقویت1 قدرتمندی برای افزایش دقت دسته بندی دارد.
جهت دستیابی به این اهداف بصورت اجمالی ساختاری برای مقاله ترتیب داده شده است که ابتدا به عنوان مبانی نظری پژوهش به طور مختصربه مفاهیم اساسی: داده کاوی و کشف دانش و همچنین دسته بندی و درخت تصمیم C5.0 به عنوان ابزار حل این پژوهش پرداخته شده است.
