پیش بینی خرابی تجهیزات صنایع بزرگ با پلتفرم بومی هوش مصنوعی

طرح «توسعه دانش فنی پلتفرم یادگیری فدرال در حوزه تعمیر و نگهداری پیش بینانه» با تمرکز بر هوش مصنوعی برای پیش بینی و بهینه سازی عملکرد تجهیزات، توسط حمایت صندوق نوآوری و شکوفایی کلید خورد.

به گزارش خبرگزاری مهر به نقل از مرکز ارتباطات و اطلاع رسانی معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، تعمیر و نگهداری پیش بینانه (PdM) روشی نوین در صنعت است که با تحلیل داده و مدل های هوش مصنوعی، فرآیند نگهداری را هوشمند می کند. این رویکرد نسبت به روش های سنتی بهینه تر عمل کرده و با پیش بینی زمان خرابی، از تعمیرات اضافی و توقف طولانی تجهیزات جلوگیری می کند. مدل های هوش مصنوعی پایه اصلی PdM هستند. یادگیری فدرال نیز با غیرمتمرکزسازی فرآیند آموزش، امکان بهره گیری از داده های حساس و متنوع را فراهم کرده و ضمن تسریع یادگیری، عملکرد مدل را بهبود می بخشد و از به خطر افتادن داده ها جلوگیری می کند.

هدف این پژوهش، توسعه یک پلتفرم یادگیری فدرال برای تعمیر و نگه داری پیش بینانه در صنایع بزرگ مثل پتروشیمی، معادن یا ... است تا به کمک آن بتوان به پایش سلامت و عملکرد تجهیزات مورد استفاده پرداخت.

این پلتفرم در قالب یک نرم افزار با معماری کلاینت-سرور است که در سمت کلاینت، داده های مربوط به تجهیزات از طریق حسگرهای محیطی و سوابق تاریخی گردآوری می شوند و پس از پردازش های لازم و تحلیل آن ها، یک مدل هوش مصنوعی پیش بینانه آموزش داده می شود. در سمت سرور، مدل تمامی کلاینت ها گردآوری و پس از تحلیل آن ها، با یکدیگر ادغام می شوند. انتظار می رود که خروجی این پژوهش (که به صورت پایلوت در حوزه تعمیر و نگه داری صنعت پتروشیمی انجام خواهد شد)، یک مدل هوش مصنوعی پیش بینانه باشد که با دقت بالای 90 درصد و نرخ مثبت کاذب کمتر از 5 درصد، خرابی تجهیزات را پیش بینی کند. تأخیر پیش بینی باید نزدیک به بلادرنگ و کمتر از یک درصد میلی ثانیه باشد.

اعلام آمادگی برای مشارکت در اکتساب فناوری حاصل از این فراخوان تحقیقاتی و ارائه درخواست تنها برای شرکت ها و شتابدهنده های دانش بنیان مجاز است. درخواستی که بیشترین تناسب را با الزامات این اکتساب فناوری داشته باشد، انتخاب و به عنوان «مشارکت کننده» برای مذاکرات تکمیلی به هسته پژوهشی متقاضی معرفی خواهد شد.

گروه های پژوهشی و فناور توانمند تا 20 خرداد 1404 فرصت دارند پروپوزال و پیشنهادهای خود را در قالب Word از طریق سامانه غزال صندوق نوآوری و شکوفایی به نشانی ghazal.inif.ir ارسال و جهت ارتباط با کارگزاری خیام با شماره 02166580943 و 09009209810 تماس بگیرند.

نظرات

captcha