فرآیند تعمیر و نگهداری در صنایع ایرانی به کمک هوش‌ مصنوعی، هوشمند خواهد شد

تعمیر و نگهداری پیش‌بینانه (PdM) یک روش نوین در صنعت به شمار می‌آید که با تحلیل داده‌ها و استفاده از مدل‌های هوش مصنوعی، فرآیند نگهداری را هوشمندتر می‌کند. این رویکرد در مقایسه با روش‌های سنتی، بهینه‌تر عمل می‌کند و با پیش‌بینی زمان خرابی، از انجام تعمیرات غیر ضروری و توقف‌های طولانی مدت تجهیزات جلوگیری می‌نماید. مدل‌های هوش مصنوعی اساس و بنیان PdM هستند. همچنین، یادگیری فدرال از طریق غیرمتمرکز کردن فرآیند آموزش، استفاده از داده‌های حساس و گوناگون را ممکن می‌سازد و با تسریع در یادگیری، به بهبود عملکرد مدل کمک کرده و از خطر افتادن داده‌ها جلوگیری می‌کند.

هدف این پژوهش، راه‌اندازی یک پلتفرم یادگیری فدرال برای تعمیر و نگهداری پیش‌بینانه در صنایع بزرگ نظیر پتروشیمی و معادن است تا با استفاده از آن به پایش سلامت و کارایی تجهیزات پرداخته شود.

این پلتفرم به صورت یک نرم‌افزار با معماری کلاینت-سرور طراحی شده است. در سمت کلاینت، داده‌های مربوط به تجهیزات از طریق حسگر‌های محیطی و سوابق تاریخی جمع‌آوری می‌شوند و پس از پردازش و تحلیل، یک مدل هوش مصنوعی پیش‌بینانه آموزش داده می‌شود. در سمت سرور، تمامی مدل‌های کلاینت‌ها جمع‌آوری و پس از تحلیل، به یکدیگر ادغام می‌شوند. انتظار می‌رود که خروجی این پژوهش (که به صورت آزمایشی در حوزه تعمیر و نگهداری صنعت پتروشیمی انجام خواهد شد) یک مدل هوش مصنوعی پیش‌بینانه با دقت بالای ۹۰ درصد و نرخ مثبت کاذب کمتر از ۵ درصد باشد که قادر به پیش‌بینی خرابی تجهیزات باشد. همچنین، تأخیر در پیش‌بینی باید نزدیک به بلادرنگ و کمتر از یک درصد میلی‌ثانیه باشد.

مشارکت در این فراخوان تحقیقاتی و ارائه درخواست‌ها تنها برای شرکت‌ها و شتابدهنده‌های دانش‌بنیان مجاز است. درخواست‌هایی که بهترین انطباق را با الزامات اکتساب فناوری داشته باشند، انتخاب شده و به عنوان «مشارکت‌کننده» برای مذاکرات تکمیلی به هسته پژوهشی معرفی خواهند شد.

گروه‌های پژوهشی و فناور با قابلیت تا ۲۰ خرداد ۱۴۰۴ فرصت دارند تا پروپوزال‌ها و پیشنهاد‌های خود را در قالب فایل Word از طریق سامانه غزال صندوق نوآوری و شکوفایی به آدرس ghazal.inif.ir ارسال کنند.