سیاست گذاری نگهداری و تعمیرات پیشگویانه در مراکز فرآوری نفت و گاز" اصلاح گردید .

نوع مقاله : مستخرج از رساله

نویسندگان

1 دانش آموخته دکتری مدیریت صنعتی- گرایش استراتژی صنعتی، دانشکده مدیریت دانشگاه ازاد تهران مرکز،تهران، ایران

2 استادیار مهندسی صنایع، دانشگاه شهید بهشتی، تهران، ایران

3 استادیار گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

یک سیاست مناسب در نگهداری و تعمیرات می گوید تعمیر زمانی باید انجام شود که نیاز باشد. اگر چه انجام تعمیرات پیشگیرانه می تواند تعمیرات ناگهانی و غیرمترقبه را کاهش دهد اما همچنان باعث کاهش در دستـرس بودن و افزایش هزینه های تعمیرات می گردد. شرکت ها می بایست استراتژی های نگهداری آنلاین و پیشگویانه را گسترش دهند که بتوانند تصور کنند که هر خرابی در هر زمانی ممکن است بطور تصادفی رخ دهد و این نیاز را از علائم و نشانه هایی که تجهیزات از خود بروز می دهند تشخیص دهند که به آن نگهداری و تعمیرات پیشگویانه یا نگهداری مبتنی بر شرایط می گویند. در این مقاله سعی شده است یک مدل پشتیبان تصمیم گیر برای نگهداری و تعمیرات پیشگویانه مبتنی بر شرایط بر اساس تکنیکهای داده کاوی طراحی شود. این پروژه در یکی از شرکتهای بهره برداری نفت و گاز جنوب کشور انجام شده و تجهیز انتخابی برای این پروژه توربین های گازی می باشد که یکی از اساس ترین و بحرانی ترین تجهیزات در کارخانه های فرآوری نفتی است.
در این پروژه تکنیک داده کاوی شبکه عصبی MPL برای پیش بینی رخداد خرابی در تجهیز مورد نظر به کار گرفته شده است. در انتها پیشنهادهایی از جمله توسعه این مدل برای سایر تجهیزات، کنترل مدت زمان مشاهده صورت وضعیت تجهیزات و تعیین زمان بهینه تعمیر و نگهداری برای آینده ارائه شده است.

کلیدواژه‌ها


عنوان مقاله [English]

"Predictive maintenance and repair policies in oil and gas processing centers"

نویسندگان [English]

  • saman sorbi 1
  • sajad shokouhyar 2
  • jalal haghighat monfared 3
1 PhD student in Industrial Management - Industrial Strategy, Islamic Azad University Central Tehran Branch, Tehran, Iran
2 Assistant Professor of Industrial Engineering, Shahid Beheshti University, Tehran, Iran
3 Assistant Professor, Department of Industrial Management, Islamic Azad University Central Tehran Branch, Tehran, Iran
چکیده [English]

An appropriate maintenance policy says that repairs should be done when needed. Although preventive repairs can reduce sudden and unexpected repairs, they still reduce availability and increase repair costs. Companies need to develop online and predictive maintenance strategies that can anticipate that any failure could occur at any time, and recognize this need from the signs and symptoms of equipment. This is called predictive maintenance or condition-based maintenance.in this paper we have tried to design a decision support model for predictive maintenance based on conditions based on data mining techniques. This project has been carried out in one of the oil and gas exploitation companies in the south of the country and the selected equipment for this project is gas turbines, which is one of the most basic and critical equipments in oil processing factories.
In this project, MPL neural network data mining technique has been used to predict the occurrence of failure in the equipment. Finally, suggestions such as the development of this model for other equipment, controlling the duration of viewing the equipment status and determining the optimal maintenance time for the future are presented.

کلیدواژه‌ها [English]

  • Maintenance & Repairs
  • Conditional Predictive Repairs
  • MPL Neural Network Technique
  • prediction