ناشر منبع

null با حمایت صندوق نوآوری و شکوفایی و به سفارش یک تیم پژوهشی منتشر شد؛ 
07:30
انتشار فراخوان مشارکت در اکتساب فناوری طرح «دستیابی به دانش فنی توسعه پلتفرم یادگیری فدرال برای حوزه تعمیر و نگهداری پیش‌بینانه»

با حمایت صندوق نوآوری و شکوفایی و به سفارش یک تیم پژوهشی منتشر شد؛ 

صدوشصت‌وهفتمین فراخوان مشارکت در اکتساب فناوری طرحی با عنوان «دستیابی به دانش فنی توسعه پلتفرم یادگیری فدرال برای حوزه تعمیر و نگهداری پیش‌بینانه» با حمایت صندوق نواوری و شکوفایی و به پیشنهاد یک تیم پژوهشی از دانشگاه صنعتی شریف منتشر شد.

به گزارش روابط عمومی صندوق نوآوری و شکوفایی، تعمیر و نگهداری پیش‌بینانه (PdM)، روش جدیدی در صنعت و نگهداری است که با استفاده از تحلیل داده و به کارگیری مدل های هوش مصنوعی، به هوشمندسازی فرآیند تعمیر و نگهداری می پردازد. این رویکرد، نسبت به روش های سنتی بسیار بهینه تر عمل می‌کند؛ به طوری که با پیش‌بینی زمان خرابی قبل از وقوع آن، هم از تعمیر و نگهداری اضافی و هم از خرابی طولانی مدت دستگاه ها و تجهیزات پیشگیری می‌کند.  

 

رویکردهای تعمیر و نگهداری پیش‌بینانه فعلی، مبتنی بر مدل های هوش مصنوعی هستند. یادگیری فدرال ابزاری است که با غیرمتمرکزسازی فرآیند یادگیری، دسترسی به طیف وسیعی از داده های حساس را امکان‌پذیر می‌سازد که عملکرد مدل هوش مصنوعی را به طور چشمگیری بهبود می‌بخشد. ذات توزیع شده یادگیری فدرال فرآیند یادگیری را تسریع می بخشد و از به خطر افتادن داده ها جلوگیری می‌کند. 

 

هدف این پژوهش توسعه یک پلتفرم یادگیری فدرال برای تعمیر و نگهداری پیش‌بینانه در صنایع بزرگ مثل پتروشیمی، معادن یا غیره 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 می‌شوند و پس از پردازش های لازم و تحلیل آنها، یک مدل هوش مصنوعی پیش‌بینانه آموزش داده می‌شود.

 

در سمت سرور، مدل تمامی کلاینت‌ها گردآوری و پس از تحلیل آنها با یکدیگر ادغام می شوند. انتظار می رود که خروجی این پژوهش (که به صورت پایلوت در حوزه تعمیر و نگهداری صنعت پتروشیمی انجام خواهد شد)، یک مدل هوش مصنوعی پیش‌بینانه باشد که با دقت بالای 90 درصد و نرخ مثبت کاذب کمتر از 5 درصد، خرابی تجهیزات را پیش‌بینی کند. تاخیر پیش بینی باید نزدیک به بلادرنگ و کمتر از 1% میلی ثانیه باشد. 

 

اعلام آمادگی برای مشارکت در اکتساب فناوری حاصل از این فراخوان پژوهشی و ارائه درخواست تنها برای شرکت‌ها و شتابدهنده‌های دانش‌بنیان مجاز است. درخواستی که بیشترین تناسب را با الزامات این اکتساب فناوری داشته باشد، انتخاب و به عنوان «مشارکت‌کننده» برای مذاکرات تکمیلی به هسته پژوهشی متقاضی معرفی خواهد شد.

 
گروه‌های پژوهشی و فناور توانمند تا روز یکشنبه 20 آبان ۱۴۰۳ 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 یا جهت ارتباط با کارگزاری خیام با شماره 02166580943 و 09009209810 تماس حاصل کنند.
 

 

ارسال ایمیل