پیام رسان بله
جستجو
شناسایی فن آوریهای نوین و اولویت‌بندی آنها برای استفاده در مدیریت نگهداشت تجهیزات دریایی و بندری؛ مطالعه موردی بندر چابهار
ناصر حسابی مقدم1
چکیده :
تجهیزات دریایی و بندری از مهم‌ترین دارایی‌های عملیاتی بنادر محسوب می‌شوند و قابلیت اطمینان و آماده‌به‌کاری آنها تأثیر مستقیمی بر تداوم عملیات، بهره‌وری، ایمنی و هزینه‌های عملیاتی دارد. افزایش پیچیدگی تجهیزات، تعدد خرابی‌ها، محدودیت منابع تعمیراتی و ضرورت کاهش توقف‌های ناخواسته، موجب شده است که رویکردهای سنتی نگهداشت به سمت نگهداشت هوشمند و داده‌محور حرکت کنند. در این شرایط، فن آوری‌‌هایی نظیر اینترنت اشیا، هوش مصنوعی، سیستم‌های مدیریت نگهداشت کامپیوتری، تحلیل کلان‌داده، واقعیت افزوده و واقعیت مجازی، دوقلوی دیجیتال و رایانش ابری می‌توانند نقش مهمی در تحول مدیریت نگهداشت تجهیزات ایفا کنند.
هدف پژوهش حاضر، شناسایی فن آوریهای نوین قابل استفاده در مدیریت نگهداشت تجهیزات دریایی و بندری و تعیین اولویت آنها با توجه به شرایط عملیاتی بندر چابهار است. پژوهش از نظر هدف، کاربردی و از نظر روش، توصیفی ـ پیمایشی و مبتنی بر تصمیم‌گیری چندمعیاره است. ابتدا با استفاده از مطالعات کتابخانه‌ای و بررسی پژوهش‌های جدید، فن آوری های مؤثر در حوزه نگهداشت هوشمند شناسایی شدند. سپس معیارهای مؤثر بر انتخاب فن آوری شامل تأثیر بر قابلیت اطمینان تجهیزات، کاهش خرابی‌های اضطراری، افزایش آماده‌به‌کاری، کاهش هزینه‌های نگهداشت، قابلیت یکپارچه‌سازی با سیستم‌های موجود، سهولت پیاده‌سازی، نیازمندی‌های زیرساختی و امنیت اطلاعات تعیین گردید.
در ادامه، با استفاده از نظر خبرگان حوزه نگهداشت تجهیزات بندری و دریایی، فن آوری های شناسایی‌شده ارزیابی و با استفاده از یک روش تصمیم‌گیری چندمعیاره رتبه‌بندی می‌شوند. نتایج مورد انتظار پژوهش نشان می‌دهد که فن آوری های هوش مصنوعی، اینترنت اشیا، سیستم مدیریت نگهداشت کامپیوتری و تحلیل داده، به دلیل قابلیت آنها در پایش وضعیت، پیش‌بینی خرابی، پشتیبانی از تصمیم‌گیری و بهبود برنامه‌ریزی تعمیرات، بیشترین اولویت را برای توسعه نگهداشت هوشمند تجهیزات بندر چابهار دارند.
واژگان کلیدی: مدیریت نگهداشت، تجهیزات دریایی، تجهیزات بندری، نگهداشت هوشمند، اینترنت اشیا، هوش مصنوعی، تحلیل داده، CMMS، بندر چابهار.
کلمات کلیدی : مدیریت نگهداشت مدیریت نگهداشت تجهیزات دریایی تجهیزات بندری نگهداشت هوشمند اینترنت اشیا هوش مصنوعی تحلیل داده cmms بندر چابهار
زبان مقاله : فارسی
محور مقاله : مهندسی صنایع
محل انتشار : چهارمین کنگره بین المللی علوم، مهندسی و فن آوری های نو
آدرس وب سایت کنفرانس : secongress.com
کد IOI مقاله : ACCA-ACZADA
لینک مستقیم مقاله : https://isnac.ir/ACCA-ACZADA
نمایش چکیده انگلیسی
: https://isnac.ir/SA/ACCA-ACZADA
سایر مقالات محل انتشار
- همگرایی نهادی و کارایی فناورانه در توسعه شهر هوشمند: تحلیل تطبیقی مدل‌های آسیایی
- بهینه‌سازی استوار و چندمرحله‌ای تصادفی برای کربن‌زدایی عمیق و استراتژی سبد محصولات در پتروپالایشگاه‌های یکپارچه تحت عدم قطعیت عمیق
- شناسایی فن آوریهای نوین و اولویت‌بندی آنها برای استفاده در مدیریت نگهداشت تجهیزات دریایی و بندری؛ مطالعه موردی بندر چابهار
- A Review of Recent Advances in Nanoparticle-Enhanced 1–3 Piezoelectric Composite Sensors for High-Sensitivity and Broadband Medical Imaging
- The dawn of a new generation of CNC on the path to sustainable, precise production (smart machining)
- Optimization of CNC machining parameters with the aim of increasing surface quality and reducing production time
- The role of space and place in the formation of psychological behaviors
- Design and Analysis of Combined Power Amplifiers (Combined PAs) Using Nonlinear Structures: From Circuit Implementation to Spectral-Energy Efficiency Evaluation in Hybrid-Beamforming MIMO Systems
- Power Management Strategies Incorporating Thermal Considerations for Integrated Power Amplifiers in Digital Phased-Array Systems
- Design and Optimization of a Sub-threshold Differential Amplifier for Ultra-low-power Biosignal Processing Applications
- Comparative Analysis and Performance Enhancement of FinFET-Based Differential Amplifiers for High-Speed Telecommunication Systems
- Design of a High-Linearity Power Amplifier Using Feedback Structures at High Frequencies
- Quantum Symmetry and Compactness in Graphs: A Convex-Geometric Approach
- Green Entrepreneurship and the Transition to a Sustainable Economy: A Conceptual Framework for Transformative Transition Capacity
- A Review of Thermoelectric Energy Harvesting Circuits and Methods for Self-Powered Wireless Sensor Nodes and the Internet of Things