Discovery of Useful and Hidden Patterns from the Equipment Computerize Maintenance Management System Data Along with Estimation of Equipment Costs and Discovering outliers

Abstract

A few years after the implementation of computerize maintenance management systems (CMMS), showing the analysis results of the collected data in these systems is necessary and important for continuing the usage of these systems. Equipment downtime and cost data can identify patterns of equipment faults and equipment costs. It can also show deficiencies in the implementation of maintenance systems. Detection of failures and important factors of failures such as the type of mission, geographical conditions, quality of parts and soon helped to classify and determine the cost norms based on the type of mission. These analyses can help managers to make appropriate decisions more accurately and make proposals for improving the systems.
Data mining can provide a view of equipment readiness and the factors that affecting them. This view can be used to estimate the costs of maintenance and repair of equipment. Knowing the time of certain failures can be used to plan maintenance program. The issues are useful for improving knowledge and culture in the implementation of equipment. These analyses caused better and more accurate maintenance and usage of equipment.
In this paper, we introduce some data mining applications in maintenance and repairs activities. It shows some hidden rules discovered from data of equipment maintenance systems in a case. Clustering models, neural networks, decision trees, visualization and descriptive statistics are used in this case study and some of results introduce in this paper. The findings show that there are certain pattern depending on the type of mission and how to use the equipment.

Keywords


[1] نجمی محمدرضا، صراف جوشقانی حسن، "تحلیل دوره عمر مهمات (ایدة استراتژیهای عمر سازمانی)"، کنفرانس بین‌المللی نگهداری و تعمیرات، 1384
[2] Paula Potes Ruiz, Bernard KamsuFoguem, Bernard Grabot, "Generating knowledge in maintenance from Experience Feedback, Knowledge-Based Systems". Volume 68, Pages 4-20, September 2014.
[3] Han, J. and Kamber, M.“Data Mining Concepts and Techniques”.Second Edition, Morgan Kaufmann Publishers, 2005.
[4] Hand D. J."Data Mining: Statistics and More?", The American Statistician, Vol.52, No. 2, 1998.
[5] Mendonca, M. and Sunderhaft, N.L., “Mining Software Engineering Data Survey”. www.dacs.dtic.mil/techs/datamining/index.html, 1999.
[6] Fayyad, U. and G. Piatetsky-Shapiro and P. Smyth, "From Data Mining to Knowledge Discovery in Databases", American Association for Artificial Intelligence, 1996.
[7] Baraglia R. and P. Palmerini., "A web usage mining system". IEEE International Conference on Information Technology: Coding and Computing, (2002).
[8] Hair،Joseph F."Multivariate Data Analysis".Prentice Hall, 2005.
[9] Paula Potes-Ruiz, Bernard Kamsu-Foguem, Bernard Grabot. "Improving maintenance strategiesfrom experience feedback". MIM 2013, Saint Petersburg, Russia, Jun 2013.
[10] طاهری، محسن. معماریانی، عزیزالله. حیدری، ناصر."کاربرد خوشه‌بندی فازی در تعیین رده­ های تعمیراتی". فصلنامه لجستیک، 1380.
[11] پری آذر، محمود. زائری، محمدسعید. شهرابی، جمال."کاربرد داده­ کاوی در نگهداری و تعمیرات". اولین کنفرانس داده کاوی ایران، تهران: دانشگاه صنعتی امیرکبیر، مؤسسه پژوهشی داده­ پردازان گیتا، 1386.
[12] اسماعیلی راد، احسان. همدانی، علی."کاربرد تکنیک­ های داده کاوی در نگهداری و تعمیرات". فصلنامه بهبود، 1388.
[13] سهرابی، علی حسین. حمزه لویی کهریزی، میلاد. ولی ئی، معصومه."ارائه یک راهکار جهت استفاده از تکنیک‌های داد ه کاوی در فرایند نگهداری و تعمیرات". همایش منطق ه­ای علوم کامپیوتر، مهندسی کامپیوتر و فناوری اطلاعات، دورود، دانشگاه آزاد اسلامی واحد دورود، 1391.
[14] غفاری، علی."افزایش اثربخشی سیستم مدیریت نگهداری و تعمیرات کامپیوتری به‌وسیله داده­ کاوی". دومین همایش علوم و فناوری­های نوین در صنعت پالایش، اصفهان، پژوهشکده شهید اعتباری،1390.
[15] فراهانی، رضا. روغنیان، عماد."کاربرد داده کاوی در سیستم نگهداری و تعمیرات برای افزایش اثربخشی برنامه‌ریزی تعمیرات مطالعه موردی شرکت پتروشیمی شازند". هشتمین کنفرانس بین‌المللی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه صنعتی امیرکبیر، 1391.
[16] ظریف سرباز سفیدگر، ریحانه سهرابی، محمد کریم."افزایش اثربخشی سیستم نگهداری و تعمیرات نیروگاهی با استفاده از داده کاوی و شبکه عصبی؛ مطالعه موردی: شرکت مدیریت تولید برق شهید رجایی". بیست و نهمین کنفرانس بین‌المللی برق،1393.
[17] رمضانی، سعید. معماریانی، عزیزالله. مسعودی، علیرضا. نورنگ، احمد."کاربرد داده کاوی در تعیین خطوط مبنای رفتار فرسایشی موتورها با استفاده از نتایج آنالیز روغن". اولین کنفرانس داده کاوی ایران، تهران، دانشگاه صنعتی امیرکبیر،1386.
[18] یوسفی طزرجان، مصطفی. رمضانی، سعید. رنجبر، فاطمه."کاربرد داده کاوی در تشخیص و پیش‌بینی هوشمند عیوب". دومین کنفرانس داده کاوی ایران، تهران، دانشگاه صنعتی امیرکبیر،1387.
[19] رمضانی، سعید. یوسفی طزرجان، مصطفی. مغان، مهدی."کاربرد آنالیز ارتعاشات و شبکه عصبی Wavelet در تشخیص و پیش‌بینی هوشمند عیوب مکانیکی، مطالعه موردی: تعیین عمر باقی‌مانده یاتاقان چیلر". ششمین کنفرانس ملی نگهداری و تعمیرات، 1389.
[20] Kara, S., et al."Assessment of products for optimal lifetime". CIRP Annals - Manufacturing Technology, 57(1): p. 1-4, 2008.
[21] George Vachtsevanos, Frank L. Lewis, Michael Roemer, Andrew Hess, Biqing Wu, "Intelligent Fault Diagnosis and Prognosis for Engineering Systems". 2006.
[22] Tian, Z., L. Wong, and N. Safaei, "A neural network approach for remaining useful life prediction utilizing both failure and suspension histories". Mechanical Systems and Signal Processing, 24(5): p. 1542-1555, 2010.
[23] Mahamad, A.K., S. Saon, and T. Hiyama, "Predicting remaining useful life of rotating machinery based artificial neural network". Computers & Mathematics with Applications, 60(4): p. 1078-1087, 2010.