به گزارش خبرگزاری مهر به نقل از مرکز ارتباطات و اطلاع‌رسانی معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست جمهوری، تعمیر و نگهداری پیش‌بینانه (PdM) روشی نوین در صنعت است که با تحلیل داده و مدل‌های هوش مصنوعی، فرآیند نگهداری را هوشمند می‌کند. این رویکرد نسبت به روش‌های سنتی بهینه‌تر عمل کرده و با پیش‌بینی زمان خرابی، از تعمیرات اضافی و توقف طولانی تجهیزات جلوگیری می‌کند. مدل‌های هوش مصنوعی پایه اصلی PdM هستند. یادگیری فدرال نیز با غیرمتمرکزسازی فرآیند آموزش، امکان بهره‌گیری از داده‌های حساس و متنوع را فراهم کرده و ضمن تسریع یادگیری، عملکرد مدل را بهبود می‌بخشد و از به خطر افتادن داده‌ها جلوگیری می‌کند.
هدف این پژوهش، توسعه یک پلتفرم یادگیری فدرال برای تعمیر و نگهداری پیش‌بینانه در صنایع بزرگ مثل پتروشیمی، معادن یا … است تا به کمک آن بتوان به پایش سلامت و عملکرد تجهیزات مورد استفاده پرداخت.
این پلتفرم در قالب یک نرم‌افزار با معماری کلاینت-سرور است که در سمت کلاینت، داده‌های مربوط به تجهیزات از طریق حسگرهای محیطی و سوابق تاریخی گردآوری می‌شوند و پس از پردازش‌های 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 می‌شوند. انتظار می‌رود 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 ۹۰ درصد و نرخ مثبت کاذب کمتر از ۵ درصد، خرابی تجهیزات را پیش‌بینی کند. تأخیر پیش‌بینی باید نزدیک به بلادرنگ و کمتر از یک درصد میلی‌ثانیه باشد.
اعلام آمادگی برای مشارکت در اکتساب فناوری حاصل از این فراخوان تحقیقاتی 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 ۲۰ خرداد ۱۴۰۴ 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 جهت ارتباط با کارگزاری خیام با شماره ۰۲۱۶۶۵۸۰۹۴۳ و ۰۹۰۰۹۲۰۹۸۱۰ تماس بگیرند.
