مقالات ترجمه شده

یک مدل داده کاوی جهت شناسائی فعالیتهای مراقبت و نگهداری ناکارآمد

عنوان فارسی

یک مدل داده کاوی جهت شناسائی فعالیتهای مراقبت و نگهداری ناکارآمد


عنوان لاتین

A data mining model to identify inefficient maintenance activities

مشخصات کلی

سال انتشار 2013
کد مقاله 5016
فرمت فایل ترجمه Word
تعداد صفحات ترجمه 19
نام مجله Int J Syst Assur Eng Manag
نشریه Springer
درج جداول و شکل ها در ترجمه انجام شده است
جداول داخل مقاله ترجمه شده است

چکیده فارسی

امروزه، داده های جمع آوری شده در پروسه سیستمهای مراقبت و نگهداری بخش بزرگی از پایگاه داده های مربوطه را تشکیل می دهند. تجزیه و تحلیل این داده های مراقبت و نگهداری، جنبه رقابتی فوق العاده ای را هم در بخشهای تولیدی و هم خدمات در اختیار شرکتها، سرمایه گذاریها و سازمانها قرار می دهد. از آنجا که مدیریت مراقبت و نگهداری یکی از بخشهای پرهزینه و غیرقبل اجتناب سازمان محسوب می شود، تضمین اینکه فعالیتهای مراقبت و نگهداری به طریق کارآمدی اجرا شده باشند، دارای بیشترین اهمیت است. به بیان دیگر، سازمانها می توانند بطور مثال با عملیات کاهش هزینه از هم پیشی بگیرند، اگر و فقط اگر فعالیتها و پروسه های غیرتولیدی مراقبت و نگهداری بتوانند تشخیص داده شوند. در نتیجه، اصلاح نمودن یا از میان برداشتن چنین فعالیتهائی یا استفاده از راههای اصلاحی دیگر می توانند به سرمایه گذاریها و سازمانها در کاهش هزینه هایشان کمک نمایند. مشخص شده است که داده کاوی یک ابزار عالی است که به تصمیم گیرندگان کمک می کند تا در زمان برخورد با مقادیر زیادی از داده ها، دانش و الگوهای نهانی را کشف نمایند. این مطالعه، با مشاهده شکافی در ادبیات مربوطه بررسی شده و به منظور پرنمودن این شکاف، یک مدل مبتنی بر داده کاوی را برای شناسائی فعالیتهای غیرتولیدی مراقبت و نگهداری در یک سیستم مراقبت پیشنهاد می کند. با شناسائی فعالیتهای مراقبت و نگهداری خاص ناکارآمد، این مدل از تصمیم گیرندگان مراقبت و نگهداری در تعیین اهدافی برای انجام اصلاحاتی در سیستمهای مراقبتی تحت نظارت آنها حمایت می کند. در نتیجه، سازمانها می توانند روی جبران این فعالیتهای بی ثمر و بنابراین کاهش هزینه های مربوط به اجرای آنها تمرکز نمایند. در نهایت، این مدل برای شناسائی فعالیتهای بی حاصل در یک سیستم مراقبت و نگهداری که از اجزای مستقلی تشکیل شده است (مثل یک شبکه اتوبوس شهری) بکار گرفته شد.

چکیده لاتین

Nowadays the data collected in the process in maintenance systems comprise a big portion of the related databases. Analyzing these maintenance data provides the firms, enterprises and organizations with a tremendous competitive edge both in manufacturing and service sectors. As maintenance management is a costly and inevitable part of the organization, ensuring that the maintenance activities are performed in an effective manner, is of outmost importance. In other words, organizations can precede with the cost reduction operations, for instance, if and only if the unproductive maintenance activities and processes can be identified. Subsequently, rectifying or removing these kinds of activities or taking other means of modification can help enterprises and organizations to reduce their costs. Data mining is known to be an excellent tool which helps the decision makers to discover the hidden knowledge and patterns when dealing with a large amount of data. Seeing a gap in the related literature reviewed and in order to fill it, this study proposes a data mining based model to identify the unproductive maintenance activities in a maintenance system. By identifying specific inefficient maintenance activities, this model supports the maintenance decision makers to set goals to make amendments in the maintenance systems under their supervisions. Consequently, the organizations can focus on rectifying these fruitless activities and therefore reducing the costs associated with performing them. Finally, the model was used to identify the unproductive activities in a maintenance system comprising of independent components (an urban bus network).

خرید و دانلود ترجمه این مقاله:

جهت خرید این مقاله ابتدا روی لینک زیر کلیک کنید، به صفحه ای وارد می شوید که باید نام و ایمیل خود را وارد کنید و پس از آن روی دکمه خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید، همچنین لینک دانلود به ایمیل شما نیز ارسال خواهد شد.

دیدگاه ها

هیچ دیدگاهی برای این مقاله ثبت نشده است

ارسال دیدگاه

مقالات معتبر علمی از ژورنال های ISI