فایل ورد کامل روش های مبتنی بر داده کاوی برای جدا سازی نقص با رتبه بندی مدل FMEA معتبر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل روش های مبتنی بر داده کاوی برای جدا سازی نقص با رتبه بندی مدل FMEA معتبر،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۲ صفحه

عنوان انگلیسی:

Data mining-based methods for fault isolation with validated FMEA model ranking

~~en~~ writers :

Chunsheng Yang · Yanni Zou · Pinhua Lai · Nan Jiang

FMEA (Failure Mode and Effects Analysis),
which was developed to enhance the reliability of complex
systems, is a standard method to characterize and document
product and process problems and a systematic method
for fault identification/isolation in maintenance. When a
failure is predicted or detected, it is expected to identify
which component is the root cause or to isolate the fault to
a specific contributing component. To efficiently perform
fault isolation, we proposed data mining-based methods for
fault isolation by using the validated FMEA information to
rank data-driven models. However, FMEA, as a standard
document, is produced during the design of products or systems. Therefore, FMEA documentation is rarely validated
or updated in practice after it was generated. In order to use
reliable FMEA information to rank models for fault isolation, it is necessary to validate FMEA before using it. In
this paper, we first present brief overview of FMEA validation. Then we introduce the proposed data mining based
method for fault isolation. Finally we apply the proposed
methods to Auxiliary Power Unit (APU) fault isolation for a
given failure mode, “Inability to Start”, by conducting largescale experiments. The experimental results obtained from a
case study demonstrate the usefulness and feasibility of the
proposed methods for fault isolation.

Keywords: FMEA | Data mining | Data driven models | Binary classifier | Model ranking | Fault isolation | Failure mode | FMEA validation

$$en!!