Development of IIOT-Based Pd-Maas Using RNN-LSTM Model with Jelly Fish Optimization in the Indian Ship Building Industry
-
Published:2024-08-01
Issue:8
Volume:21
Page:2782
-
ISSN:2411-7986
-
Container-title:Baghdad Science Journal
-
language:
-
Short-container-title:Baghdad Sci.J
Author:
Rao PNV SrinivasaORCID,
Jayasree PVYORCID
Abstract
المشكلة: يعتبر بناء وإصلاح السفن من الصناعات دائمة الخضرة على المستوى الوطني والعالمي. تخضع السفن عمومًا للإصلاحات الدورية المقررة من قبل صناعات بناء السفن الهندية. في بعض الأحيان تفتقر الصناعات إلى الإنتاجية ويفتقر إلى التحديث ويجب اتباع بعض الأساليب الحديثة. الهدف: تركز الدراسة على تحسين الصيانة التنبؤية كخدمة على إنترنت الأشياء الصناعي من خلال خوارزميات التعلم الآلي. المساهمة الرئيسية للدراسة هي استخدام تقنيات التحسين لاختيار الميزات وRNN-LSTM لتحسين الدقة. الأساليب: تتم معالجة مجموعة البيانات المحددة مسبقًا واختيار الميزات لتحسين الدقة، ويتم تحسين اتخاذ القرار الآلي في إطار الشبكة العصبية التلافيفية جنبًا إلى جنب مع مصنف الأشجار المعزز للمجموعة الذي تم تطويره باستخدام تحسين قنديل البحر والعصبية المتكررة. نموذج الشبكة والذاكرة طويلة المدى (RNN-LSTM) للتعرف على الأنماط والمتجهات الرقمية في بيانات العالم الحقيقي بعد معالجة المخرجات ثم يتم إرسالها مرة أخرى كمدخل للشبكة المتكررة لاتخاذ القرار في السفينة عملية البناء. النتائج: من خلال تقييم نتائج الأداء ومصفوفة الارتباك من خلال مخرجات التدريب والاختبار، يتم تصنيف جميع مقاييس التدريب والاختبار في مصفوفة الارتباك. يمكن أن يساعد نموذج الصيانة التنبؤية المقترح بدقة عالية للكشف عن الأعطال في المراحل المبكرة وصيانة السفن الهندية في تجنب وقوع الحوادث في الرحلات وفقدان البضائع والأموال أثناء النقل. يوضح التحقق من صحة نموذج الصيانة التنبؤية المقترح باستخدام أنواع مختلفة من خوارزميات التعلم العميق أن منهجيتنا المقترحة تعطي دقة محسنة بنسبة 98.9336% وهي أعلى من أي نماذج أخرى الاستنتاج: يساعد نظام Pd-MaaS المقترح في الكشف المبكر عن الأعطال في السفن والتي تعد أكبر ميزة في صناعة بناء السفن الهندية.
Publisher
College of Science for Women, University of Baghdad