در فرادرس آموزشی با عنوان کاربرد آزمون های غیر مخرب در تشخیص عیوب سامانه های مکانیکی در این لینک (+) منتشر شده است که در مورد آزمون های غیر مخرب در تشخیص عیوب سامانه های مکانیکی، سوالاتی برای مخاطبینی که این آموزش ها را تهیه کرده بودند ایجاد شد.

در فرادرس آموزشی با عنوان کاربرد آزمون های غیر مخرب در تشخیص عیوب سامانه های مکانیکی در این لینک (+) منتشر شده است که در مورد آزمون های غیر مخرب در تشخیص عیوب سامانه های مکانیکی، سوالاتی برای مخاطبینی که این آموزش ها را تهیه کرده بودند ایجاد شد.

 

سوال یکی از مخاطبین به این صورت بود:

“با سلام و خسته نباشید؛

ضمن تشکر از شما و تهیه این مجموعه فوق العاده.

بنده دانشجوی کارشناسی ارشد هوش مصنوعی هستم و به عنوان موضوع پایان نامه پیش بینی عیوب تجهیزات دوار رو انتخاب کردم، فیلم هایی که در فرادرس ارائه دادید رو تهیه و تماشا کردم وا قعا مفید بودند ولی مشکل دیتا ست دارم، ممنون می شم دیتاست که مفید باشه بهم معرفی کنید.”

 

این سوال را با مدرس در میان گذاشتیم؛ ایشان پاسخ را ارائه نموده اند:

 

با سلام؛

از لطف شما نسبت به فرادرس های اینجانب سپاسگزارم و امیدوارم در انجام پایان نامه خود موفق باشید. تهیه داده برای کاربردهای پیش بینی عیب تجهیزات، مشکل اساسی این روش است و به راحتی امکان پذیر نیست. بدین منظور لازم است هفته ها و یا ماه های متمادی به داده برداری بپردازید، همانگونه که اینجانب برای رساله دکتری خود مجبور به این کار شدم. همچنین امکانات داده برداری در دانشگاه های داخل کشور چندان مهیا نیست. به همین دلیل حتی محققین خارجی نیز از داده های سازمان هایی که در این زمینه بسیار فعال هستند استفاده می کنند. به عنوان مثال سازمان ناسا همواره داده های ارزشمندی را برای محققین علاقه مند در این زمینه منتشر می کند. پیشنهاد من به شما این است که برای پایان نامه خود با هماهنگی استاد راهنما، از این داده ها استفاده کنید و به دنبال داده برداری جداگانه نباشد. در ادامه توجه شما را به این مقاله بسیار مفید که از داده های مرکز عالی دانشگاه سین سیناتی آمریکا وابسته به ناسا استفاده کرده است، جلب می نمایم.

Widodo, Achmad, and Bo-Suk Yang. “Machine health prognostics using survival probability and support vector machine.” Expert Systems with Applications 38.7 (2011): 8430-8437.