هوش مصنوعی در نگهداری پیش‌بینانه؛ گزارش ویژه از هفدهمین کنفرانس ملی مهندسی نگهداشت (NET)

740 بازدید

گزارش ویژه هفدهمین کنفرانس NET | نقش هوش مصنوعی در تحول نگهداشت و مدیریت دارایی‌های فیزیکی

هفدهمین کنفرانس ملی مهندسی نگهداشت و مدیریت دارایی‌های فیزیکی (NET) با محور «تحول دیجیتال در مدیریت دارایی‌ها» در تاریخ ۲۷ و ۲۸ آبان‌ماه برگزار شد؛ رویدادی که سال‌هاست به‌عنوان اصلی‌ترین مرجع تبادل دانش در حوزه نگهداشت، قابلیت اطمینان و مدیریت دارایی‌های صنعتی شناخته می‌شود. رشد شتابان فناوری، پیچیدگی دارایی‌های فیزیکی و اهمیت تصمیم‌گیری مبتنی بر داده باعث شده سازمان‌ها بیش از هر زمان دیگر به سمت هوشمندسازی و استفاده از هوش مصنوعی حرکت کنند. به همین دلیل، امسال تمرکز کنفرانس بر نقش تحول دیجیتال، تحلیل داده و الگوریتم‌های هوشمند در نگهداری پیش‌بینانه پررنگ‌تر از همیشه بود.

حضور تهران‌دیتا؛ مرجع حرفه‌ای آموزش علم‌داده و هوش مصنوعی

در این دوره، مجموعه تهران‌دیتا به‌عنوان یکی از مراجع تخصصی در آموزش حرفه‌ای علم‌داده، هوش مصنوعی و راهکارهای تحلیلی پیشرفته، حضور فعال داشت. اساتید این مجموعه — از جمله دکتر امیررضا تجلی و دکتر علی بزرگی امیری — در جریان نشست‌های تخصصی با ارائه سخنرانی‌هایی کاربردی، نقش AI در ارتقای مدیریت دارایی‌ها و آینده نگهداشت هوشمند را تشریح کردند. حضور این مجموعه، پلی میان «دانش تخصصی علم‌داده» و «نیازهای عملی صنعت» ایجاد کرد و مورد توجه شرکت‌کنندگان قرار گرفت.

کاربرد هوش مصنوعی در مدیریت دارایی‌های فیزیکی – ارائه دکتر امیررضا تجلی

در بخش نخست، دکتر امیررضا تجلی با تمرکز بر «کاربرد هوش مصنوعی در مدیریت دارایی‌های فیزیکی»، به اهمیت مدل‌های تحلیل پیش‌بینانه و نقش آن‌ها در نگهداری هوشمند پرداخت. وی با اشاره به نمونه‌های موفق بین‌المللی، نشان داد چگونه شرکت‌های پیشرو جهان با استفاده از الگوریتم‌های یادگیری ماشین و پایش برخط تجهیزات توانسته‌اند:

  1. رصد و پایش لحظه‌ای خرابی‌ها (Real-Time Monitoring)
  2. تشخیص و گزارش آنی عیوب تجهیزات پیش از توقف خط
  3. ارائه توصیه‌های پیشگیرانه مبتنی بر هوش مصنوعی

این رویکرد باعث کاهش چشمگیر توقفات اضطراری، افزایش طول عمر تجهیزات و کاهش هزینه‌های تعمیراتی شده است. دکتر تجلی تأکید کرد که نگهداری پیش‌بینانه نه یک انتخاب، بلکه ضرورت آینده صنایع است.

بلوغ، حکمرانی و تصمیم‌گیری مبتنی بر داده – سخنرانی دکتر علی بزرگی امیری

در ادامه، دکتر علی بزرگی امیری موضوع «سطوح بلوغ و حکمرانی هوش مصنوعی در مدیریت دارایی‌ها» را تشریح کرد. او توضیح داد که صنعت تنها زمانی می‌تواند از هوش مصنوعی بهره‌برداری مؤثر داشته باشد که از یک چارچوب حکمرانی، کیفیت داده مناسب و استانداردهای فرایندی بهره‌مند شود. وی بیان کرد که بلوغ دیجیتال شامل پنج مرحله از ثبت داده تا تصمیم‌گیری کاملاً خودکار است و حرکت از نگهداری اصلاحی به نگهداری پیش‌بینانه تنها در صورتی ممکن است که سازمان‌ها مسیر بلوغ داده و AI را جدی بگیرند.

دکتر بزرگی امیری همچنین به فرایند «تبدیل داده به تصمیم» اشاره کرد؛ مسیری که در آن داده خام صنعتی باید از طریق تحلیل، مدل‌سازی و الگوریتم‌های هوش مصنوعی به بینش قابل‌اجرا تبدیل شود — موضوعی که امروز در بسیاری از صنایع بزرگ دنیا به‌عنوان مزیت رقابتی شناخته می‌شود.

جمع‌بندی

هفدهمین کنفرانس NET امسال نشان داد که مدیریت دارایی‌های فیزیکی وارد عصر جدیدی شده است؛ عصری که در آن داده، مدل‌های هوش مصنوعی و تحلیل پیش‌بینانه جایگزین روش‌های سنتی نگهداری می‌شوند. مشارکت فعال مجموعه تهران‌دیتا و ارائه‌های تخصصی اساتید این مجموعه، نقش AI در نگهداشت هوشمند و آینده مدیریت دارایی‌ها را برجسته‌تر کرد.

بدون شک، سازمان‌هایی که امروز مسیر حکمرانی داده و هوشمندسازی نگهداری را آغاز کنند، فردا در رقابت صنعتی پیشتاز خواهند بود.

آیا این مطلب را می پسندید؟
https://tehrandata.org/?p=17193
اشتراک گذاری:
قوانین و مقررات

توافق فی مابین:

قوانین آموزشی تدوین شده برای جلوگیری از مشکلات احتمالی و رفاه حال دانشپذیران و شرکت کنندگان در دوره‌های آموزشی می باشد، قوانین زیر در حکم یک توافق فی مابین تلقی خواهند شد و در صورت ثبت نام در بخش آموزش های آزاد دانشگاه تهران دانشپذیر موافقت خود را با این قوانین اعلام نموده است.

کلیه دانشپذیران موظف هستند جهت ثبت نام، فرم‌های ارائه شده را تکمیل نمایند و درصورت عدم تکمیل این فرم ها و مدارک مسئولیت عدم صدور گواهینامه بر عهده خود دانشپذیر می باشد.

اطلاع رسانی:

آگاهی از اطلاعیه‌های دوره با شماره تلفنی که جهت تماس مشخص می نمایید صورت می پذیرد. لذا در ثبت آن دقت لازم را مبذول فرمایید. همچنین سایت و کانال های موجود در شبکه‌های اجتماعی از دیگر روش های اطلاع رسانی خواهند بود.

رعایت ضوابط انضباطی:

در صورت حضور در کلاس ها رعایت ضوابط انضباطی مطابق با قوانین دانشگاه تهران الزامی بوده وایجاد هرگونه اغتشاش یا مزاحمت در کلاس های و گروه های آموزشی ممنوع بوده و متخلف شخصا مسئول عواقب چنین مسائلی میباشد.

محتوای آموزشی:

کلیه دانشپذیران با آگاهی قبلی از مدت زمان دوره و مباحث مورد بحث و متناسب بودن دوره با نیاز ایشان در دوره ثبت نام نموده اند که این موارد در پایگاه اطلاع رسانی ثبت نام موجود است و تغییر هیچکدام از موارد بدون تایید و هماهنگی با مراجع ذیربط امکان پذیر نخواهد بود. با توجه به روند دوره آموزشی و سطح و نیاز مخاطبان کمیته علمی دوره امکان بهینه سازی مباحث دوره را خواهد داشت.

مدرسین دوره آموزشی:

اساتید هریک از دروس بر اساس بررسی رزومه و سوابق آموزشی انتخاب شده و تغییر اساتید بدون تصویب در کمیته علمی دوره امکان پذیر نمی باشد. در هر دوره آموزشی به تناسب زمان بندی، از اساتید مورد نظر دعوت به عمل خواهد آمد و درصورت عدم امکان حضور یا بروز مشکل حاد، استاد جایگزین برای آن درس منطبق با معیارها و ضوابط آموزشی دوره انتخاب خواهد شد.

پرداخت شهریه:

کلیه داوطلبان موظف هستند شهریه هر دوره را حداکثر یک هفته قبل از اولین جلسه کلاس ها به صورت نقد یا پرداخت با چک صیادی تسویه نمایند. همچنین فیش واریزی به همراه چک های اقساط و تصویر ثبت چک ها در سامانه صیاد و سایر مدارک لازم میبایست به متصدی ثبت نام تسلیم شود. در غیر اینصورت مراحل ثبت نام تکمیل نشده و صدور گواهی پایان دوره امکانپذیر نخواهد بود.

گواهینامه:

 این دوره یک دوره آموزشی آزاد است و ختم به صدور مدرک یا مقطع تحصیلی دانشگاهی نمی شود.

 گواهینامه موفقیت پایان دوره در صورت اخذ نمره قبولی و همچنین عدم غیبت بیش از حد مجاز صادر می شود.

حداکثر زمان مجاز غیبت غیرموجه برای دوره ها سه جلسه غیرمتوالی و دو جلسه متوالی می باشد و غیبت بیش از این موارد با هماهنگی پشتیبان و استاد مربوط به هر دوره امکان پذیر خواهد بود.

حداقل نمره قبولی در مجموع آزمون ها 60 درصد نمره کل می باشد و در صورت عدم کسب نمره حداقل در هر درس، امکان صدور گواهی پایان دوره فراهم نمی باشد.

فرمت و ساختار گواهی اعطایی متناسب با ساختار مصوب دانشگاه تهران می باشد و غیر قابل تغییر خواهد بود. همچنین مدت زمان صدور گواهینامه پس از اتمام دوره مطابق با زمان فرآیند صدور گواهی در دانشگاه تهران به انجام خواهد رسید.

نام هر دوره متناسب با عناوین مصوب شده دانشگاه تهران، در گواهینامه ثبت خواهد شد و بکاربردن صفات ، پسوندها و پیشوندهایی (مانند: عالی، خوب، کامل و… )که مطابق با عرف آموزشی و دانشکده نباشد در گواهینامه ثبت نمیگردد.

انصراف:

در صورتی که دانشپذیر به هر دلیلی (از جمله بر اساس مقررات و ضوابط آموزشی و انضباطی، ترک تحصیل و یا …) از حضور در دوره محروم شود، شهریه دوره آموزشی استرداد نخواهد شد.

به دلیل محدودیت ظرفیت اعمال شده و قوانین اداری و مالی، شهریه دوره پس از ثبت نام به هیچ عنوان (از قبیل: ماموریت اداری، انتقالی، مشمولیت نظام وظیفه، مسافرت به خارج، بیماری، تداخل برنامه کلاس ها با برنامه دانشگاه، عدم درک موضوع دوره، مشکلات خانوادگی، فوت نزدیکان و سایر موارد پیش بینی نشده و …) مسترد نخواهد شد.

عدم شرکت در کلاس ها بعد از ثبت نام و شروع دوره، هیچگونه حقی را جهت انصراف داوطلب ایجاد نخواهد کرد.

برگزاری کلاس ها:

کلیه کلاس ها مطابق برنامه زمان بندی اعلام شده برگزار خواهد شد و در صورت هرگونه تغییر احتمالی در برنامه کلاسی مراتب به اطلاع دانشپذیران خواهد رسید.

تاریخ شروع هر دوره آموزشی در بعضی شرایط ممکن است تا حداقل دو هفته تاخیر داشته باشد.

در کلاس‌های آنلاین، دانشپذیر میبایست دسترسی به اینترنت جهت حضور در کلاس ها را فراهم نماید.

آرشیو کلاس‌های آنلاین برگزار شده نهایتا تا سه ماه پس از پایان دوره نیز فعال و قابل بازبینی می باشد.

کلاس‌های آنلاین دربستر ادوبی کانکت برگزار می‌گردد و در صورت تغییر بستر، اطلاع‌رسانی از طریق کانال های ارتباطی انجام می شود.

مالکیت معنوی دروس ضبط شده در اختیار دانشگاه بوده و در صورت کپی برداری غیرمجاز و انتشار آن، حق پیگیری برای دانشگاه محفوظ می باشد.

حوادث غیر مترقبه:

در صورت بروز حوادث غیر مترقبه و پیش بینی نشده (مانند: سیل , زلزله و …) و بروز اشکالاتی که ادامه کار را ممکن نسازد تا عادی شدن شرایط تعهدات طرفین (کان لم یکن) تلقی و هیچ ادعائی به یکدیگر نخواهند داشت.

چت
سلام به سایت تهران‌دیتا خوش اومدی👋 چطور میتونم کمکت کنم؟😊

پشتیبانی آنلاین

سوال یا مشکلی دارید ؟ درخدمتتان هستیم