دوره پیش‌بینی نگهداری و بهینه‌سازی موجودی قطعات یدکی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی نگهداری و بهینه‌سازی موجودی قطعات یدکی

موضوع کلی: برنامه‌نویسی تابعی

موضوع میانی: History of AI for Predictive Maintenance in Manufacturing Development Sector

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نگهداری پیش‌بینی و بهینه‌سازی موجودی
• 2. اهمیت نگهداری پیش‌بینی در صنعت
• 3. چرخه عمر دارایی و خرابی‌ها
• 4. انواع استراتژی‌های نگهداری (پیشگیرانه، اصلاحی، پیش‌بینی)
• 5. مفاهیم کلیدی در نگهداری پیش‌بینی
• 6. جمع‌آوری داده‌های مورد نیاز برای نگهداری پیش‌بینی
• 7. منابع داده‌های نگهداری (سنسورها، لاگ‌ها، تاریخچه تعمیرات)
• 8. پیش‌پردازش داده‌ها و پاکسازی
• 9. مهندسی ویژگی برای نگهداری پیش‌بینی
• 10. روش‌های آماری در پیش‌بینی خرابی (میانگین متحرک، ARIMA)
• 11. مقدمه‌ای بر یادگیری ماشین در نگهداری پیش‌بینی
• 12. رگرسیون لجستیک برای پیش‌بینی خرابی
• 13. درخت‌های تصمیم و جنگل تصادفی در نگهداری پیش‌بینی
• 14. ماشین‌های بردار پشتیبان (SVM) برای پیش‌بینی خرابی
• 15. شبکه‌های عصبی مصنوعی (ANN) و کاربرد آن‌ها
• 16. یادگیری عمیق و شبکه‌های عصبی بازگشتی (RNN)
• 17. الگوریتم‌های تشخیص ناهنجاری (Anomaly Detection)
• 18. ارزیابی مدل‌های پیش‌بینی (Precision, Recall, F1-score, AUC)
• 19. انتخاب مدل مناسب بر اساس داده‌ها و اهداف
• 20. پیاده‌سازی مدل‌های پیش‌بینی در محیط صنعتی
• 21. یکپارچه‌سازی با سیستم‌های CMMS/EAM
• 22. بهینه‌سازی موجودی قطعات یدکی بر اساس پیش‌بینی خرابی
• 23. مدل‌های موجودی (EOQ, ROP) و نگهداری پیش‌بینی
• 24. تاثیر نگهداری پیش‌بینی بر کاهش هزینه‌های موجودی
• 25. تحلیل حساسیت و سناریوسازی در بهینه‌سازی موجودی
• 26. ارزیابی ریسک خرابی و تعیین سطوح موجودی
• 27. مدیریت موجودی قطعات یدکی حیاتی
• 28. استفاده از الگوریتم‌های بهینه‌سازی برای موجودی
• 29. پیش‌بینی تقاضای قطعات یدکی
• 30. مفهوم Lead Time و تاثیر آن بر موجودی
• 31. برنامه‌ریزی تولید و ارتباط با موجودی قطعات یدکی
• 32. استفاده از داده‌های IoT در بهینه‌سازی موجودی
• 33. نمونه موردی: پیاده‌سازی نگهداری پیش‌بینی در یک کارخانه
• 34. معرفی ابزارهای نرم‌افزاری نگهداری پیش‌بینی
• 35. چالش‌ها و موانع پیاده‌سازی نگهداری پیش‌بینی
• 36. آینده نگهداری پیش‌بینی و تکنولوژی‌های نوظهور
• 37. اثرات نگهداری پیش‌بینی بر پایداری و مسئولیت اجتماعی