فعالهوش مصنوعیRFP-1404-058

نگهداری پیش‌بینانه تجهیزات دوار با هوش مصنوعی

مدل‌سازی داده‌های ارتعاش و دما برای پیش‌بینی خرابی پمپ‌ها و کمپرسورها پیش از وقوع.

سقف اعتبار
۲٫۸ میلیارد تومان
مهلت ارسال
۱۴۰۴/۰۵/۱۰
مدت اجرا
۱۰ ماه
پیشنهادهای دریافتی
۵ پیشنهاد

شرح کلی نیاز

پمپ‌ها و کمپرسورهای حیاتی واحد به حسگرهای ارتعاش و دما مجهز هستند، اما داده‌ها تنها برای هشدارهای آستانه‌ای استفاده می‌شوند. کارفرما به دنبال مدلی است که از همین داده‌های موجود، خرابی را دست‌کم دو هفته پیش از وقوع پیش‌بینی کند.

پیشینه و ضرورت

در سال گذشته چهار توقف ناخواسته ناشی از خرابی تجهیزات دوار رخ داد که مجموع آن‌ها بیش از ۹۰ ساعت توقف تولید به همراه داشت. سابقه پنج‌ساله داده‌های حسگری و گزارش‌های تعمیرات برای آموزش مدل در اختیار مجری قرار می‌گیرد.

اهداف پروژه

  • پیش‌بینی خرابی با افق دست‌کم ۱۴ روز
  • کاهش توقف‌های ناخواسته به نصف
  • تشخیص نوع عیب در کنار زمان وقوع
  • اجرای مدل روی زیرساخت داخلی کارفرما

دامنه کار

  • پاک‌سازی و یکپارچه‌سازی داده‌های تاریخی حسگرها
  • توسعه و آموزش مدل پیش‌بینی خرابی
  • پیاده‌سازی داشبورد پایش و هشدار
  • انتقال دانش به تیم تعمیرات و نگهداری

خروجی‌های مورد انتظار

  • مجموعه داده پاک‌سازی‌شده و مستند
  • مدل آموزش‌دیده همراه با گزارش دقت
  • داشبورد وب پایش وضعیت تجهیزات
  • مستندات فنی و کارگاه آموزشی تیم داخلی

شرایط متقاضی

  • سابقه پروژه یادگیری ماشین روی داده صنعتی
  • آشنایی با پروتکل‌های داده‌برداری صنعتی
  • تعهد به نگه‌داشت داده در زیرساخت کارفرما
  • تیم دست‌کم سه‌نفره تمام‌وقت

معیارهای ارزیابی

  • دقت و افق پیش‌بینی۴۰٪
  • رویکرد فنی و معماری راهکار۲۵٪
  • قیمت و مدل مالکیت مدل۲۰٪
  • برنامه انتقال دانش۱۵٪

زمان‌بندی فراخوان

  1. ۱

    انتشار فراخوان

    ۱۴۰۴/۰۴/۰۲

    سند نیاز و فهرست تجهیزات هدف منتشر شد.

  2. ۲

    ارائه نمونه داده

    ۱۴۰۴/۰۴/۱۸

    نمونه داده ناشناس‌سازی‌شده در اختیار متقاضیان قرار می‌گیرد.

  3. ۳

    مهلت ارسال پیشنهاد

    ۱۴۰۴/۰۵/۱۰

    آخرین مهلت بارگذاری پیشنهاد فنی و مالی.

  4. ۴

    آغاز پروژه

    ۱۴۰۴/۰۵/۲۵

    شروع فاز داده‌کاوی با تیم منتخب.

بازگشت به فهرست فراخوان‌ها

فراخوان‌های دیگر

نیازهای فناورانه‌ای که هم‌اکنون در انتظار راهکار هستند.