معصومه خوش کردار، رضا سعیدی، امین باقری، محمد حجارتبار، محمد درویشی، رضا غلام نیا،
دوره ۱۴، شماره ۱ - ( ۱-۱۴۰۳ )
چکیده
مقدمه: به منظور شناسایی و بررسی اثرات ظهور فناوری در صنعت و به خصوص صنعت معدن، در این مطالعه تاثیر استفاده از سامانه‌های هوشمند ماشین‌آلات، شامل سیستم نظارت بر سلامت خودرو (VHMS: Vehicle health monitoring system)، سیستم کنترل هوشمند عملیات معدنکاری (Dispatching) و سنسور پایش فشار باد لاستیک (TPMS: Tire pressure monitoring system) بر پارامتر‌های بهداشت، ایمنی، محیط‌زیست و نگهداشت پیشگیرانه در صنعت معدن مورد بررسی قرار گرفت.
روش کار: پژوهش حاضر یک مطالعه توصیفی- تحلیلی است که در دو بازه زمانی قبل و بعد از به کارگیری سیستم‌های هوشمند ماشین آلات معدنی انجام شده است. در ابتدا پارامتر‌های بهداشت، ایمنی، محیط‌زیست و نگهداشت پیشگیرانه شناسایی شد، سپس با مقایسه و تحلیل وضعیت و استفاده از روش دلفی، پارامتر‌های منتخب پیش‌و پس از راه اندازی سامانه‌های هوشمند ماشین‌آلات معدنی و میزان اثربخشی استفاده از این سامانه‌ها تعیین گردید.
یافته ها: یافته‌ها نشان داد که به کارگیری سیستم‌های هوشمند ماشین آلات معدنی با فرض ثابت بودن شرایط محیطی منجر به کاهش حوادث تجهیزاتی به میزان ۳/۳۳ درصد، افزایش عمر مفید لاستیک ۱/۷ درصد، کاهش مصرف سوخت ۶/۱۴ درصد، کاهش میانگین زمان خاموشی ماشین جهت تعمیر ۵/۲۵ درصد و افزایش مطابقت با برنامه نگهداشت ۷/۵ درصد شده است.
نتیجه‌گیری: استفاده از سامانه‌های هوشمند ماشین آلات معدنی می‌تواند اثرات مثبتی در زمینه ایمنی ماشین آلات، کاهش اثرات زیست‌محیطی از جمله مصرف سوخت و همچنین بهبود شرایط نگهداشت ماشین‌آلات سنگین داشته باشد که این امر منجر به بهبود شرایط استخراج و کاهش هزینه‌ها می‌گردد.
عاطفه احمدآبادی، شکوه سادات خالو، رضا سعیدی، رضا غلام نیا،
دوره ۱۵، شماره ۱ - ( ۱-۱۴۰۴ )
چکیده
مقدمه: یکی از مهم‌ترین عواملی که می‌تواند به مدیران و تصمیم‌گیران صنایع در پاسخ به تغییرات کمک کند، داشبورد هوش تجاری (Business Intelligence) است داشبوردها ابزاری هستند غنی از شاخص‌ها، گزارش‌ها و نمودارها تا مدیران با استناد به آن بتوانند در هر لحظه عملکرد صنعت خود را بررسی نمایند.
روش کار: جهت ارزیابی وضعیت ایمنی و پیشگیری از حوادث آتی، این امکان دارد که با استفاده از شاخص ریسک RI که خود از طریق یک رابطه میانگین‌گیری هندسی به دست می‌آید آن را برای هر مخاطره شناسایی شده در صنعت محاسبه نمود و پس از آن با استفاده از مدل سری زمانی که در این مطالعه از مدل ARIMA(۲,۰,۰) استفاده گردیده میانگین شاخص ریسک روزانه به شاخص پیش‌بینی‌کننده ریسک PRI تبدیل گردید.
یافته ها: با توجه بر این موضوع که حوادث و شبه‌حوادث به وقوع پیوسته، هنگامی که روند شاخص پیش‌بینی‌کننده ریسک پایین‌تر از عدد ۳ باشد ناحیه ایمن در آن صنعت به حساب می آید و هنگامی که روند شاخص پیش بینی کننده ریسک بین عدد ۳ الی ۴ باشد ناحیه هشدار و هنگامی که بالاتر از ۴ باشد احتمال وقوع حوادث خیلی زیاد ناحیه در نتیجه ناحیه اقدام می باشد.
نتیجه گیری: مدیر صنعت باتوجه‌به داشبورد ارائه شده و ناحیه‌بندی صورت‌گرفته، می‌تواند نتیجه بگیرید که ۳۳% مخاطرات در ناحیه اقدام،۲۴% مخاطرات در ناحیه هشدار و ۴۳% مخاطرات شناسایی شده در ناحیه ایمن قراردارد.
