برگزاری دفاعیه دکتری مهندس سید ابوالفضل عقیلی
| تاریخ ارسال: 1404/7/19 |
 |
مهندس سید ابوالفضل عقیلی دانشجوی دوره دکتری این دانشکده در رشته مهندسی عمران گرایش مهندسی و مدیریت ساخت ، ۲۰ مهر ماه سال ۱۴۰۴ از رساله خود تحت عنوان «بارائه چهارچوبی جهت تعیین تاب آوری دراز مدت سیستم تهویه مطبوع بیمارستانی با استفاده از هوش مصنوعی» به صورت حضوری با راهنمایی دکتر مصطفی خانزادی و مشاوره دکتر مرتضی رهبر دفاع می نماید. |
| چکیده این رساله به شرح زیر می‌باشد: افزایش روزافزون پیچیدگی سیستم‌های بیمارستانی و لزوم تضمین پایداری عملکرد آن‌ها، ضرورت توسعه چارچوب‌های نوین برای مدیریت هوشمند تجهیزات حیاتی را آشکار ساخته است. در این میان، سیستم‌های گرمایش، سرمایش و تهویه مطبوع به عنوان یکی از ارکان اصلی تأمین سلامت محیطی، نقشی محوری در کنترل عفونت و پایداری عملکرد مراکز درمانی ایفا می‌کنند. با این حال، این سیستم‌ها همواره در معرض اختلالات تدریجی، ناهنجاری‌های عملکردی و فرسایش طولانی‌مدت قرار دارند که در صورت عدم شناسایی به‌موقع، می‌تواند به افت کارایی، افزایش هزینه‌های عملیاتی و تهدید ایمنی بیماران منجر شود. در این پژوهش، با هدف ارتقای تاب‌آوری بلندمدت سیستم‌های بیمارستانی، چارچوبی داده‌محور مبتنی بر هوش مصنوعی توسعه یافته است. در این راستا، داده‌های محیطی و عملیاتی از واحدهای تهویه مطبوع یک بیمارستان جمع‌آوری شده و با بهره‌گیری از الگوریتم‌های یادگیری عمیق پیش بینی تاریخچه زمانی دما و رطوبت و سپس شناسایی عیوب احتمالی انجام گرفت. نتایج نشان داد که مدل‌های یادگیری عمیق قادر به شناسایی افت کارایی سیستم با دقت میانگین ۲/۹۷% هستند. همچنین، میانگین همبستگی بالای ۶/۸۵% بین نتایج پیش‌بینی و داده‌های واقعی در پیش‌بینی بلندمدت، بیانگر انحراف کم بین مقادیر پیش‌بینی‌شده و واقعی است. علاوه بر این، برای ارزیابی کمی عملکرد حرارتی و سنجش سطح تاب‌آوری، شاخصی جدید با عنوان شاخص آسایش سایکرومتریک (PCPI) ارائه گردید که توانست تصویری جامع‌تر از وضعیت آسایش حرارتی و میزان پایداری سیستم ارائه دهد. نتایج نشان داد که در حالی‌که شاخص‌های سنتی در برابر افت‌های تدریجی عملکرد سیستم عمدتاً خاموش و بی‌واکنش باقی می‌مانند و قادر به ارائه‌ی هیچ سیگنال هشداردهنده‌ای نیستند، شاخص PCPI با حساسیت بالا حتی تغییرات جزئی را شناسایی کرده و رفتار سیستم را به‌صورت دقیق بازتاب دهد. بر این اساس، چارچوب پیشنهادی می‌تواند به عنوان ابزاری کارآمد در مدیریت هوشمند و پیش‌بینانه‌ی سیستم‌های بیمارستانی به‌کار گرفته شود و از طریق کاهش اختلالات، افزایش طول عمر تجهیزات و بهبود ایمنی و سلامت بیماران، ارزش عملیاتی و اقتصادی قابل توجهی ایجاد نماید. واژه‌های کلیدی: تاب‌آوری بلندمدت، سیستم‌های تهویه مطبوع بیمارستانی، یادگیری عمیق، پیش‌بینی عیوب، شاخص آسایش سایکرومتریک (PCPI) آدرس ایمیل: sa_aghili  civileng.iust.ac.ir |
دفعات مشاهده: 1051 بار |
دفعات چاپ: 144 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر