طراحی و ساخت سیستم تشخیص و عیب‌یابی خودرو سواری بانوان با استفاده از هوش مصنوعی
مقاله با عنوان "طراحی و ساخت سیستم تشخیص و عیب‌یابی خودرو سواری بانوان با استفاده از هوش مصنوعی" توسط میثم برداره، تارا علیخانی، رقیه عبدی و ملیکا طاهریان نوشته شده است. این مقاله در پانزدهمین کنفرانس بین‌المللی حسابداری، مدیریت و نوآوری در کسب‌وکار ارائه شده است.
چکیده:
امروزه شاخه‌های متعددی از فناوری، از جمله هوش مصنوعی (AI)، مشکلات بسیاری را حل کرده‌اند. به همین ترتیب، حوزه خودروسازی نیز با فناوری OBDII در حال پیشرفت است. در این پژوهش از یک سیستم IOT و AI برای طراحی یک سیستم تشخیص خودرو با استفاده از فناوری OBD-II استفاده شده است. در این سیستم از ماژول ESP32 برای جمع‌آوری داده‌ها از هر خودرو و از یک Mini-PC برای اجرای فرآیند تشخیص با استفاده از منطق فازی تسوکاموتو برای سه یا تعداد بیشتری خودرو استفاده می‌شود که این رویکرد هزینه تحقیق را کاهش می‌دهد. به طور کلی سیستم پیشنهادی در پایش سلامت خودرو بر اساس پارامترهای تعیین شده موفق عمل کرده است. این سیستم شامل مراحل جمع‌آوری نیازمندی‌ها و تحلیل، طراحی سیستم، پیاده‌سازی و توسعه، و تست می‌باشد.
واژگان کلیدی:
هوش مصنوعی، منطق فازی تسوکاموتو، تشخیص سلامت خودرو.
مقدمه:
پیشرفت‌های فناوری در این عصر، شیوه عملکرد سیستم‌های محاسباتی و ارتباطی را تغییر داده‌اند. اینترنت در سال‌های اخیر به طور چشمگیری گسترش یافته و به استفاده گسترده توسط افراد در تمام نسل‌ها منجر شده است. بر اساس گزارش‌ها، توسعه اینترنت به یک روند مستقل و بسیار محبوب تبدیل شده است. در سال ۲۰۲۲ تعداد کاربران اینترنت در اندونزی به ۷.۲۰۴ میلیون نفر رسید که ۷.۷۳ درصد از جمعیت را شامل می‌شود. اینترنت در دهه‌های اخیر در بسیاری از حوزه‌ها به شکل گسترده‌ای مورد استفاده قرار گرفته است.
مانند اینترنت، بخش خودروسازی نیز پیشرفت سریعی را تجربه می‌کند
تئوری پایه:
سیستم پیشنهادی بر اساس پایگاه داده طراحی شده است که توسط سیستم خبره برای تشخیص خرابی‌های خودرو استفاده می‌شود. در اولین مرحله طراحی پایگاه داده، اطلاعات خرابی‌های خودرو از منابع مختلف مهندسی مکانیک به دست آمد و سپس پایگاه داده‌ای شامل ۳۲۰ خرابی خودرو و بیش از ۱۹۲۰ قانون ایجاد شد. سپس پرسشنامه‌ای برای شناسایی شایع‌ترین خرابی‌های خودروها طراحی شد. پس از آن اطلاعات در جدول وارد شده و الگوریتم PSO بر روی این جدول اعمال می‌شود تا شایع‌ترین خرابی‌ها شناسایی شوند. پایگاه داده خروجی شامل ۲۳۱ خرابی خودرو است که این پایگاه داده برای تشخیص خرابی‌ها با استفاده از سیستم خبره به کار می‌رود.
روش‌شناسی:
روش تحقیق در این پژوهش از روش آبشار تکرار شونده استفاده می‌کند. این روش بر اساس پارادایم‌های توسعه آبشار و تکرار شونده است. این مدل از یک فاز کارآمد در چارچوب چرخه عمر توسعه نرم‌افزار (SDLC) استفاده می‌کند. ویژگی منحصر به فرد مدل آبشار تکرار شونده این است که یک مسیر بازخورد به مرحله قبلی وجود دارد که در حل مشکلات نرم‌افزار در فازهای خاص بسیار مفید است.
سخت‌افزارها و نرم‌افزارهای مورد نیاز برای سیستم IoT:
در جدول ۱ و جدول ۲ مقاله، سخت‌افزارها و نرم‌افزارهای مورد نیاز برای توسعه یک سیستم کامل در سیستم IoT پیشنهادی آورده شده است.
نتیجه‌گیری:
این تحقیق نشان داده است که چگونه می‌توان داده‌ها را از دستگاه ECU وسایل نقلیه با استفاده از دستگاهی به نام OBD-II و با کمک هوش مصنوعی به صورت منطق فازی تسوکاموتو برای تشخیص سلامت وسیله نقلیه جمع‌آوری کرد. همانطور که در جدول نشان داده شده، سیستم IoT پیشنهادی به خوبی و با دقت عمل کرده و مقدار MAPE بسیار پایین 9 را نشان می‌دهد. در حالی که سیستم AI پیشنهادی نیز به خوبی عمل کرده است. مقایسه با جعبه ابزار منطق فازی با استفاده از ممدانی نشان می‌دهد که سیستم AI پیشنهادی منطق فازی با تسوکاموتو مقدار MAPE بزرگتری نسبت به سیستم ممدانی دارد.
ویژگی‌های سیستم پیشنهادی به شرح زیر است
- هدف از این تحقیق، دستیابی به روش جدیدی برای سرویس الکترونیکی تشخیص خرابی خودرو با استفاده از الگوریتم PSO و سیستم خبره است
- سیستم پیشنهادی نه تنها قادر به تشخیص خرابی خودرو است، بلکه این سیستم می‌تواند در سایر حوزه‌ها مانند بیماری‌های انسانی نیز اعمال شود، تنها با تعویض داده‌ها
- این سیستم ویژگی‌های سیستم‌های خبره خوب را داراست، مانند عملکرد بالا، زمان پاسخ‌دهی مناسب، قابلیت درک و فهم‌پذیری
- همچنین این سیستم امکان توسعه خدمات به موقع یا خدمات موبایلی را فراهم کرده است که دسترسی به سیستم را در هر زمان و مکانی را میسر می‌سازد
امروزه شاخه‌های متعددی از فناوری، از جمله هوش مصنوعی (AI)، مشکلات بسیاری را حل کرده‌اند. به همین ترتیب، حوزه خودروسازی نیز با فناوری OBDII در حال پیشرفت است.
