هوش تصمیمیار قابل ممیزی برای نگهداری هوانوردی: معماری حکمرانی شاخصهای کلیدی عملکرد
هوش تصمیمیار قابل ممیزی برای نگهداری هوانوردی: معماری حکمرانی شاخصهای کلیدی عملکرد
سید عبدالحجت مقدس نیان1
1) دانشگاه تربیت مدرس
کد IOI مقاله
:
AAHD-ABGKZZ
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
سازمانهای نگهداری، تعمیر و بازآماد هوانوردی بهطور فزایندهای از دادههای برنامهریزی منابع سازمانی، سوابق موجودی، تاریخچه دستورکارها، شواهد تدارکات، مستندات کیفیت، تأییدهای مالی و تعهدات مشتری برخوردارند؛ بااینحال، بسیاری از تصمیمهای عملیاتی همچنان با تأخیر، پراکندگی مسئولیت و ضعف ممیزی روبهرو هستند. این مقاله «چارچوب حکمرانی هوش تصمیمیار برای نگهداری، تعمیر و بازآماد هوانوردی» را با نام اختصاری AMRO-DIGF توسعه میدهد. این چارچوب یک معماری علم طراحی برای حکمرانی هوش تصمیمیار مبتنی بر هوش مصنوعی در محیطهای ایمنیحساس نگهداری هوانوردی است. مطالعه حاضر راهنماهای عملیات دیجیتال هوانوردی، الزامات صلاحیت پروازی و تعمیرگاهی، استانداردهای مدیریت ریسک هوش مصنوعی، نظریه علم طراحی، ادبیات هوش مصنوعی در نگهداری هواپیما و مجموعه آثار پیشین نویسنده درباره حکمرانی شاخصهای کلیدی عملکرد، معماری AISA-L، کارایی نگهداری، سنجش عملکرد هوش مصنوعی، کنترل موجودی و نگهداری پیشبینانه را ترکیب میکند. AMRO-DIGF از پنج لایه وابسته تشکیل شده است: یکپارچهسازی و تبارشناسی داده، تشخیص عملیاتی، توصیه پشتیبانیشده با هوش مصنوعی، اختیار انسانی و حکمرانی انطباق، و بازخورد مبتنی بر شاخصهای کلیدی عملکرد. سهم مقاله ارائه داشبورد یا ابزار پیشبینی دیگر نیست؛ بلکه معماری حکمرانی برای تبدیل شواهد پراکنده نگهداری به تصمیمهای قابل ردیابی، انسانمجاز، منطبق و منضبط از نظر مالی است.
کلمات کلیدی : نگهداری تعمیر و بازآماد هوانوردی هوش تصمیمیار حکمرانی شاخصهای کلیدی عملکرد هوش مصنوعی انطباق صلاحیت پروازی تحلیل نگهداری