مقدمه
افزایش هزینه تعویض تجهیزات، افراد و سازمانها را وادار به افزایش عمر مفید سیستمها کرده است. خطوط لوله با گذشت زمان رو به خرابی می گذارند. از این رو کاربر باید قادر به ارزیابی خرابی باشد و از عدم وقوع شکست در خط لوله اطمینان یابد. پیش بینی عمر باقیمانده خطوط لوله متأثر از خوردگی علاوه بر اینکه از طریق بازرسی و تعمیرات به موقع به افزایش عمر خطوط لوله کمک می کند، با پیشگیری از نشتی از بروز صدمات مالی و جانی نیز جلوگیری به عمل می آورد. در ضمن در صورت اطلاع از زمان وقوع شکست خط لوله، با انجام تعمیرات برنامه ریزی شده می توان از توقف ناخواسته واحدهای تولیدی جلوگیری کرد و به افزایش بهره وری کمک نمود. در زمینهی پیش بینی استحکام باقیمانده خطوط لوله مطالعات بس یاری بر اساس روشها قطعی و احتمالی انجام شده است. روش های قطع از پیش بینی زمان شکست ناتوان هستند و روشهای احتمالی نیز به دلیل پیچیدگی با استقبال کاربران مواجه نشده اند. در این مقاله از روش استدلال مبتنی بر مورد (CBR) که روش نسبتا جدیدی در هوش مصنوعی (AI) می باشد، برای پیش بینی عمر باقیمانده خطوط لوله دچار خوردگی استفاده شده است. داده های مورد استفاده درتحقیق از اطلاعات مربوط به ضخامت سنجی خطوط لوله در شرکت پتروشیمی اراک جمع آوری شده است. بر اساس روش استدلال مبتنی بر مورد، مدلی برای پیش بینی عمر باقیمانده ارائه شده است. نتایج آزمایش مدل، موفقیت آن را در 80 درصد مواقع نشان می دهد.
بررسی تأثیر کیفیت خدمات بانکداری الکترونیک بر رضایتمندی مشتریان با استفاده از مدل ترکیبی کانو و تح