AI-Powered Predictive Maintenance for Industrial Equipment

طورت نظام متكامل للصيانة التنبؤية باستخدام الذكاء الاصطناعي لتحليل بيانات حساسات IoT الخاصة بالمعدات الصناعية والتنبؤ بالأعطال قبل حدوثها، بهدف تقليل التوقف المفاجئ وخفض تكاليف الصيانة وتحسين كفاءة التشغيل.

-المشروع يعتمد على تقنيات Machine Learning متقدمة تشمل:

1-بناء وتدريب عدة نماذج مثل XGBoost وCatBoost وLightGBM وRandom Forest

2-استخدام Ensemble Learning وHyperparameter Tuning عبر Optuna

3-معالجة مشكلة عدم توازن البيانات باستخدام SMOTE وADASYN

4-تنفيذ Feature Engineering متقدم وإنشاء أكثر من 70 ميزة مشتقة من بيانات الحساسات

5-تحسين دقة التنبؤ عبر Threshold Optimization وProbability Calibration

تقديم تفسيرات واضحة للنتائج باستخدام SHAP

حقق النظام:

Accuracy: 96.18%

F1-Score: 80.2%

Recall: 84.76%

ROC-AUC: 98.22%

كما تم تجهيز المشروع ليكون Production-Ready مع دعم المعالجة اللحظية لبيانات الحساسات وإمكانية التكامل عبر API.

التقنيات المستخدمة:

Python, Scikit-learn, CatBoost, XGBoost, LightGBM, Pandas, NumPy, Optuna, SHAP, Flask/FastAPI