زمینه و مسئله: افزایش تولید لاستیک‌های فرسوده، نیاز به رویکردهای هوشمند برای بهبود بهره‌وری و کاهش خرابی‌های ناگهانی در مراکز بازیافت را ضروری ساخته است. با وجود پژوهش‌های گسترده در مدیریت پسماند، تاکنون چارچوب یکپارچه مبتنی بر هوش مصنوعی برای تصمیم‌گیری نگهداری ارائه نشده است.

هدف: پژوهش حاضر با هدف طراحی، پیاده‌سازی و ارزیابی یک سیستم خبره فازی هوشمند انجام شده است تا ضمن ارزیابی وضعیت تجهیزات، تصمیم‌گیری در زمینه اولویت‌بندی فعالیت‌های نگهداری و تعمیرات سامانه‌های بازیافت لاستیک‌های فرسوده را بهبود بخشد.

روش‌شناسی: چارچوب پیشنهادی بر پایه تلفیق نظام‌مند دانش خبرگان نگهداری (با بیش از ۱۵ سال سابقه)، شاخص‌های عینی قابلیت‌اطمینان تجهیزات، و منطق فازی برای مدیریت عدم‌قطعیت طراحی شده است. سیستم شامل ۷ متغیر ورودی (ارتعاش، دمای کاری، شدت سایش، فراوانی خرابی، MTBF، MTTR و امتیاز بازرسی)، ۲ متغیر خروجی (شاخص سلامت تجهیزات و اولویت نگهداری)، و ۲۳ قاعده فازی است. پیاده‌سازی در محیط پایتون انجام شده و از روش استنتاج ممدانی و غیرفازی‌سازی مرکز ثقل استفاده شده است. داده‌های پژوهش شامل ۱۰۰۰ رکورد شبیه‌سازی‌شده از ۱۰ نوع تجهیز اصلی مراکز بازیافت است و ارزیابی سیستم از طریق معیارهای آماری شامل ضریب همبستگی، میانگین خطای مطلق، و دقت طبقه‌بندی صورت گرفته است.

یافته‌ها: سیستم خبره فازی توسعه‌یافته، ضریب همبستگی ۰/۹۲۶۶، میانگین خطای مطلق ۱۰/۹۷، و دقت ۹۳/۱ درصد در بازه ±۲۰ واحد از شاخص سلامت واقعی را نشان داد. دقت سیستم در شناسایی تجهیزات بحرانی ۹۱ درصد و دقت کلی طبقه‌بندی اولویت نگهداری ۵۹/۷ درصد محاسبه شد. متغیرهای شدت سایش و ارتعاش بیشترین تأثیر را بر کاهش سلامت تجهیزات دارند. سیستم موفق به شناسایی ۱۰۶ تجهیز بحرانی شد.

نتیجه‌گیری: سیستم پیشنهادی با عملکرد مناسب در شرایط عدم‌قطعیت، ابزاری کارآمد برای خودکارسازی ارزیابی، شفافیت تصمیم‌گیری و بهینه‌سازی تخصیص منابع در صنعت بازیافت لاستیک است و قابلیت توسعه به سایر صنایع را دارد.