پیش بینی هزینه های تعمیر و نگهداری تاثیر معنی داری در تصمیم گیری های اقتصادی مدیر ماشین های کشاورزی دارد. هدف از این تحقیق، ارزیابی قابلیت پیش بینی هزینه های تعمیر و نگهداری تراکتور با استفاده شبکه عصبی مصنوعی RBF[1] می باشد. مطالعه حاضر با استفاده از داده های واقعی 10 تراکتور فیات موجود در کشت و صنعت آستان قدس رضوی انجام شد. پارامترهای بهینه شبکه عصبی RBF از طریق سعی و خطا بر رروی داده های موجود انتخاب شدند. برای ارزیابی قابلیت مدل RBF در پیش بینی هزینه های تعمیر و نگهداری از مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری و نیز خط رگرسیونی بین داده های پیش بینی شده توسط شبکه عصبی RBF و مقادیر واقعی آنها استفاده شد. نتایج نشان داد که در فاز آموزش و آزمایش 99/0<p می باشد، که نشان دهنده عدم وجود تفاوت معنی داری بین مقادیر ویژگی های آماری( میانگین، واریانس و توزیع آماری ) مجموعه داده های پیش بینی شده هزینه های تعمیر و نگهداری و مقادیر واقعی آنها بود. به عبارتی شبکه عصبی مصنوعی RBF به خوبی توانست مدل داده های هزینه های تعمیرو نگهداری را بیاموزد. نتایج نشان داد که شبکه عصبی آموزش دیده، دارای قابلیت بالایی در پیش بینی هزینه های تعمیر و نگهداری با خطای کمتر از 8/0 درصد بود. نتایج حاصل نشان می دهد که شبکه عصبی RBF قادر به پیش بینی دقیق هزینه های تعمیرونگهداری تراکتو است. بنابراین، شبکه عصبی می تواند قابلیت تصمیم گیری اقتصادی مدیران ماشین را بهبود بخشد.

کلمات کلیدی