برای جمع آوری داده فرایند سخت و زمانبری شروع شد.با مشخص شده دو توربین مورد نظر به هر دوکارخانه بطور جداگانه مراجعه شد تا فرمهای ورود اطلاعات که تا قبل از این بطور دستی پر می شد از آرشیو کارخانه جدا و انتخاب شوند.همانطور که قبلا عنوان شد برای هر توربین حدود ۸۰ پارامتر بطور دستی درون ۴ فرم مختلف ثبت می شد.همه این فرمها برای هر توربین بطور جداگانه درون آرشیو جستجو و در نهایت جدا شدند.۳۵ پارامتر نهایی انتخاب شده هم در بین این ۸۰ پارامتر و درون این ۴ فرم پخش بودند که بایستی برای ورود اطلاعات جدا و مشخص می شدند.

درون هر فرم ۲۴ رکورد که نشان دهنده یک ساعت از شبانه روز است و حدود ۲۰ تا ۳۰ ستون برای ورود اطلاعات پارامترهای مختلف وجود دارد که همگی بصورت عددی اعم از اعشاری و صحیح می باشند. نمونه ای این فرمها که بطور دستی درون آنها اطلاعات وارد شده است در ادامه قابل مشاهده است.
شکل ۸- نمونه فرم دستی پر شده در کارخانه بی بی حکیمه ۲
درنهایت حدود ۱۲۰۰ برگه در قالب ۸ فرم مختلف جدا شد و برای ورود اطلاعات در قالب فرمهای اکسل آماده شده، در اختیار اپراتورها قرار گرفت.
سپس ورود اطلاعات برای ۳۴ پارامتر نهایی انتخاب شده برای دو توربین مختلف در فرمهای آماده شده اکسل شروع شد، که حدود ۴۵ روز برای انجام این کار زمان صرف شد.
در مجموع برای فرایند جمع آوری و ورود داده های نهایی برای طراحی مدل حدود ۳ ماه زمان صرف شد.که البته سختی جابجایی و مراجعه چندباره به کارخانه های مورد نظر که در فواصل جغرافیایی طولانی نسبت به مرکز و در نقاط پست وسخت آب و هوایی قرار دارند نیز به دشواری های جمع آوری داده نیز افزوده می شد.نمونه ای از فرم ها که اطلاعات پالایش نشده در آن وارد شده است در ادامه قابل مشاهده است.
جدول ۸- نمونه ای از فرم پر شده وپالایش نشده کارخانه بی بی حکیمه ۲
۴-۴-۵-پالایش داده ها
ورود اطلاعات مورد نظر در دو فایل با قالب اکسل برای دو توربین مد نظر پروژه انجام شد.فرم اکسل کارخانه فشار قوی با ۳۵ پارامتر(ستون) و فرم اکسل کارخانه بی بی حکیمه ۲ با ۳۴ پارامتر(ستون) برای پالایش و بررسی آماده شدند.
داده های هر دو فرم می باست مورد بررسی دقیق قرار می گرفت تا داده های با واحد یکسان بصورت هماهنگ تبدیل شده و همچنین داده های خراب و اشتباه جستجو و تصحیح شده و یا اینکه داده های غیر قابل استفاده از درون اطلاعات حذف شوند.
در نهایت دو فرم اکسل با داده های دقیق و کامل و فرمت یکسان با توجه به نوع واحد داده آماده شد تا در ادامه پروژه برای طراحی مدل مورد استفاده قرار بگیرند.نمونه این دو فرم نهایی پالایش شده در ادامه قابل مشاهده است.
جدول ۹- نمونه ای از فرم پر شده و پالایش شده کارخانه بی بی حکیمه ۲
۴-۵-آنالیز داده ها
۴-۵-۱-آنالیز داده های وضعیت و شرایطی
در این مرحله بایستی یک آنالیز آماری روی داده ها انجام شود تا بتوان ارتباط بین پارامترها را مشخص نمود.
بررسی مجموعه داده ها، ساده سازی و یافتن الگوی حاکم بر متغیرها مهمترین مرحله از فرایند
مدل سازی و حل مساله است.
این هدف خود متاثر از چندین متغیر و رفتار تاریخی آنها است. بنابراین بررسی رفتار هم زمان متغیرها برای بررسی مسائل مختلف از اهمیت بسزایی برخوردار است و در این میان روش های چندمتغیره به بررسی رفتار هم زمان چندین متغیر می پردازد. بررسی مولفه های اساسی (PCA)و تحلیل عوامل (FA)، روش های آماری هستند
^۱ Principal Component Analysis
۲ Factor Analysis
که غالبا برای بررسی گروهی از متغیرهای همبسته مرتبط با یک حوزه یا بیشتر به کار می روند. مهمترین کاربردهای روش های مذکور را می توان در تجزیه و تحلیل نماگرهای چندگانه، اندازه گیری و شناخت ساختارهای پیچیده ، شاخص سازی و کاهش ابعاد داده ها جستجو کرد. این روشها به خصوص در شرایطی که ابعاد داده ها و ترکیب ساختار آنها کاملا مشخص نیست ، مفید است .
روش PCA
در بین روش های چندمتغیره، تحلیل مولفه های اساسی(PCA) روشی آماری است که با بهره گرفتن از آن می توان ابعاد مشاهدات را کاهش داده و یک شاخص ترکیبی استخراج نمود. با کمک این روش و مشخص کردن ارتباط بین پارامترها می توان تعداد آنها را کاهش داد و با بهره گرفتن از شاخص های جدید ایجاد شده و با تعداد پارامتر کمتر به ایجاد و طراحی مدل دقیق تری پرداخت[۱۸].این روش روی داده های هر دو فایل اکسل انجام شد و در گام اول ماتریس الگو و ماتریس همبستگی استخراج شد.در این دو ماتریس پارامترهای مرتبط و وابسته به هم مشخص شدند.این دو ماتریس در ادامه قابل مشاهده خواهند بود.
جدول ۱۰- ماتریس الگو برای متغیرها کارخانه فشار قوی