論文の概要: A Survey on Predictive Maintenance for Industry 4.0
- arxiv url: http://arxiv.org/abs/2002.08224v1
- Date: Wed, 5 Feb 2020 09:33:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 21:47:39.834116
- Title: A Survey on Predictive Maintenance for Industry 4.0
- Title(参考訳): 産業の予測保守に関する調査研究 4.0
- Authors: Christian Krupitzer (1), Tim Wagenhals (2), Marwin Z\"ufle (1),
Veronika Lesch (1), Dominik Sch\"afer (3), Amin Mozaffarin (4), Janick
Edinger (2), Christian Becker (2), Samuel Kounev (1) ((1) University of
W\"urzburg, W\"urzburg, Germany, (2) University of Mannheim, Mannheim,
Germany, (3) Syntax Systems GmbH, Weinheim, Germany, (4) MOZYS Engineering
GmbH, W\"urzburg)
- Abstract要約: 2016年のフォルクスワーゲンの生産問題は、週に最大4億ユーロの売り上げに劇的な損失をもたらした。
本稿では,産業4.0の予測保守における技術の現状について調査する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Production issues at Volkswagen in 2016 lead to dramatic losses in sales of
up to 400 million Euros per week. This example shows the huge financial impact
of a working production facility for companies. Especially in the data-driven
domains of Industry 4.0 and Industrial IoT with intelligent, connected
machines, a conventional, static maintenance schedule seems to be
old-fashioned. In this paper, we present a survey on the current state of the
art in predictive maintenance for Industry 4.0. Based on a structured literate
survey, we present a classification of predictive maintenance in the context of
Industry 4.0 and discuss recent developments in this area.
- Abstract(参考訳): 2016年のフォルクスワーゲンの生産問題は、週に最大4億ユーロの売り上げに劇的な損失をもたらした。
この例は、企業の労働生産施設の経済的影響を示している。
特に、インダストリアル4.0とインダストリアルIoTのインテリジェントでコネクテッドマシンのデータ駆動ドメインでは、従来の静的メンテナンススケジュールは時代遅れのようだ。
本稿では,産業4.0の予測保守における技術の現状について調査する。
本稿では, 構造的リテラト調査に基づき, 産業4.0の文脈における予測保守の分類と最近の展開について考察する。
関連論文リスト
- When Industry meets Trustworthy AI: A Systematic Review of AI for
Industry 5.0 [0.0]
私たちは、業界が進化する現在のパラダイムを分析し、より持続的で信頼できるものにすることに重点を置いています。
産業5.0では、人工知能(AI)が持続可能な、人間中心でレジリエントな視点からサービスを構築するために使用される。
論文 参考訳(メタデータ) (2024-03-05T15:49:33Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳(メタデータ) (2023-04-28T10:27:38Z) - VisDA 2022 Challenge: Domain Adaptation for Industrial Waste Sorting [61.52419223232737]
産業廃棄物の選別において、最も大きな課題の1つは入力ストリームの極端な多様性である。
産業廃棄物浄化における領域適応に関するVisDA 2022の課題について紹介する。
論文 参考訳(メタデータ) (2023-03-26T21:38:38Z) - The Technological Emergence of AutoML: A Survey of Performant Software
and Applications in the Context of Industry [72.10607978091492]
Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。
このレビューは、このトピックに関する知識に2つの主要な貢献をしている。
オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
論文 参考訳(メタデータ) (2022-11-08T10:42:08Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳(メタデータ) (2022-09-21T08:14:34Z) - Data Heterogeneity-Robust Federated Learning via Group Client Selection
in Industrial IoT [57.67687126339891]
FedGSは5Gのエンパワーメント産業のための階層的なクラウド・エッジ・エンドのFLフレームワークである。
自然にクラスタ化されたファクトリデバイスを利用することで、FedGSは勾配ベースのバイナリ置換アルゴリズムを使用する。
実験によると、FedGSは精度を3.5%改善し、トレーニングラウンドを平均59%削減している。
論文 参考訳(メタデータ) (2022-02-03T10:48:17Z) - Visoes da Industria 4.0 [0.0]
産業は高度に機械化された自動化された材料を生産する経済の一部である。
産業4.0という用語は、第4次産業革命のために設立された。
持続的な労働力訓練の側面や持続可能性資源の使用は広くは行われていない。
論文 参考訳(メタデータ) (2021-05-07T00:33:46Z) - Implementing the Cognition Level for Industry 4.0 by integrating
Augmented Reality and Manufacturing Execution Systems [3.094458292166017]
本稿では,既存の製造実行システム(MES)をCPSに統合した認知レベルを作成する拡張現実(AR)ベースのシステムを提案する。
実際の工場で分析されたこのシステムは、物理世界とデジタル世界を強く統合する能力を示している。
論文 参考訳(メタデータ) (2020-11-18T21:53:13Z) - An Economic Perspective on Predictive Maintenance of Filtration Units [0.0]
企業による予測保守の導入率は依然として低い。
主な問題は、ほとんどの上級管理職が予測保守の考えを十分に確信していないことである。
本研究は,予測保守の技術的領域とビジネス領域のギャップを埋めることを目的としている。
論文 参考訳(メタデータ) (2020-08-25T14:43:30Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳(メタデータ) (2020-08-24T22:40:26Z) - The impact of Industry 4.0 technologies on production and supply chains [0.0]
この論文は、主要工業国(ドイツ、日本、スイスなど)の現況に光を当てている。
問題は、このような生産インフラの移行がいかに効率的に行われるかである。
我々の研究は、業界4.0への移行に対処する因果モデルを示す、この種の最初の研究である。
論文 参考訳(メタデータ) (2020-04-15T10:08:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。