論文の概要: System-Level Predictive Maintenance: Review of Research Literature and Gap Analysis

• arxiv url: http://arxiv.org/abs/2005.05239v1
• Date: Mon, 11 May 2020 16:30:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 20:47:00.928240
• Title: System-Level Predictive Maintenance: Review of Research Literature and Gap Analysis
• Title（参考訳）: システムレベルの予測メンテナンス:研究文献のレビューとギャップ分析
• Authors: Kyle Miller and Artur Dubrawski
• Abstract要約: 本稿では,システムの観点から予測保守の分野における現在の文献を概観する。 複雑な資産の同じタスクを解くのに必要な機能と、現状の単純なコンポーネントに適用されている条件推定と失敗リスク予測の既存の能力とを区別する。
• 参考スコア（独自算出の注目度）: 17.559696144075776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reviews current literature in the field of predictive maintenance from the system point of view. We differentiate the existing capabilities of condition estimation and failure risk forecasting as currently applied to simple components, from the capabilities needed to solve the same tasks for complex assets. System-level analysis faces more complex latent degradation states, it has to comprehensively account for active maintenance programs at each component level and consider coupling between different maintenance actions, while reflecting increased monetary and safety costs for system failures. As a result, methods that are effective for forecasting risk and informing maintenance decisions regarding individual components do not readily scale to provide reliable sub-system or system level insights. A novel holistic modeling approach is needed to incorporate available structural and physical knowledge and naturally handle the complexities of actively fielded and maintained assets.
• Abstract（参考訳）: 本稿では,システムの観点から予測保守の分野における現在の文献を概観する。 複雑な資産の同じタスクを解くのに必要な機能と、現状の単純なコンポーネントに適用されている条件推定と失敗リスク予測の既存の能力とを区別する。 システムレベルの分析は、より複雑な潜在劣化状態に直面し、各コンポーネントレベルでのアクティブなメンテナンスプログラムを包括的に考慮し、異なるメンテナンスアクション間の結合を検討する必要がある。 その結果、リスク予測や個々のコンポーネントに関するメンテナンス決定の報知に有効な方法は、信頼性の高いサブシステムやシステムレベルの洞察を提供するために、容易にスケールできない。 利用可能な構造的および物理的知識を取り入れ、活発なフィールドと維持された資産の複雑さを自然に扱うために、新しい全体論的モデリングアプローチが必要である。

関連論文リスト

• Fostering Microservice Maintainability Assurance through a Comprehensive Framework [0.0]
  このプロジェクトの目的は、マイクロサービスベースのシステムに対する保守性保証を提供することだ。 マイクロサービスアーキテクチャに適した自動アセスメントフレームワークが導入されている。 このフレームワークは、アーティファクトからシステム特性の全体像まで、さまざまなレベルに対処する。
  論文  参考訳（メタデータ） (2024-07-23T22:45:29Z)
• Leveraging Traceability to Integrate Safety Analysis Artifacts into the Software Development Process [51.42800587382228]
  安全保証ケース(SAC)は、システムの進化中に維持することが困難である。 本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。 安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
  論文  参考訳（メタデータ） (2023-07-14T16:03:27Z)
• Towards Quantification of Assurance for Learning-enabled Components [3.0938904602244355]
  本稿は, 関連性属性を同定し, 関連性属性と関連する不確実性を定量化することに基づいて, LECの保証という概念を考案する。 非パラメトリックベイズアプローチを用いて、保証の有効な定量的尺度を特定し、関連する不確実性を特徴づける。 また,システムレベルの保証に対するLEC保証の関連性や貢献,アプローチの一般化可能性,関連する課題についても論じる。
  論文  参考訳（メタデータ） (2023-01-21T17:34:05Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)
• Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
  本稿では、国家安全RLの観点から、この領域における先行研究を再考する。 安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。 この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
  論文  参考訳（メタデータ） (2022-12-12T06:30:17Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Sample-Efficient Reinforcement Learning in the Presence of Exogenous Information [77.19830787312743]
  実世界の強化学習アプリケーションでは、学習者の観察空間は、その課題に関する関連情報と無関係情報の両方でユビキタスに高次元である。 本稿では,強化学習のための新しい問題設定法であるExogenous Decision Process (ExoMDP)を導入する。 内因性成分の大きさのサンプル複雑度で準最適ポリシーを学習するアルゴリズムであるExoRLを提案する。
  論文  参考訳（メタデータ） (2022-06-09T05:19:32Z)
• Tailored Uncertainty Estimation for Deep Learning Systems [10.288326973530614]
  本稿では,適切な不確実性推定手法の選択を導く枠組みを提案する。 私たちのフレームワークは、この選択を検証し、構造的な弱点を明らかにするための戦略を提供します。 これは、機械学習システムの技術的適切性を示す証拠を必要とする予測された機械学習規則を予想する。
  論文  参考訳（メタデータ） (2022-04-29T09:23:07Z)
• Joint Differentiable Optimization and Verification for Certified Reinforcement Learning [91.93635157885055]
  安全クリティカル制御システムのためのモデルベース強化学習では,システム特性を正式に認定することが重要である。 本稿では,強化学習と形式検証を共同で行う枠組みを提案する。
  論文  参考訳（メタデータ） (2022-01-28T16:53:56Z)
• Computational framework for real-time diagnostics and prognostics of aircraft actuation systems [0.0]
  本研究は, 信号取得, 故障検出と同定, 有用寿命推定の3段階に対処する。 この目的を達成するために、異なる忠実度を持つ物理モデルからの情報と機械学習技術を組み合わせることを提案する。 この手法は、二次飛行制御のための航空機の電気機械アクチュエータのFDIおよびRUL推定のために評価される。
  論文  参考訳（メタデータ） (2020-09-30T12:53:07Z)
• Quantifying Assurance in Learning-enabled Systems [3.0938904602244355]
  機械学習コンポーネントを組み込んだシステムの依存性保証は、安全クリティカルなアプリケーションで使用する上で重要なステップである。 本稿では, LESが信頼できるという保証の定量的概念を, 保証ケースのコアコンポーネントとして開発する。 本稿では,現実の自律型航空システムへの適用による保証対策の有用性について述べる。
  論文  参考訳（メタデータ） (2020-06-18T08:11:50Z)

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。