論文の概要: Tracking and Visualizing Signs of Degradation for an Early Failure Prediction of a Rolling Bearing

• arxiv url: http://arxiv.org/abs/2011.09086v1
• Date: Wed, 18 Nov 2020 04:46:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 05:22:48.767299
• Title: Tracking and Visualizing Signs of Degradation for an Early Failure Prediction of a Rolling Bearing
• Title（参考訳）: 転がり軸受の早期故障予測のための劣化の追跡と可視化
• Authors: Sana Talmoudi (1), Tetsuya Kanada (2) and Yasuhisa Hirata (3) ((1) Department of Robotics, Graduate Faculty of Engineering, Tohoku University, (2) D'isum Inc.)
• Abstract要約: 本稿では,機械の革新的な故障予測手法を提案する。 提案手法は, 機械による振動データの全スペクトルとデータ可視化技術を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predictive maintenance, i.e. predicting failure to be few steps ahead of the fault, is one of the pillars of Industry 4.0. An effective method for that is to track early signs of degradation before a failure happens. This paper presents an innovative failure predictive scheme for machines. The proposed scheme combines the use of full spectrum of the vibration data caused by the machines and data visualization technologies. This scheme is featured by no training data required and by quick start after installation. First, we propose to use full spectrum (as high-dimensional data vector) with no cropping and no complex feature extraction and to visualize data behavior by mapping the high dimensional vectors into a 2D map. We then can ensure the simplicity of process and less possibility of overlooking of important information as well as providing a human-friendly and human-understandable output. Second, we propose Real-Time Data Tracker (RTDT) which predicts the failure at an appropriate time with sufficient time for maintenance by plotting real-time frequency spectrum data of the target machine on the 2D map composed from normal data. Third, we show the test results of our proposal using vibration data of bearings from real-world test-to-failure measurements provided by the public dataset, the IMS dataset.
• Abstract（参考訳）: 予測メンテナンス、すなわち障害から数ステップ先にある障害を予測することは、業界における4.0の柱の1つです。 その効果的な方法は、障害が発生する前に劣化の早期兆候を追跡することである。 本稿では,機械の故障予測手法を提案する。 提案手法は, 機械による振動データの全スペクトルとデータ可視化技術を組み合わせたものである。 このスキームは、必要なトレーニングデータやインストール後のクイックスタートによって特徴付けられる。 まず,切り抜きや複雑な特徴抽出を伴わない全スペクトル(高次元データベクトル)を用い,高次元ベクトルを2次元マップにマッピングすることでデータの挙動を可視化することを提案する。 そして、プロセスの単純さを保証し、重要な情報を見渡す可能性を減らすと同時に、人間フレンドリーで人間に理解可能なアウトプットを提供することができます。 第2に、正規データからなる2dマップ上にターゲットマシンのリアルタイム周波数スペクトルデータをプロットして、適切なタイミングで障害を十分な時間をかけて予測し、メンテナンスするリアルタイムデータトラッカ(rtdt)を提案する。 第3に,公的なデータセットであるimsデータセットが提供する実世界のテスト・トゥ・フェール測定から,軸受の振動データを用いた実験結果を示す。

関連論文リスト

• Energy-Efficient Edge Learning via Joint Data Deepening-and-Prefetching [9.468399367975984]
  我々は、JD2P(Joint Data Deepening-and-Prefetching)と呼ばれる新しいオフロードアーキテクチャを提案する。 JD2Pは2つの主要な技術からなる機能ごとのオフロードである。 MNISTデータセットを用いてJD2Pの有効性を評価する。
  論文  参考訳（メタデータ） (2024-02-19T08:12:47Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Layout Sequence Prediction From Noisy Mobile Modality [53.49649231056857]
  軌道予測は、自律運転やロボット工学などの応用における歩行者運動を理解する上で重要な役割を担っている。 現在の軌道予測モデルは、視覚的モダリティからの長い、完全な、正確に観察されたシーケンスに依存する。 本稿では,物体の障害物や視界外を,完全に視認できる軌跡を持つものと同等に扱う新しいアプローチであるLTrajDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-09T20:32:49Z)
• Generative Pre-Training of Time-Series Data for Unsupervised Fault Detection in Semiconductor Manufacturing [20.71342655519934]
  本稿では,畳み込み・生成事前学習型変換器を用いた時系列異常検出のためのTRACE-GPTを提案する。 私たちのモデルは、すべてのデータセットでEER(Equal Error Rate)が最も高いF1スコアを持ち、オープンデータセットの監督された最先端ベースラインよりわずか0.026低い。
  論文  参考訳（メタデータ） (2023-09-20T16:01:45Z)
• Applied Bayesian Structural Health Monitoring: inclinometer data anomaly detection and forecasting [0.0]
  傾斜計プローブ(inlinometer probe)は、土木斜面内の変形を測定する装置である。 本稿では,実世界の傾斜計データに対するベイズ手法の新たな応用を実証する。
  論文  参考訳（メタデータ） (2023-07-01T11:28:43Z)
• A hybrid feature learning approach based on convolutional kernels for ATM fault prediction using event-log data [5.859431341476405]
  イベントログデータから特徴を抽出するために,畳み込みカーネル(MiniROCKETとHYDRA)に基づく予測モデルを提案する。 提案手法は,実世界の重要な収集データセットに適用される。 このモデルは、ATMのタイムリーなメンテナンスにおいてオペレータをサポートするコンテナベースの意思決定支援システムに統合された。
  論文  参考訳（メタデータ） (2023-05-17T08:55:53Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• SensorSCAN: Self-Supervised Learning and Deep Clustering for Fault Diagnosis in Chemical Processes [2.398451252047814]
  本研究では,教師なし故障検出・診断のための新しい手法であるSensorSCANを提案する。 我々は、テネシー・イーストマン・プロセスの2つの公開データセットに、さまざまな欠点のあるモデルの性能を実演する。 本手法は,故障の数が事前に分かっていない実世界のアプリケーションに適している。
  論文  参考訳（メタデータ） (2022-08-17T10:24:37Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• PnPNet: End-to-End Perception and Prediction with Tracking in the Loop [82.97006521937101]
  我々は、自動運転車の文脈において、共同認識と運動予測の問題に取り組む。 我々は,入力センサデータとしてエンド・ツー・エンドのモデルであるNetを提案し,各ステップのオブジェクト追跡とその将来レベルを出力する。
  論文  参考訳（メタデータ） (2020-05-29T17:57:25Z)

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。