論文の概要: Predictive maintenance on event logs: Application on an ATM fleet

• arxiv url: http://arxiv.org/abs/2011.10996v4
• Date: Mon, 22 Nov 2021 07:56:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 08:49:29.102925
• Title: Predictive maintenance on event logs: Application on an ATM fleet
• Title（参考訳）: イベントログの予測的メンテナンス:ATMフリートへの適用
• Authors: Antoine Guillaume, Christel Vrain, Elloumi Wael
• Abstract要約: 一部のアプリケーションでは、センサからの出力は利用できず、代わりにマシンによって生成されたイベントログが使用される。 本稿ではまず,予測保守問題の解決に文献で使用されるアプローチについて検討し,156台のマシンのイベントログを含む新しい公開データセットを提案する。
• 参考スコア（独自算出の注目度）: 0.6961253535504979
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predictive maintenance is used in industrial applications to increase machine availability and optimize cost related to unplanned maintenance. In most cases, predictive maintenance applications use output from sensors, recording physical phenomenons such as temperature or vibration which can be directly linked to the degradation process of the machine. However, in some applications, outputs from sensors are not available, and event logs generated by the machine are used instead. We first study the approaches used in the literature to solve predictive maintenance problems and present a new public dataset containing the event logs from 156 machines. After this, we define an evaluation framework for predictive maintenance systems, which takes into account business constraints, and conduct experiments to explore suitable solutions, which can serve as guidelines for future works using this new dataset.
• Abstract（参考訳）: 予測メンテナンスは、機械の可用性を高め、計画外のメンテナンスに関連するコストを最適化するために、工業アプリケーションで使用される。 多くの場合、予測保守アプリケーションはセンサーからの出力を使用し、温度や振動などの物理現象を記録し、機械の劣化過程に直接関連付けることができる。 しかし、一部のアプリケーションでは、センサからの出力が利用できず、代わりにマシンが生成したイベントログが使用される。 本稿ではまず,予測保守問題の解決に文献で使用されるアプローチについて検討し,156台のマシンのイベントログを含む新しい公開データセットを提案する。 その後、ビジネス制約を考慮した予測保守システムの評価フレームワークを定義し、この新たなデータセットを用いた今後の作業のガイドラインとして機能する適切なソリューションを探索する実験を行う。

関連論文リスト

• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• Optimization paper production through digitalization by developing an assistance system for machine operators including quality forecast: a concept [50.591267188664666]
  廃紙からの紙の製造は、特にエネルギー消費の観点からも、依然として非常に資源集約的な課題である。 我々は,その利用方法の欠如を特定し,操作支援システムと最先端の機械学習技術を用いた概念の実装を行った。 我々の主な目的は、利用可能なデータを活用するマシンオペレーターに状況に応じた知識を提供することである。
  論文  参考訳（メタデータ） (2022-06-23T09:54:35Z)
• Prescriptive maintenance with causal machine learning [4.169130102668252]
  同様のマシン上での観測データから,保守条件が機械特性に与える影響を学習する。 産業パートナーから4000以上の保守契約に関する実生活データを用いて,提案手法を検証した。
  論文  参考訳（メタデータ） (2022-06-03T13:35:57Z)
• Predictive Maintenance using Machine Learning [0.0]
  予測保守(PdM)は、資産の保守計画を効果的に管理するために実施される。 データは一定期間にわたって収集され、機器の状態を監視する。
  論文  参考訳（メタデータ） (2022-05-19T09:05:37Z)
• Artificial Intelligence based tool wear and defect prediction for special purpose milling machinery using low-cost acceleration sensor retrofits [0.0]
  本稿では,加速度センサを応用して,そのような専用マシンの簡易な条件モニタリングを実現する。 ブレード摩耗, ブレード破損, 不適切な機械装着, 変速ベルト張力の不足など, 各種条件について検討した。
  論文  参考訳（メタデータ） (2022-02-07T11:02:48Z)
• LogLAB: Attention-Based Labeling of Log Data Anomalies via Weak Supervision [63.08516384181491]
  専門家の手作業を必要とせず,ログメッセージの自動ラベル付けのための新しいモデリング手法であるLogLABを提案する。 本手法は,監視システムが提供する推定故障時間ウィンドウを用いて,正確なラベル付きデータセットを振り返りに生成する。 我々の評価によると、LogLABは3つの異なるデータセットで9つのベンチマークアプローチを一貫して上回り、大規模な障害時ウィンドウでも0.98以上のF1スコアを維持している。
  論文  参考訳（メタデータ） (2021-11-02T15:16:08Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)
• Bandit Data-Driven Optimization [62.01362535014316]
  機械学習パイプラインが設定で有用になるためには、克服しなければならない大きな問題点が4つある。 これらの問題点に対処する最初の反復予測記述フレームワークであるBanditデータ駆動最適化を導入する。 本稿では,このフレームワークの新しいアルゴリズム PROOF を提案する。
  論文  参考訳（メタデータ） (2020-08-26T17:50:49Z)
• Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
  未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。 機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。 従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2020-07-07T10:00:32Z)
• A general anomaly detection framework for fleet-based condition monitoring of machines [16.51849885526826]
  機械の故障は時間とともに減少し、補修コストや人的被害や環境汚染につながる可能性がある。 近年の状況監視技術では,手作業による手作業の分析や手作業による特徴抽出を回避すべく,人工知能を用いている。 本研究は、フリートベースの条件監視のための教師なし、汎用的、異常検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-12-30T14:35:45Z)

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。