論文の概要: Predictive Maintenance -- Bridging Artificial Intelligence and IoT
- arxiv url: http://arxiv.org/abs/2103.11148v1
- Date: Sat, 20 Mar 2021 10:01:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-23 14:43:32.733736
- Title: Predictive Maintenance -- Bridging Artificial Intelligence and IoT
- Title（参考訳）: 予測メンテナンス -- 人工知能とiotの橋渡し
- Authors: G.G. Samatas, S.S. Moumgiakmas, G.A. Papakostas
- Abstract要約: 本稿では,機械学習を用いて予測保守の分野におけるトレンドを明らかにする。
6部門が発表され、総出版物の54.54%を占める生産部門が支配的であった。
最も多いのは人工ニューラルネットワーク、サポートベクターマシン、ランダムフォレストで、それぞれ27.84%、17.72%、13.92%であった。
- 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: This paper highlights the trends in the field of predictive maintenance with
the use of machine learning. With the continuous development of the Fourth
Industrial Revolution, through IoT, the technologies that use artificial
intelligence are evolving. As a result, industries have been using these
technologies to optimize their production. Through scientific research
conducted for this paper, conclusions were drawn about the trends in Predictive
Maintenance applications with the use of machine learning bridging Artificial
Intelligence and IoT. These trends are related to the types of industries in
which Predictive Maintenance was applied, the models of artificial intelligence
were implemented, mainly of machine learning and the types of sensors that are
applied through the IoT to the applications. Six sectors were presented and the
production sector was dominant as it accounted for 54.54% of total
publications. In terms of artificial intelligence models, the most prevalent
among ten were the Artificial Neural Networks, Support Vector Machine and
Random Forest with 27.84%, 17.72% and 13.92% respectively. Finally, twelve
categories of sensors emerged, of which the most widely used were the sensors
of temperature and vibration with percentages of 60.71% and 46.42%
correspondingly.
- Abstract（参考訳）: 本稿では,機械学習を用いて予測保守の分野におけるトレンドを明らかにする。
第四次産業革命の継続的な発展により、IoTを通じて、人工知能を利用する技術は進化しつつある。
その結果、産業はこれらの技術を使って生産を最適化している。
本稿では,機械学習による人工知能とIoTを用いた予測保守アプリケーションの動向について,科学的研究を通じて結論を導いた。
これらの傾向は、予測メンテナンスが適用された産業の種類、機械学習を中心に人工知能のモデルが実装され、iotを介してアプリケーションに適用されるセンサの種類に関係している。
6部門が発表され、総出版物の54.54%を占める生産部門が支配的であった。
人工知能モデルにおいて、最も普及しているのは、ニューラルネットワーク、サポートベクターマシン、ランダムフォレストであり、それぞれ27.84%、17.72%、13.92%である。
最後に12種類のセンサーが出現し、最も広く使われているのは温度と振動のセンサーで、その割合は60.71%と46.42%である。
関連論文リスト
- Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Artificial Intelligence Approaches for Predictive Maintenance in the Steel Industry: A Survey [9.088208602104105]
予測保守(PdM)は産業4.0の柱の一つとして登場した。
この調査は、鉄鋼業界におけるAIベースのPdM分野における知識の現状を総合するものである。
論文 参考訳（メタデータ） (2024-05-21T13:32:46Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳（メタデータ） (2022-12-10T07:49:50Z) - 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) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - Artificial Intelligence: Framework of driving triggers to past, present
and future applications and influencers of industry sector adoption [0.0]
この論文は、AIの最大の変化を強調し、これらの技術がいくつかの主要産業に適用されている例を示す。
研究は、コスト、スピード、正確性、多様性/包摂性、そしてAIを不可欠な変革技術へと推進する学際的な研究/コラボレーションといった、駆動的なトリガーを調査している。
論文 参考訳（メタデータ） (2022-03-30T21:39:28Z) - Mapping Industry 4.0 Technologies: From Cyber-Physical Systems to
Artificial Intelligence [0.0]
第4次産業革命は、製造業の世界を急速に変えつつある。
これらの概念の明確な定義はまだ存在しない。
この研究は、技術動向とギャップの明確な説明を提供する。
論文 参考訳（メタデータ） (2021-11-28T15:13:05Z) - Artificial Intelligence in Electric Machine Drives: Advances and Trends [0.0]
本稿では、従来のAI技術と高度なディープラーニングアルゴリズムを電動機ドライブに適用するための文献を体系的に要約する。
ディープラーニングモデルと組み込みハードウェアプラットフォームの急速な進歩により、AIベースのデータ駆動アプローチが、電動機の自動高性能制御において、ますます人気が高まることが期待されている。
論文 参考訳（メタデータ） (2021-10-11T16:42:23Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳（メタデータ） (2021-05-31T01:02:59Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z) - Performance Analysis and Comparison of Machine and Deep Learning
Algorithms for IoT Data Classification [0.0]
本稿では,6つのIoT関連データセットを用いた分類タスクにおいて,11の一般的な機械学習アルゴリズムとディープラーニングアルゴリズムの性能評価を行う。
すべてのパフォーマンス指標を考慮すると、Random Forestsは他の機械学習モデルよりも優れており、ディープラーニングモデルのうち、ANNとCNNはより興味深い結果を得た。
論文 参考訳（メタデータ） (2020-01-27T09:14:11Z)
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。