論文の概要: Intelligent Vision Based Wear Forecasting on Surfaces of Machine Tool
Elements
- arxiv url: http://arxiv.org/abs/2106.06839v2
- Date: Fri, 29 Oct 2021 08:03:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 21:39:51.921456
- Title: Intelligent Vision Based Wear Forecasting on Surfaces of Machine Tool
Elements
- Title(参考訳): インテリジェントビジョンによる機械工具要素表面の摩耗予測
- Authors: Tobias Schlagenhauf, Niklas Burghardt
- Abstract要約: 本稿では, マシンが自動で故障を検知し, 故障の重大度を推定する機能について述べる。
著者の知る限りでは、金属表面およびボールスクリュードライブの欠陥検出と異常の予後を正確に検出するビジョンベースのシステムが提案されたのはこれが初めてである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper addresses the ability to enable machines to automatically detect
failures on machine tool components as well as estimating the severity of the
failures, which is a critical step towards autonomous production machines.
Extracting information about the severity of failures has been a substantial
part of classical, as well as Machine Learning based machine vision systems.
Efforts have been undertaken to automatically predict the severity of failures
on machine tool components for predictive maintenance purposes. Though, most
approaches only partly cover a completely automatic system from detecting
failures to the prognosis of their future severity. To the best of the authors
knowledge, this is the first time a vision-based system for defect detection
and prognosis of failures on metallic surfaces in general and on Ball Screw
Drives in specific has been proposed. The authors show that they can do both,
detect and prognose the evolution of a failure on the surface of a Ball Screw
Drive.
- Abstract(参考訳): 本稿では、自動生産機械への重要なステップである、故障の深刻度を推定すると共に、機械が自動で機器部品の故障を検知できるようにする能力について述べる。
障害の深刻度に関する情報の抽出は、機械学習ベースのマシンビジョンシステムと同様に、クラシックのかなりの部分を占めている。
予測メンテナンスのために、機械工具部品の故障の深刻度を自動的に予測する取り組みが行われている。
しかし、ほとんどのアプローチは、障害の検出から将来の重症度の予後まで、完全に自動化されたシステムのみをカバーする。
著者の知る限りでは、金属表面およびボールスクリュードライブにおける欠陥検出と異常の予後の視覚ベースのシステムが提案されているのはこれが初めてである。
著者らは、ボールスクリュードライブの表面の障害の進化を検知し、予測できることを示している。
関連論文リスト
- Detecting and Mitigating System-Level Anomalies of Vision-Based
Controllers [7.974134340935598]
ビジョンベースのコントローラは、新規またはアウト・オブ・ディストリビューションの入力に直面したとき、誤った予測を行うことができる。
本研究では,そのような閉ループ,システムレベルの障害を検知・緩和する実行時異常モニタを提案する。
本提案手法は, 視覚に基づくタクシー制御システムを用いた自律型航空機タクシーシステムにおいて, 提案手法の有効性を検証したものである。
論文 参考訳(メタデータ) (2023-09-23T20:33:38Z) - Representing Timed Automata and Timing Anomalies of Cyber-Physical
Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。
モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文 参考訳(メタデータ) (2023-08-25T15:25:57Z) - Condition monitoring and anomaly detection in cyber-physical systems [0.483420384410068]
本稿では,サイバー物理システムにおけるロバストで費用対効果の高い異常検出のための最近の機械学習手法の比較分析を行う。
監督された症例では,98%の精度でほぼ完全である。
対照的に、教師なし症例のベストケースの精度は63%であった。
論文 参考訳(メタデータ) (2023-01-22T00:58:01Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:19:25Z) - A two-level machine learning framework for predictive maintenance:
comparison of learning formulations [0.0]
本稿では,2段階のフレームワークにおいて,予測保守のための異なる定式化を設計・比較することを目的とする。
最初のレベルは、学習アルゴリズムを使って特徴を集約することで、健康指標を構築する責任がある。
第2のレベルは、この健康指標に基づいてアラームをトリガーできる意思決定システムで構成されている。
論文 参考訳(メタデータ) (2022-04-21T13:24:28Z) - Detect & Reject for Transferability of Black-box Adversarial Attacks
Against Network Intrusion Detection Systems [0.0]
本稿では,機械学習による侵入検知システムに対する敵ネットワークトラフィックの転送可能性について検討する。
本研究では,機械学習による侵入検知システムに対する対向的ネットワークトラフィックの転送可能性特性の影響を抑えるための防御機構として検出・削除を検討した。
論文 参考訳(メタデータ) (2021-12-22T17:54:54Z) - Uncertainty aware anomaly detection to predict errant beam pulses in the
SNS accelerator [47.187609203210705]
本稿では、不確実性を考慮した機械学習手法、シームズニューラルネットワークモデルの適用について述べる。
接近する故障を予測することで、損傷が起こる前に加速器を止めることができる。
論文 参考訳(メタデータ) (2021-10-22T18:37:22Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳(メタデータ) (2021-07-28T10:28:05Z) - Autoencoder-based Condition Monitoring and Anomaly Detection Method for
Rotating Machines [0.19116784879310028]
自動エンコーダモデルに基づく回転機の状態監視手法を異常検出手法を用いて提案する。
提案手法は, 生の振動信号から塩分の特徴を直接抽出できる。
2つの実世界のデータセットにおける実験結果は、提案手法が有望な結果をもたらすことを示している。
論文 参考訳(メタデータ) (2021-01-27T16:49:49Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳(メタデータ) (2020-12-07T11:02:44Z) - 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)
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。