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

• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Comprehensive Study Of Predictive Maintenance In Industries Using Classification Models And LSTM Model [0.0]
  この研究は、SVM(Support Vector Machine)、ランダムフォレスト(Random Forest)、ロジスティック回帰(Logistic Regression)、畳み込みニューラルネットワークLSTMベース(Convolutional Neural Network LSTM-based)など、さまざまな機械学習分類手法を掘り下げて、マシンのパフォーマンスを予測し分析することを目的としている。 本研究の主な目的は、精度、精度、リコール、F1スコアなどの要因を考慮して、これらのアルゴリズムの性能を評価し、機械性能を予測・解析することである。
  論文  参考訳（メタデータ） (2024-03-15T12:47:45Z)
• Detecting and Mitigating System-Level Anomalies of Vision-Based Controllers [7.095058159492494]
  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)
• 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)
• 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)
• 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。