論文の概要: Artificial Intelligence based tool wear and defect prediction for special purpose milling machinery using low-cost acceleration sensor retrofits

• arxiv url: http://arxiv.org/abs/2202.03068v1
• Date: Mon, 7 Feb 2022 11:02:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-08 14:37:53.261542
• Title: Artificial Intelligence based tool wear and defect prediction for special purpose milling machinery using low-cost acceleration sensor retrofits
• Title（参考訳）: 低コスト加速度センサを応用した特殊ミル機械の人工知能による工具摩耗と欠陥予測
• Authors: Mahmoud Kheir-Eddine, Michael Banf and Gregor Steinhagen
• Abstract要約: 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。
• 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: Milling machines form an integral part of many industrial processing chains. As a consequence, several machine learning based approaches for tool wear detection have been proposed in recent years, yet these methods mostly deal with standard milling machines, while machinery designed for more specialized tasks has gained only limited attention so far. This paper demonstrates the application of an acceleration sensor to allow for convenient condition monitoring of such a special purpose machine, i.e. round seam milling machine. We examine a variety of conditions including blade wear and blade breakage as well as improper machine mounting or insufficient transmission belt tension. In addition, we presents different approaches to supervised failure recognition with limited amounts of training data. Hence, aside theoretical insights, our analysis is of high, practical importance, since retrofitting older machines with acceleration sensors and an on-edge classification setup comes at low cost and effort, yet provides valuable insights into the state of the machine and tools in particular and the production process in general.
• Abstract（参考訳）: ミリングマシンは多くの産業加工チェーンの不可欠な部分を形成する。 その結果、ツールウェア検出のための機械学習に基づくいくつかのアプローチが近年提案されているが、これらの手法は主に標準的なミリングマシンに対処する一方、より専門的なタスクのために設計された機械は、今のところ限定的な注目を集めている。 本稿では,このような特別目的機械,すなわち丸いシームミリングマシンの簡便な状態監視を実現するための加速度センサの適用を実証する。 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。 さらに,限られたトレーニングデータを用いて,障害認識を監督する異なる手法を提案する。 したがって、理論的洞察はさておき、古い機械を加速度センサとオンエッジ分類設定で再構築することは低コストかつ労力がかかるが、特に機械やツールの状態や製造プロセスに関する貴重な洞察を提供するため、我々の分析は、高い実用的重要性を持つ。

関連論文リスト

• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• Computer Vision Methods for Automating Turbot Fish Cutting [117.44028458220427]
  本稿では,ターボ魚の検体を切断する自動機械の設計について述べる。 マシンビジョンは頭部の境界を検出するために使用され、ロボットは頭部を切断するために使用される。
  論文  参考訳（メタデータ） (2022-12-20T09:08:00Z)
• Tool flank wear prediction using high-frequency machine data from industrial edge device [0.0]
  ツールサイドの摩耗監視は、生産性と製品品質を高めながら、ダウンタイムの最小化を可能にする。 機械のフレキシブルな振動などの他のコンポーネントのために、機械から収集されたデータの限られたレベルのツール摩耗を監視することは困難になるかもしれない。 スピンドルモータ電流から限られたレベルの工具摩耗を予測し,ダイナモメーター測定を行うツール摩耗監視手法を提案する。
  論文  参考訳（メタデータ） (2022-12-12T15:23:36Z)
• 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)
• 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)
• Intelligent Vision Based Wear Forecasting on Surfaces of Machine Tool Elements [0.0]
  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。
  論文  参考訳（メタデータ） (2021-06-12T19:34:54Z)
• Predictive maintenance on event logs: Application on an ATM fleet [0.6961253535504979]
  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。
  論文  参考訳（メタデータ） (2020-11-22T12:12:14Z)
• 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)
• Reinforcement Learning Approach to Vibration Compensation for Dynamic Feed Drive Systems [62.19441737665902]
  機械工具軸に適用された振動補償に対する強化学習に基づくアプローチを提案する。 本研究は, 産業機械のハードウェアと制御システムを用いた問題定式化, ソリューション, 実装, 実験について述べる。
  論文  参考訳（メタデータ） (2020-04-14T14:22:36Z)
• 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。