論文の概要: Machine Learning Methods for Health-Index Prediction in Coating Chambers
- arxiv url: http://arxiv.org/abs/2205.15145v1
- Date: Mon, 30 May 2022 14:43:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-31 18:03:07.391751
- Title: Machine Learning Methods for Health-Index Prediction in Coating Chambers
- Title（参考訳）: 塗装室内の健康指数予測のための機械学習手法
- Authors: Clemens Heistracher, Anahid Jalali, J\"urgen Schneeweiss, Klaudia
Kovacs, Catherine Laflamme and Bernhard Haslhofer
- Abstract要約: コーティングチャンバーは、物理的蒸着を用いた宝石製造における機械的および光学的表面特性を改善する薄い層を生成する。
現在のルールベースのメンテナンス戦略は、特定のレシピの影響と真空室の実際の状態を無視している。
本報告では, 塗工室の環境保全に向けたステップとなる, 新規な健康指標の導出について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coating chambers create thin layers that improve the mechanical and optical
surface properties in jewelry production using physical vapor deposition. In
such a process, evaporated material condensates on the walls of such chambers
and, over time, causes mechanical defects and unstable processes. As a result,
manufacturers perform extensive maintenance procedures to reduce production
loss. Current rule-based maintenance strategies neglect the impact of specific
recipes and the actual condition of the vacuum chamber. Our overall goal is to
predict the future condition of the coating chamber to allow cost and quality
optimized maintenance of the equipment. This paper describes the derivation of
a novel health indicator that serves as a step toward condition-based
maintenance for coating chambers. We indirectly use gas emissions of the
chamber's contamination to evaluate the machine's condition. Our approach
relies on process data and does not require additional hardware installation.
Further, we evaluated multiple machine learning algorithms for a
condition-based forecast of the health indicator that also reflects production
planning. Our results show that models based on decision trees are the most
effective and outperform all three benchmarks, improving at least $0.22$ in the
mean average error. Our work paves the way for cost and quality optimized
maintenance of coating applications.
- Abstract（参考訳）: コーティングチャンバーは、物理的蒸着を用いた宝石製造における機械的および光学的表面特性を改善する薄い層を生成する。
このような過程において、蒸発した物質はそのようなチャンバーの壁に凝縮し、時間とともに機械的欠陥と不安定な過程を引き起こす。
その結果、製造業者は生産損失を減らすために広範囲の保守作業を行う。
現在のルールに基づくメンテナンス戦略は、特定のレシピの影響や真空室の実態を無視している。
総合的な目標は、設備のコストと品質を最適化したメンテナンスを可能にするため、塗装室の将来状態を予測することです。
本稿では, 塗工室の環境保全に向けたステップとなる新しい健康指標の導出について述べる。
室内汚染のガス排出を間接的に利用し, 機械の状態を評価した。
我々のアプローチはプロセスデータに依存しており、追加のハードウェアインストールを必要としない。
さらに,生産計画を反映した健康指標の条件に基づく予測のために,複数の機械学習アルゴリズムを評価した。
以上の結果から,決定木に基づくモデルが最も効率的かつ優れた3つのベンチマークが得られ,平均誤差が0.22ドル以上向上した。
我々の研究は、コーティングアプリケーションのコストと品質を最適化したメンテナンスの道を開いた。
関連論文リスト
- Management Decisions in Manufacturing using Causal Machine Learning -- To Rework, or not to Rework? [0.5772546394254112]
本稿では,製造システムにおける最適リワークポリシーを推定するためのデータ駆動モデルを提案する。
我々は、任意の再作業ステップを可能にする、多段階のロットベースシステム内の単一のプロダクションステージについて検討する。
本研究では、因果機械学習、特にDML(Double/debiased Machine Learning)の手法を用いて、データから条件付き処理効果を推定する。
論文 参考訳（メタデータ） (2024-06-17T08:14:40Z) - A Computer Vision-Based Quality Assessment Technique for the automatic control of consumables for analytical laboratories [0.0]
分析実験室で使用されるプラスチック消費財の製造プロセスにおいて, 新たな自動モニタリングシステムを提案する。
手動設計のディープ・ネットワーク・モデルを用いて、いくつかの最先端モデルと比較し、バイアルの異なるイメージを分類する能力について検討する。
我々のモデルは、その能力において著しく優れており、非常に少ないリソースを必要とします。
論文 参考訳（メタデータ） (2024-04-16T10:50:16Z) - 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) - ML Algorithm Synthesizing Domain Knowledge for Fungal Spores
Concentration Prediction [3.4836961035265217]
真菌胞濃度は紙の使いやすさに影響を与える重要な指標である。
現在の試験方法は遅れた結果に重きを置いており、リアルタイム制御戦略を妨げている。
本稿では, 紙パルプ産業における厳密な品質管理を可能とし, リアルタイム菌胞濃度予測のための有望な方法を示す。
論文 参考訳（メタデータ） (2023-09-23T15:27:14Z) - Assessment of the suitability of degradation models for the planning of
CCTV inspections of sewer pipes [0.360953887026184]
下水道管の劣化は、経済的、環境的、健康的な問題を引き起こす。
このような計画の開発には、統計的および機械学習手法に基づく分解モデルが必要である。
本研究は, 精度指標, 長期劣化曲線の生成能力, 説明可能性の3次元を考慮した検査計画への適合性を評価する手法を提案する。
論文 参考訳（メタデータ） (2023-07-12T10:58:29Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。
本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
論文 参考訳（メタデータ） (2023-01-20T12:11:03Z) - Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
我々はミネラルウールのための視覚品質管理システムを開発した。
ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。
我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
論文 参考訳（メタデータ） (2022-11-01T13:58:02Z) - 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) - Progressive residual learning for single image dehazing [57.651704852274825]
物理モデルフリーなデハジングプロセスと, 再構成された散乱モデルに基づくデハジング操作を組み合わせるために, 漸進的残留学習戦略が提案されている。
提案手法は,公開デヘイジングベンチマークにおける最先端手法に対して,複雑なデータに対するモデル解釈性と適応性に優れる。
論文 参考訳（メタデータ） (2021-03-14T16:54:44Z) - 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。