論文の概要: Multi-Fault Diagnosis Of Industrial Rotating Machines Using Data-Driven
Approach: A Review Of Two Decades Of Research
- arxiv url: http://arxiv.org/abs/2206.14153v1
- Date: Mon, 30 May 2022 14:54:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 04:48:25.079475
- Title: Multi-Fault Diagnosis Of Industrial Rotating Machines Using Data-Driven
Approach: A Review Of Two Decades Of Research
- Title（参考訳）: データ駆動による産業用回転機械のマルチフォールト診断:2年間の研究のレビュー
- Authors: Shreyas Gawde, Shruti Patil, Satish Kumar, Pooja Kamat, Ketan Kotecha,
Ajith Abraham
- Abstract要約: 本稿では,産業用回転機械のマルチフォールト診断のためのデータ駆動型手法について,系統的な文献レビューを行う。
PRISMA法は、体系的なレビューやその他のメタアナリシスの構成と構造に関するガイドラインの集合である。
この分野における基礎的な作業を特定し、産業用回転機械のマルチフォールト診断に関連するさまざまな側面について比較研究する。
- 参考スコア（独自算出の注目度）: 19.89641921844766
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Industry 4.0 is an era of smart manufacturing. Manufacturing is impossible
without the use of machinery. Majority of these machines comprise rotating
components and are called rotating machines. The engineers' top priority is to
maintain these critical machines to reduce the unplanned shutdown and increase
the useful life of machinery. Predictive maintenance (PDM) is the current trend
of smart maintenance. The challenging task in PDM is to diagnose the type of
fault. With Artificial Intelligence (AI) advancement, data-driven approach for
predictive maintenance is taking a new flight towards smart manufacturing.
Several researchers have published work related to fault diagnosis in rotating
machines, mainly exploring a single type of fault. However, a consolidated
review of literature that focuses more on multi-fault diagnosis of rotating
machines is lacking. There is a need to systematically cover all the aspects
right from sensor selection, data acquisition, feature extraction, multi-sensor
data fusion to the systematic review of AI techniques employed in multi-fault
diagnosis. In this regard, this paper attempts to achieve the same by
implementing a systematic literature review on a Data-driven approach for
multi-fault diagnosis of Industrial Rotating Machines using Preferred Reporting
Items for Systematic Reviews and Meta-Analysis (PRISMA) method. The PRISMA
method is a collection of guidelines for the composition and structure of
systematic reviews and other meta-analyses. This paper identifies the
foundational work done in the field and gives a comparative study of different
aspects related to multi-fault diagnosis of industrial rotating machines. The
paper also identifies the major challenges, research gap. It gives solutions
using recent advancements in AI in implementing multi-fault diagnosis, giving a
strong base for future research in this field.
- Abstract（参考訳）: 産業 4.0 はスマート製造の時代である。
機械を使わずに製造は不可能である。
これらの機械の多くは回転部品で構成され、回転機械と呼ばれる。
エンジニアの最優先事項は、計画外のシャットダウンを減らし、機械の有用な寿命を増やすためにこれらの重要な機械を維持することである。
予測保守(PDM)は、スマートメンテナンスの現在のトレンドである。
PDMの課題は、障害の種類を診断することである。
AI(Artificial Intelligence)の進歩により、予測保守のためのデータ駆動型アプローチが、スマート製造に向けて新たな飛行を始めている。
数人の研究者が、主に1種類の断層を探索する回転機械の故障診断に関する研究を発表した。
しかし、回転機械のマルチフォールト診断に焦点を絞った文献の総合的なレビューは欠落している。
センサの選択、データ取得、特徴抽出、マルチセンサーデータ融合からマルチフォールト診断に使用されるAI技術の体系的なレビューまで、すべての側面を体系的にカバーする必要がある。
本稿では,システムレビューとメタアナリシス(prisma)手法に好適な報告項目を用いて,産業用回転機械のマルチフォールト診断のためのデータ駆動アプローチに関する体系的文献レビューを実施し,その実現を目指す。
PRISMA法は、体系的なレビューやその他のメタ分析の構成と構造に関するガイドラインの集合である。
本稿では, 現場で行われている基礎的な作業を明らかにし, 産業用回転機械のマルチフォールト診断に関する異なる側面の比較研究を行う。
論文では、主要な課題、研究のギャップも挙げている。
マルチフォールト診断の実装において、AIの最近の進歩を利用したソリューションを提供し、この分野における将来の研究の強力な基盤を提供する。
関連論文リスト
- Data-driven Machinery Fault Detection: A Comprehensive Review [2.373572816573706]
タイムリーかつ正確に故障した機械信号を特定することは、産業応用において不可欠である。
データ駆動型機械故障診断(MFD)は、機械/深層学習アプローチに基づくソリューションであり、製造業で広く利用されている。
本調査では, 各種機械故障の検出・診断に, さまざまな種類の機械学習手法を用いて, 記事の総合的なレビューを行う。
論文 参考訳（メタデータ） (2024-05-29T07:50:47Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。
具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。
アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
論文 参考訳（メタデータ） (2023-08-06T05:58:45Z) - A Diagnosis Algorithms for a Rotary Indexing Machine [4.020523898765404]
本稿では,RIM が処理する製品に着目した製品視点に基づく診断アルゴリズムを提案する。
このアルゴリズムは、製品が機械を通り抜けるステップを辿り、故障時に起こりうる原因を診断することができる。
論文 参考訳（メタデータ） (2023-05-25T11:03:10Z) - Personalized Federated Learning for Multi-task Fault Diagnosis of
Rotating Machinery [6.442377498489894]
本稿では,複数の工場にまたがるマルチタスク故障診断手法を実現するための,個人化されたフェデレーション学習フレームワークを提案する。
畳み込みニューラルネットワークに基づくマルチタスク深層学習モデルを構築し、異種情報融合による機械の故障を診断する。
実機から収集したデータのケーススタディにより,提案手法の有効性が検証された。
論文 参考訳（メタデータ） (2022-11-17T08:28:25Z) - Graph Neural Networks with Trainable Adjacency Matrices for Fault
Diagnosis on Multivariate Sensor Data [69.25738064847175]
各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。
グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。
グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
論文 参考訳（メタデータ） (2022-10-20T11:03:21Z) - On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。
得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。
このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文 参考訳（メタデータ） (2022-09-20T11:23:51Z) - T4PdM: a Deep Neural Network based on the Transformer Architecture for
Fault Diagnosis of Rotating Machinery [0.0]
本稿では,Transformerアーキテクチャの修正版であるT4PdMに基づいて,自動故障分類器モデルを構築した。
T4PdMは2つのデータセットの総合精度99.98%と98%を達成した。
回転する産業機械の故障の検出・分類におけるモデルの有用性を実証した。
論文 参考訳（メタデータ） (2022-04-07T20:31:45Z) - On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。
モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。
提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文 参考訳（メタデータ） (2021-10-17T13:42:37Z) - Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。
ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文 参考訳（メタデータ） (2021-03-08T10:56:38Z) - An Explainable Artificial Intelligence Approach for Unsupervised Fault
Detection and Diagnosis in Rotating Machinery [2.055054374525828]
本稿では,回転機械の故障検出と診断のための新しい手法を提案する。
この手法は,特徴抽出,障害検出,障害診断の3つの部分からなる。
提案手法の有効性は,機械的故障の異なる3つのデータセットに示される。
論文 参考訳（メタデータ） (2021-02-23T18:28:18Z)
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。