論文の概要: Federated Learning for Autoencoder-based Condition Monitoring in the Industrial Internet of Things

• arxiv url: http://arxiv.org/abs/2211.07619v1
• Date: Mon, 14 Nov 2022 18:40:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 19:27:36.965630
• Title: Federated Learning for Autoencoder-based Condition Monitoring in the Industrial Internet of Things
• Title（参考訳）: 産業用iotにおける自動エンコーダ型状態監視のためのフェデレーション学習
• Authors: Soeren Becker, Kevin Styp-Rekowski, Oliver Vincent Leon Stoll, Odej Kao
• Abstract要約: コンディションモニタリングと予測保守手法は,産業用モノのインターネットにおいて,効率的かつ堅牢な製造サイクルを実現するための重要な柱である。 複数の産業環境にまたがって収集されたさまざまなデータを分析して、機械学習モデルを用いて劣化行動を検出し予測することは、最近の研究で有望な成果を示している。 業界サイト間の知識のコラボレーションと共有は大きな利益をもたらすが、データプライバシーの問題のため、しばしば禁止される。 本稿では,自動エンコーダを用いたフェデレート学習手法を提案する。回転機械の振動センサデータを利用して,オンプレミスで監視機に近いエッジデバイス上での分散トレーニングを実現する。
• 参考スコア（独自算出の注目度）: 0.07646713951724012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enabled by the increasing availability of sensor data monitored from production machinery, condition monitoring and predictive maintenance methods are key pillars for an efficient and robust manufacturing production cycle in the Industrial Internet of Things. The employment of machine learning models to detect and predict deteriorating behavior by analyzing a variety of data collected across several industrial environments shows promising results in recent works, yet also often requires transferring the sensor data to centralized servers located in the cloud. Moreover, although collaborating and sharing knowledge between industry sites yields large benefits, especially in the area of condition monitoring, it is often prohibited due to data privacy issues. To tackle this situation, we propose an Autoencoder-based Federated Learning method utilizing vibration sensor data from rotating machines, that allows for a distributed training on edge devices, located on-premise and close to the monitored machines. Preserving data privacy and at the same time exonerating possibly unreliable network connections of remote sites, our approach enables knowledge transfer across organizational boundaries, without sharing the monitored data. We conducted an evaluation utilizing two real-world datasets as well as multiple testbeds and the results indicate that our method enables a competitive performance compared to previous results, while significantly reducing the resource and network utilization.
• Abstract（参考訳）: 生産機械から監視されるセンサデータの可用性の向上により、産業用モノのインターネットにおける効率的でロバストな製造サイクルにおいて、状態監視と予測メンテナンス手法が重要な柱となる。 複数の産業環境にまたがる多様なデータを分析して、劣化行動の検出と予測を行う機械学習モデルの雇用は、最近の研究で有望な結果を示しているが、同時に、クラウドにある集中型サーバにセンサーデータを転送する必要があることもしばしばある。 さらに、業界サイト間の知識のコラボレーションや共有は、特に状態監視の分野で大きな利益をもたらすが、データプライバシーの問題により、しばしば禁止される。 そこで本研究では,回転機械からの振動センサデータを利用した自動エンコーダ型フェデレーション学習手法を提案する。 データプライバシを保存すると同時に、リモートサイトの信頼性の低いネットワーク接続を排除しつつ、監視データを共有することなく、組織の境界を越えた知識伝達を可能にします。 本研究では,実世界の2つのデータセットと複数のテストベッドを用いた評価を行い,その評価結果から,従来の結果に比べて性能が向上し,リソースとネットワーク利用が大幅に削減できることを示した。

関連論文リスト

• Adversarial Domain Adaptation for Metal Cutting Sound Detection: Leveraging Abundant Lab Data for Scarce Industry Data [8.493339928079218]
  機械学習(ML)モデルを用いた音響検出は,費用対効果の高い非侵襲的なモニタリング手法として利用することができる。 そこで本研究では,産業データ不足から学習するために,豊富な実験データを活用する新たなドメイン適応(DA)手法を提案する。 本モデルでは,多層パーセプトロンをベースとしたバニラドメイン適応モデルの性能を評価した。
  論文  参考訳（メタデータ） (2024-10-23T05:55:21Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Driving Intelligent IoT Monitoring and Control through Cloud Computing and Machine Learning [3.134387323162717]
  この記事では、クラウドコンピューティングと機械学習によるインテリジェントなiotモニタリングと制御の推進方法について説明する。 また、iotモニタリングと制御技術の開発、iotモニタリングと制御におけるエッジコンピューティングの適用、データ解析と故障検出における機械学習の役割についても紹介する。
  論文  参考訳（メタデータ） (2024-03-26T20:59:48Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Agnostic Learning for Packing Machine Stoppage Prediction in Smart Factories [0.0]
  サイバー物理コンバージェンス(サイバー物理コンバージェンス)は、産業界に新たなビジネスチャンスを開こうとしている。 サイバーと物理世界の深い統合の必要性は、新しいシステムとネットワークエンジニアリングのアプローチを統合するための豊富なビジネスアジェンダを確立する。 このデータ豊かでサイバー物理学的でスマートな工場環境から生まれた、最も実りある研究と実践の分野の1つは、データ駆動のプロセス監視分野である。
  論文  参考訳（メタデータ） (2022-12-12T23:45:59Z)
• Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
  ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。 デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。 本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
  論文  参考訳（メタデータ） (2022-09-01T03:27:33Z)
• Distributed data analytics [8.415530878975751]
  レコメンデーションシステムは、オンラインサービスプロバイダの重要なコンポーネントである。 金融業界は不正検出、リスク管理、コンプライアンスなどの分野で大量のデータを活用するためにMLを採用している。
  論文  参考訳（メタデータ） (2022-03-26T14:10:51Z)
• Data Heterogeneity-Robust Federated Learning via Group Client Selection in Industrial IoT [57.67687126339891]
  FedGSは5Gのエンパワーメント産業のための階層的なクラウド・エッジ・エンドのFLフレームワークである。 自然にクラスタ化されたファクトリデバイスを利用することで、FedGSは勾配ベースのバイナリ置換アルゴリズムを使用する。 実験によると、FedGSは精度を3.5%改善し、トレーニングラウンドを平均59%削減している。
  論文  参考訳（メタデータ） (2022-02-03T10:48:17Z)
• Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
  産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。 本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
  論文  参考訳（メタデータ） (2022-02-03T07:12:36Z)
• Federated Learning with Correlated Data: Taming the Tail for Age-Optimal Industrial IoT [55.62157530259969]
  本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。 本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。 数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
  論文  参考訳（メタデータ） (2021-08-17T08:38:31Z)
• Extending Isolation Forest for Anomaly Detection in Big Data via K-Means [8.560480662599407]
  産業用ビッグデータシナリオにおける異常検出のためのK-MeansアルゴリズムとIsolation Forestを組み合わせた新しい教師なし機械学習アプローチを提案する。 Apache Sparkフレームワークを使用して、大規模なネットワークトラフィックデータでトレーニングされた提案モデルを実装しています。 提案手法は, 産業設備におけるリアルタイム異常検出に有効であることがわかった。
  論文  参考訳（メタデータ） (2021-04-27T16:21:48Z)

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。