論文の概要: PreMa: Predictive Maintenance of Solenoid Valve in Real-Time at Embedded Edge-Level

• arxiv url: http://arxiv.org/abs/2211.12326v1
• Date: Mon, 21 Nov 2022 06:13:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 18:56:04.878883
• Title: PreMa: Predictive Maintenance of Solenoid Valve in Real-Time at Embedded Edge-Level
• Title（参考訳）: PreMa: 組み込みエッジレベルにおけるソレノイド弁のリアルタイム保守
• Authors: Prajwal BN, Harsha Yelchuri, Vishwanath Shastry and T. V. Prabhakar
• Abstract要約: スマートでリアルタイムなエッジベース電子製品PreMaの構築について述べる。 PreMaは基本的にソレノイド弁(SV)の健康をモニターするセンサー データの忠実度と測定精度は、ハイエンド機器で捉えた信号に匹敵する。
• 参考スコア（独自算出の注目度）: 0.6117371161379209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In industrial process automation, sensors (pressure, temperature, etc.), controllers, and actuators (solenoid valves, electro-mechanical relays, circuit breakers, motors, etc.) make sure that production lines are working under the pre-defined conditions. When these systems malfunction or sometimes completely fail, alerts have to be generated in real-time to make sure not only production quality is not compromised but also safety of humans and equipment is assured. In this work, we describe the construction of a smart and real-time edge-based electronic product called PreMa, which is basically a sensor for monitoring the health of a Solenoid Valve (SV). PreMa is compact, low power, easy to install, and cost effective. It has data fidelity and measurement accuracy comparable to signals captured using high end equipment. The smart solenoid sensor runs TinyML, a compact version of TensorFlow (a.k.a. TFLite) machine learning framework. While fault detection inferencing is in-situ, model training uses mobile phones to accomplish the `on-device' training. Our product evaluation shows that the sensor is able to differentiate between the distinct types of faults. These faults include: (a) Spool stuck (b) Spring failure and (c) Under voltage. Furthermore, the product provides maintenance personnel, the remaining useful life (RUL) of the SV. The RUL provides assistance to decide valve replacement or otherwise. We perform an extensive evaluation on optimizing metrics related to performance of the entire system (i.e. embedded platform and the neural network model). The proposed implementation is such that, given any electro-mechanical actuator with similar transient response to that of the SV, the system is capable of condition monitoring, hence presenting a first of its kind generic infrastructure.
• Abstract（参考訳）: 産業プロセスの自動化において、センサ(圧力、温度等)、制御装置、アクチュエータ(ソレノイドバルブ、電気機械リレー、サーキットブレーカー、モーター等)は、予め定義された条件下で生産ラインが動作することを保証する。 これらのシステムが故障したり、時に完全に故障した場合、生産品質が損なわれるだけでなく、人や機器の安全性も保証されるように、リアルタイムで警告を生成する必要がある。 本研究では,ソレノイド弁(SV)の健康状態を監視するセンサであるPreMaという,スマートでリアルタイムなエッジベースの電子製品の構築について述べる。 PreMaはコンパクトで低消費電力で、インストールが容易で、費用対効果も高い。 データの忠実度と測定精度は、ハイエンド機器で捉えた信号に匹敵する。 スマートソレノイドセンサーは、TensorFlow(TFLite)機械学習フレームワークのコンパクトバージョンであるTinyMLを実行する。 故障検出推論はその場で行うが、モデルトレーニングは携帯電話を使用して「オンデバイス」トレーニングを行う。 製品評価の結果,センサは異なる種類の故障を区別できることがわかった。 これらの欠点には (a)スプール立ち往生 (b)春の失敗、及び (c)電圧下。 さらに、この製品は、メンテナンス担当者、SVの残りの有用寿命(RUL)を提供する。 RULはバルブ交換の有無を決定する支援を提供する。 システム全体(組込みプラットフォームとニューラルネットワークモデル)のパフォーマンスに関するメトリクスの最適化について、広範な評価を行う。 提案する実装は、svと同様の過渡応答を持つ電気機械アクチュエータが与えられた場合、システムは状態監視が可能であり、そのため、この種の汎用インフラストラクチャとしては最初のものとなる。

関連論文リスト

• Sensor Deprivation Attacks for Stealthy UAV Manipulation [51.9034385791934]
  無人航空機は最先端の制御アルゴリズムを用いて自律的にタスクを実行する。 本稿では,マルチパートを提案する。 センサー分離攻撃 (Sensor Deprivation Attacks, SDA) - 極秘に影響を及ぼす攻撃。 センサーのリコンフィグレーションによる プロセス制御
  論文  参考訳（メタデータ） (2024-10-14T23:03:58Z)
• Fault Analysis And Predictive Maintenance Of Induction Motor Using Machine Learning [0.0]
  本稿では,誘導電動機故障の故障検出と分類のための機械学習モデルを提案する。 本研究の目的は、重要な電気成分を保護し、早期発見と診断による異常事象の進行を防止することである。 0.33HP誘導電動機のリアルタイムデータは、ニューラルネットワークのトレーニングとテストに使用される。
  論文  参考訳（メタデータ） (2024-09-16T02:37:07Z)
• Electrical Grid Anomaly Detection via Tensor Decomposition [41.94295877935867]
  従来の研究では、SCADAシステム内の異常を正確に識別するために次元減少に基づくアプローチが利用できることが示されている。 本研究では,SCADAシステムにおける異常を識別するために,テンソル分解法であるCanonical Polyadic Alternating Poisson Regressionを確率的枠組みで適用する。 実験では,ロスアラモス国立研究所が運営する電力網から収集した実世界のSCADAシステムデータをモデル化した。
  論文  参考訳（メタデータ） (2023-10-12T18:23:06Z)
• Zero-Shot Motor Health Monitoring by Blind Domain Transition [17.664784126708742]
  本研究では, 作業条件, センサパラメータ, 故障特性に関わらず, 新しい(ターゲット) マシンの故障を検知できるゼロショット軸受故障検出手法を提案する。 実験結果から, 本手法では, 平均リコール率約89%, 95%のベアリング断層を, タイプ, 重症度, 位置に関わらず正確に検出できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-12T18:36:02Z)
• Anomaly Detection and Inter-Sensor Transfer Learning on Smart Manufacturing Datasets [6.114996271792091]
  スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。 これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。 スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。 予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
  論文  参考訳（メタデータ） (2022-06-13T17:51:24Z)
• Predicting Power Electronics Device Reliability under Extreme Conditions with Machine Learning Algorithms [0.0]
  我々は、デバイス信頼性を予測するために機械学習アルゴリズムを利用した。 モデルをトレーニングするために、私たちは10の異なるメーカーから224個の電源デバイスをテストしました。 我々は、グラディエント・ブースティングやLSTMエンコーダ・デコーダ・ネットワークなどの計算モデルにより、高精度で電源装置故障を予測できることを示した。
  論文  参考訳（メタデータ） (2021-07-21T18:17:32Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Guaranteeing Safety of Learned Perception Modules via Measurement-Robust Control Barrier Functions [43.4346415363429]
  制御理論と機械学習の技術を一体化して、安全を達成するコントローラを合成したいと考えている。 我々は,安全な制御入力を決定するツールとして,計測ロバスト制御バリア関数(MR-CBF)を定義した。 シミュレーションセグウェイシステムにおいて, MR-CBFが測定モデルの不確実性による安全性を実現するための有効性を示す。
  論文  参考訳（メタデータ） (2020-10-30T00:19:01Z)
• Runtime Safety Assurance Using Reinforcement Learning [37.61747231296097]
  本稿では,安全でない状況を高精度に識別できるメタコントローラを設計することを目的とする。 我々は,RTSAの設計をマルコフ決定プロセス(MDP)と組み合わせ,強化学習(RL)を用いて解決する。
  論文  参考訳（メタデータ） (2020-10-20T20:54:46Z)
• 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)
• Real-time Out-of-distribution Detection in Learning-Enabled Cyber-Physical Systems [1.4213973379473654]
  サイバー物理システムは、現実世界の不確実性と可変性を処理できる機械学習コンポーネントを使用することで恩恵を受ける。 しかし、ディープニューラルネットワークは、システムの安全性に影響を及ぼす可能性のある、新しいタイプのハザードを導入している。 アウト・オブ・ディストリビューションデータは大きなエラーを引き起こし、安全性を損なう可能性がある。
  論文  参考訳（メタデータ） (2020-01-28T17:51:07Z)

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。