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
- 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) - Forecasting Particle Accelerator Interruptions Using Logistic LASSO
Regression [62.997667081978825]
インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。
このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。
このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
論文 参考訳(メタデータ) (2023-03-15T23:11:30Z) - 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) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:19:25Z) - 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) - 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) - 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。