論文の概要: Detecting broken Absorber Tubes in CSP plants using intelligent sampling and dual loss

• arxiv url: http://arxiv.org/abs/2211.14077v1
• Date: Fri, 25 Nov 2022 12:53:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 15:06:40.827949
• Title: Detecting broken Absorber Tubes in CSP plants using intelligent sampling and dual loss
• Title（参考訳）: インテリジェントサンプリングと二重損失を用いたCSPプラントの吸収管破壊の検出
• Authors: Miguel Angel P\'erez-Cuti\~no and Juan Sebasti\'an Valverde and Jos\'e Miguel D\'iaz-B\'a\~nez
• Abstract要約: 集中型太陽光発電(CSP)は化石燃料から再生可能エネルギーへの転換を導く技術である。 現在、パラボリック・トラフ・コレクター・システムによるCSPプラントの自動故障検出は、2つの主な欠点を証明している。 我々は、抽出されたデータと無人航空機の使用、および7つの実工場に設置されたセンサーによって提供されるデータを組み合わせることで、両方のギャップに対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Concentrated solar power (CSP) is one of the growing technologies that is leading the process of changing from fossil fuels to renewable energies. The sophistication and size of the systems require an increase in maintenance tasks to ensure reliability, availability, maintainability and safety. Currently, automatic fault detection in CSP plants using Parabolic Trough Collector systems evidences two main drawbacks: 1) the devices in use needs to be manually placed near the receiver tube, 2) the Machine Learning-based solutions are not tested in real plants. We address both gaps by combining the data extracted with the use of an Unmaned Aerial Vehicle, and the data provided by sensors placed within 7 real plants. The resulting dataset is the first one of this type and can help to standardize research activities for the problem of fault detection in this type of plants. Our work proposes supervised machine-learning algorithms for detecting broken envelopes of the absorber tubes in CSP plants. The proposed solution takes the class imbalance problem into account, boosting the accuracy of the algorithms for the minority class without harming the overall performance of the models. For a Deep Residual Network, we solve an imbalance and a balance problem at the same time, which increases by 5% the Recall of the minority class with no harm to the F1-score. Additionally, the Random Under Sampling technique boost the performance of traditional Machine Learning models, being the Histogram Gradient Boost Classifier the algorithm with the highest increase (3%) in the F1-Score. To the best of our knowledge, this paper is the first providing an automated solution to this problem using data from operating plants.
• Abstract（参考訳）: 集中太陽発電(csp)は、化石燃料から再生可能エネルギーへの転換を主導する成長中の技術の1つだ。 システムの高度化とサイズは、信頼性、可用性、保守性、安全性を確保するためのメンテナンスタスクの増加を必要とする。 現在、パラボリック・トラフ・コレクターシステムによるCSPプラントの自動故障検出は2つの主な欠点を証明している。 1)使用中の装置は、受信管の近くに手動で設置する必要がある。 2)機械学習ベースのソリューションは実工場ではテストされない。 我々は、抽出されたデータと無人航空機の使用、および7つの実工場に設置されたセンサーによって提供されるデータを組み合わせることで、両方のギャップに対処する。 得られたデータセットはこの種の最初のもので、この種のプラントにおける障害検出問題の研究活動を標準化するのに役立ちます。 本研究は,CSPプラントにおける吸収管の破片検出のための教師付き機械学習アルゴリズムを提案する。 提案手法は, クラス不均衡問題を考慮に入れ, モデル全体の性能を損なうことなく, マイノリティクラスのアルゴリズムの精度を高める。 ディープリシダルネットワークでは,F1スコアに悪影響を及ぼすことなく,マイノリティークラスのリコールを5%増加させる不均衡とバランスの問題を同時に解決する。 さらに、ランダムアンダーサンプリング技術は、f1-scoreで最大の増加 (3%) を持つアルゴリズムを分類するヒストグラム勾配強調アルゴリズムとして、従来の機械学習モデルの性能を高める。 我々の知る限りでは,本論文は,プラントのデータを用いて,この問題の自動解法を初めて提供するものである。

関連論文リスト

• A Hybrid Approach of Transfer Learning and Physics-Informed Modeling: Improving Dissolved Oxygen Concentration Prediction in an Industrial Wastewater Treatment Plant [0.0]
  目的は, 産業排水処理プラントの予測性能を, (i) プロセスの基盤となる物理を捉えたオープンソースのシミュレーションモデル, (ii) ノイズと限られたデータで特徴づけられるが, 同一の精製所にある別の産業プラント, (iii) の知識を伝達することによって向上することである。 その結果,テスト性能は27%,検証性能は59%に向上した。
  論文  参考訳（メタデータ） (2024-01-20T11:53:08Z)
• Filling the Missing: Exploring Generative AI for Enhanced Federated Learning over Heterogeneous Mobile Edge Devices [72.61177465035031]
  ローカルデータのFIMI(FIlling the MIssing)部分を活用することにより,これらの課題に対処する,AIを活用した創発的なフェデレーション学習を提案する。 実験の結果,FIMIはデバイス側エネルギーの最大50%を節約し,目標とするグローバルテスト精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-10-21T12:07:04Z)
• Semiconductor Defect Pattern Classification by Self-Proliferation-and-Attention Neural Network [30.329065698451902]
  欠陥分類をより効率的に行うことができる新しいアーキテクチャを提案する。 第一の関数は自己増殖であり、一連の線形変換を用いて低コストでより多くの特徴写像を生成する。 第2の機能は自己注意であり、チャネルワイドおよび空間ワイドアテンション機構により特徴写像の長距離依存性をキャプチャする。 他の最新の手法と比較すると、多くの欠陥検査タスクにおいてSP&A-Netは精度が高く、低コストである。
  論文  参考訳（メタデータ） (2022-12-01T08:17:21Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• A two-step machine learning approach for crop disease detection: an application of GAN and UAV technology [0.0]
  本稿では,低忠実度および高忠実度画像を連続的に解析する2段階の機械学習手法を提案する。 その結果,高忠実度系では96.3%,低忠実度系では75.5%の信頼度が得られた。
  論文  参考訳（メタデータ） (2021-09-19T03:51:20Z)
• Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
  現在の運用環境に固有ののは、敵対的機械学習の実践である。 本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。 我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
  論文  参考訳（メタデータ） (2021-05-14T10:05:10Z)
• Autoencoder-based Condition Monitoring and Anomaly Detection Method for Rotating Machines [0.19116784879310028]
  自動エンコーダモデルに基づく回転機の状態監視手法を異常検出手法を用いて提案する。 提案手法は, 生の振動信号から塩分の特徴を直接抽出できる。 2つの実世界のデータセットにおける実験結果は、提案手法が有望な結果をもたらすことを示している。
  論文  参考訳（メタデータ） (2021-01-27T16:49:49Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• Detection of Anomalies and Faults in Industrial IoT Systems by Data Mining: Study of CHRIST Osmotron Water Purification System [15.06694204377327]
  本稿では, 工業用医薬品システム, 特に水質浄化システムについて述べる。 ほぼ全ての製薬会社は、その相互依存システムの一部として水質浄化ユニットを持っている。 エッジの欠陥の早期検出は、メンテナンスコストを大幅に削減し、安全性と出力品質を向上させる。
  論文  参考訳（メタデータ） (2020-09-08T11:31:43Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。