論文の概要: Developing Hybrid Machine Learning Models to Assign Health Score to
Railcar Fleets for Optimal Decision Making
- arxiv url: http://arxiv.org/abs/2301.08877v1
- Date: Sat, 21 Jan 2023 03:48:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 15:59:01.495726
- Title: Developing Hybrid Machine Learning Models to Assign Health Score to
Railcar Fleets for Optimal Decision Making
- Title（参考訳）: 最適な意思決定のために鉄道車両に健康スコアを割り当てるハイブリッド機械学習モデルの開発
- Authors: Mahyar Ejlali, Ebrahim Arian, Sajjad Taghiyeh, Kristina Chambers, Amir
Hossein Sadeghi, Demet Cakdi, Robert B Handfield
- Abstract要約: 本研究では,密度に基づく空間クラスタリングとノイズ(DBSCAN)と主成分分析(PCA)を組み合わせたハイブリッド故障診断エキスパートシステムを提案する。
実験結果によると、我々の専門家モデルはサンプルの50%以内に96.4%の障害を検出できる。
- 参考スコア（独自算出の注目度）: 5.342987153978944
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A large amount of data is generated during the operation of a railcar fleet,
which can easily lead to dimensional disaster and reduce the resiliency of the
railcar network. To solve these issues and offer predictive maintenance, this
research introduces a hybrid fault diagnosis expert system method that combines
density-based spatial clustering of applications with noise (DBSCAN) and
principal component analysis (PCA). Firstly, the DBSCAN method is used to
cluster categorical data that are similar to one another within the same group.
Secondly, PCA algorithm is applied to reduce the dimensionality of the data and
eliminate redundancy in order to improve the accuracy of fault diagnosis.
Finally, we explain the engineered features and evaluate the selected models by
using the Gain Chart and Area Under Curve (AUC) metrics. We use the hybrid
expert system model to enhance maintenance planning decisions by assigning a
health score to the railcar system of the North American Railcar Owner (NARO).
According to the experimental results, our expert model can detect 96.4% of
failures within 50% of the sample. This suggests that our method is effective
at diagnosing failures in railcars fleet.
- Abstract（参考訳）: 鉄道車両の運用中に大量のデータが生成され、次元的災害に容易につながり、鉄道車両網の回復力を低減することができる。
これらの課題を解決し,予測的メンテナンスを実現するために,アプリケーションにおける密度に基づく空間クラスタリングとノイズ(DBSCAN)と主成分分析(PCA)を組み合わせたハイブリッド障害診断エキスパートシステムを提案する。
第一に、DBSCAN法は同一グループ内で互いに類似した分類データをクラスタリングするために用いられる。
第二に,PCAアルゴリズムを用いてデータの次元を小さくし,冗長性を排除し,故障診断の精度を向上させる。
最後に,AUC(Gain Chart and Area Under Curve)メトリクスを用いて,設計した特徴を説明し,選択したモデルを評価する。
我々は、北米鉄道所有者(NARO)の鉄道車両システムに健康スコアを割り当てることで、ハイブリッド専門家システムモデルを用いて、メンテナンス計画決定を強化する。
実験結果によると、サンプルの50%以内に96.4%の障害を検出することができる。
本手法は,鉄道車両の故障診断に有効であることが示唆された。
関連論文リスト
- Real-time and Downtime-tolerant Fault Diagnosis for Railway Turnout Machines (RTMs) Empowered with Cloud-Edge Pipeline Parallelism [9.544236630555627]
RTMのリアルタイム・ダウンタイム耐故障診断を可能にするために,エッジクラウド協調早期警戒システムを提案する。
中国江蘇省南京大都市圏が収集した実世界のデータセットでは,アンサンブルに基づく断層診断モデルにより97.4%の精度が得られた。
論文 参考訳（メタデータ） (2024-11-04T13:49:06Z) - Unsupervised Learning for Fault Detection of HVAC Systems: An OPTICS
-based Approach for Terminal Air Handling Units [1.0878040851638]
本研究では,ターミナルエアハンドリングユニットとその関連システムにおける故障を検出するための教師なし学習戦略を提案する。
この手法は、主成分分析を用いて歴史的センサデータを前処理して次元を合理化する。
その結果,オプティクスは季節ごとの精度で常にk平均を上回っていた。
論文 参考訳（メタデータ） (2023-12-18T18:08:54Z) - Learning From High-Dimensional Cyber-Physical Data Streams for
Diagnosing Faults in Smart Grids [4.616703548353371]
サイバー物理電力システムにおける故障診断は、データ品質に影響される。
これらのシステムは、過剰な計算コストでシステムを過大評価する大量のデータを生成する。
本稿では,機能工学が上記の課題を緩和する効果について述べる。
論文 参考訳（メタデータ） (2023-03-15T01:21:50Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z) - 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) - Probabilistic Bearing Fault Diagnosis Using Gaussian Process with
Tailored Feature Extraction [10.064000794573756]
転がり軸受は、過酷な環境下での長時間の運転により、様々な障害にさらされる。
現在の深層学習法は, 決定論的分類の形で軸受断層診断を行う。
本研究では,予測の不確実性を考慮した確率的故障診断フレームワークを開発した。
論文 参考訳（メタデータ） (2021-09-19T18:34:29Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - 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) - Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。
我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文 参考訳（メタデータ） (2020-03-04T12:27:36Z) - Intelligent Road Inspection with Advanced Machine Learning; Hybrid
Prediction Models for Smart Mobility and Transportation Maintenance Systems [1.0773924713784704]
本稿では,インテリジェント道路検査のための新しい機械学習モデルを提案する。
提案モデルでは, 落下重量偏向計(FWD)による表面偏向データを用いて, 舗装条件指数(PCI)の予測を行う。
解析結果は,平均相対誤差(APRE),平均絶対相対誤差(AAPRE),根平均二乗誤差(RMSE),標準誤差(SD)の4つの基準を用いて検証された。
論文 参考訳（メタデータ） (2020-01-18T19:12:51Z)
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。