論文の概要: WeldMon: A Cost-effective Ultrasonic Welding Machine Condition Monitoring System

• arxiv url: http://arxiv.org/abs/2308.05756v1
• Date: Sat, 5 Aug 2023 00:30:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-20 16:47:54.052487
• Title: WeldMon: A Cost-effective Ultrasonic Welding Machine Condition Monitoring System
• Title（参考訳）: weldmon: 費用対効果の高い超音波溶接機条件監視システム
• Authors: Beitong Tian, Kuan-Chieh Lu, Ahmadreza Eslaminia, Yaohui Wang, Chenhui Shao, Klara Nahrstedt
• Abstract要約: WeldMonは安価な超音波溶接機条件監視システムである。 分類アルゴリズムは自動生成機能と手作り機能を組み合わせて,優れたクロスバリデーション精度を実現する。 すべてのアルゴリズムはローカルで動作し、溶接サイクルごとにデータを処理するのに385ミリ秒しか必要としない。
• 参考スコア（独自算出の注目度）: 8.535558551912105
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasonic welding machines play a critical role in the lithium battery industry, facilitating the bonding of batteries with conductors. Ensuring high-quality welding is vital, making tool condition monitoring systems essential for early-stage quality control. However, existing monitoring methods face challenges in cost, downtime, and adaptability. In this paper, we present WeldMon, an affordable ultrasonic welding machine condition monitoring system that utilizes a custom data acquisition system and a data analysis pipeline designed for real-time analysis. Our classification algorithm combines auto-generated features and hand-crafted features, achieving superior cross-validation accuracy (95.8% on average over all testing tasks) compared to the state-of-the-art method (92.5%) in condition classification tasks. Our data augmentation approach alleviates the concept drift problem, enhancing tool condition classification accuracy by 8.3%. All algorithms run locally, requiring only 385 milliseconds to process data for each welding cycle. We deploy WeldMon and a commercial system on an actual ultrasonic welding machine, performing a comprehensive comparison. Our findings highlight the potential for developing cost-effective, high-performance, and reliable tool condition monitoring systems.
• Abstract（参考訳）: 超音波溶接機はリチウム電池産業において重要な役割を担い、電池と導体との結合を促進する。 高品質溶接の確保は不可欠であり、早期品質管理にツール条件監視システムが不可欠である。 しかし、既存のモニタリング手法はコスト、ダウンタイム、適応性の課題に直面している。 本稿では,カスタムデータ取得システムとリアルタイム解析用に設計されたデータ解析パイプラインを利用する,安価な超音波溶接機条件監視システムWeldMonを提案する。 我々の分類アルゴリズムは自動生成機能と手作り機能を組み合わせて, 条件分類作業における最先端手法(92.5%)と比較して, クロスバリデーション精度(平均95.8%)に優れる。 データ拡張手法は,概念ドリフト問題を緩和し,ツール条件の分類精度を8.3%向上させる。 すべてのアルゴリズムはローカルで動作し、溶接サイクルごとにデータを処理するのに385ミリ秒しか必要としない。 WeldMonと商用システムを実際の超音波溶接機に展開し、総合的な比較を行った。 本研究は,コスト効率,高性能,信頼性の高いツール条件監視システムの開発の可能性を明らかにするものである。

関連論文リスト

• A Complete System for Automated 3D Semantic-Geometric Mapping of Corrosion in Industrial Environments [0.6749750044497731]
  産業環境における半自動腐食識別とマッピングのための完全システムを提案する。 我々は、視覚に基づくセマンティックセグメンテーション深層学習技術を用いて、LiDARに基づくローカライズとマッピング手法の最近の進歩を活用している。 室内実験環境における実験のセットは、LiDARを用いた3Dマッピングとローカライゼーションシステムの精度を定量的に示すものである。
  論文  参考訳（メタデータ） (2024-04-21T15:40:32Z)
• U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep Staging [61.6346401960268]
  プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。 不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
  論文  参考訳（メタデータ） (2023-06-07T08:27:36Z)
• 1-D Residual Convolutional Neural Network coupled with Data Augmentation and Regularization for the ICPHM 2023 Data Challenge [24.37696434579732]
  本稿では,生の3チャンネル時間領域振動信号を用いた残差畳み込みニューラルネットワークを提案する。 ネットワークは、検査中のギアボックスの状態を正確に予測することができる。
  論文  参考訳（メタデータ） (2023-04-14T08:50:21Z)
• Quality-Based Conditional Processing in Multi-Biometrics: Application to Sensor Interoperability [63.05238390013457]
  2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。 我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。 その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-11-24T12:11:22Z)
• 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)
• Fault Detection and Diagnosis with Imbalanced and Noisy Data: A Hybrid Framework for Rotating Machinery [2.580765958706854]
  回転機械製造システムの保守コスト低減には, 故障診断が重要な役割を担っている。 従来のフォールト検出および診断(FDD)フレームワークは、現実の状況に対処する際のパフォーマンスが劣っている。 本稿では、上記の3つのコンポーネントを用いて、効果的な信号ベースFDDシステムを実現するハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-09T01:09:59Z)
• Toward Robust Autotuning of Noisy Quantum Dot Devices [0.10889448277664004]
  量子ドット(QD)デバイスに対する現在の自動チューニングアプローチは、データの信頼性の評価を欠いている。 これにより、ノイズの多いデータが自律システムによって処理される場合、予期せぬ障害が発生する。 本稿では、機械学習(ML)状態分類器とデータ品質制御モジュールを組み合わせたQDデバイスの堅牢な自動チューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-30T19:02:32Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner Party Transcription [73.66530509749305]
  本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。 CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。 RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
  論文  参考訳（メタデータ） (2020-04-22T19:08:33Z)
• Toward Enabling a Reliable Quality Monitoring System for Additive Manufacturing Process using Deep Convolutional Neural Networks [0.0]
  本稿では, 深層畳み込みニューラルネットワーク(CNN)モデルを用いて, 添加物製造(AM)プロセスの自動品質評価システムを提案する。 CNNモデルは, 層間積層における内部および表面欠陥の画像を用いてオフラインで訓練し, 異なる押出成形速度と温度でAMプロセスの故障を検出し, 分類する性能について検討した。 提案するオンラインモデルでは,AMプロセスに自動で一貫した非接触品質制御信号が付加され,完全構築後の部品の手動検査が不要になる。
  論文  参考訳（メタデータ） (2020-03-06T20:49:20Z)

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。