論文の概要: A Sparse Bayesian Learning for Diagnosis of Nonstationary and Spatially
Correlated Faults with Application to Multistation Assembly Systems
- arxiv url: http://arxiv.org/abs/2310.16058v1
- Date: Fri, 20 Oct 2023 23:56:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-29 16:00:03.056801
- Title: A Sparse Bayesian Learning for Diagnosis of Nonstationary and Spatially
Correlated Faults with Application to Multistation Assembly Systems
- Title（参考訳）: 非定常・空間相関障害診断のための疎ベイズ学習とマルチステーションアセンブリシステムへの応用
- Authors: Jihoon Chung and Zhenyu Kong
- Abstract要約: 本稿では,空間的に相関したスパースベイズ学習(CSSBL)をクラスタリングする新しい故障診断手法を提案する。
提案手法の有効性は,実際の自己体組立システムを用いた数値および実世界のケーススタディによって検証される。
提案手法の一般化により,コミュニケーションや医療システムなど他の領域の故障診断に応用できる。
- 参考スコア（独自算出の注目度）: 3.4991031406102238
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sensor technology developments provide a basis for effective fault diagnosis
in manufacturing systems. However, the limited number of sensors due to
physical constraints or undue costs hinders the accurate diagnosis in the
actual process. In addition, time-varying operational conditions that generate
nonstationary process faults and the correlation information in the process
require to consider for accurate fault diagnosis in the manufacturing systems.
This article proposes a novel fault diagnosis method: clustering spatially
correlated sparse Bayesian learning (CSSBL), and explicitly demonstrates its
applicability in a multistation assembly system that is vulnerable to the above
challenges. Specifically, the method is based on a practical assumption that it
will likely have a few process faults (sparse). In addition, the hierarchical
structure of CSSBL has several parameterized prior distributions to address the
above challenges. As posterior distributions of process faults do not have
closed form, this paper derives approximate posterior distributions through
Variational Bayes inference. The proposed method's efficacy is provided through
numerical and real-world case studies utilizing an actual autobody assembly
system. The generalizability of the proposed method allows the technique to be
applied in fault diagnosis in other domains, including communication and
healthcare systems.
- Abstract（参考訳）: センサ技術の発展は、製造システムにおける効果的な故障診断の基礎となる。
しかし、物理的な制約や不十分なコストによるセンサの限られた数によって、実際のプロセスの正確な診断が妨げられる。
また,非定常プロセス故障の発生条件とプロセスの相関情報には,製造システムにおける正確な故障診断を検討する必要がある。
本稿では,空間的に相関したスパースベイズ学習(CSSBL)をクラスタリングし,上記の課題に対して脆弱なマルチステーションアセンブリシステムに適用可能であることを示す。
具体的には、このメソッドはいくつかのプロセス障害(sparse)を持つ可能性が高いという実用的な仮定に基づいている。
さらに、CSSBLの階層構造は、上記の課題に対処するために、いくつかのパラメータ化された事前分布を持つ。
プロセス欠陥の後方分布は閉形式を持たないので, 変分ベイズ推定により近似的な後方分布を導出する。
提案手法の有効性は,実車体組立システムを用いた数値的および実世界のケーススタディにより得られた。
提案手法の汎用性は,コミュニケーションや医療システムなど,他の領域における障害診断に適用可能である。
関連論文リスト
- Generalized Out-of-distribution Fault Diagnosis (GOOFD) via Internal Contrastive Learning [8.583116999933731]
本稿では,診断サブタスクを統合するために,一般化されたアウト・オブ・ディストリビューション障害診断フレームワークを提案する。
内部のコントラスト学習とマハラノビス距離に基づく統一的な断層診断手法が提案手法の基盤となる。
提案手法は,複数の故障診断タスクに適用可能であり,既存の単一タスク法よりも優れた性能を実現することができる。
論文 参考訳（メタデータ） (2023-06-27T07:50:25Z) - An Evidential Real-Time Multi-Mode Fault Diagnosis Approach Based on
Broad Learning System [26.733033919978364]
本稿では,産業システムにおけるリアルタイムマルチモード故障診断のための新しい手法を提案する。
提案手法では,拡張エビデンス推論 (ER) アルゴリズムを用いて情報を融合し,異なる基底分類器から出力をマージする。
提案手法の有効性は、マルチモードのテネシー・イーストマンプロセスデータセット上で実証される。
論文 参考訳（メタデータ） (2023-04-29T04:42:44Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - A Novel Sparse Bayesian Learning and Its Application to Fault Diagnosis
for Multistation Assembly Systems [5.225026952905702]
本稿では,マルチステーション組立システムにおける故障診断の問題に対処する。
欠陥診断は、次元測定を用いて製品の過度な次元変化を引き起こすプロセス欠陥を特定することである。
論文 参考訳（メタデータ） (2022-10-28T14:47:51Z) - Machine learning-based approach for online fault Diagnosis of Discrete
Event System [0.0]
問題は、センサーとアクチュエータが個別のバイナリ信号を提供する自動生産システムのオンライン診断である。
本稿では,診断システムの機械学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2022-10-24T08:56:13Z) - 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) - Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。
次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。
我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-30T06:00:13Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳（メタデータ） (2022-06-02T07:57:17Z) - 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) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z)
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。