論文の概要: Design & Implementation of Automatic Machine Condition Monitoring and
Maintenance System in Limited Resource Situations
- arxiv url: http://arxiv.org/abs/2401.15088v1
- Date: Mon, 22 Jan 2024 08:06:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-04 05:34:12.695129
- Title: Design & Implementation of Automatic Machine Condition Monitoring and
Maintenance System in Limited Resource Situations
- Title（参考訳）: 限られた資源環境における自動機械状態監視・保守システムの設計と実装
- Authors: Abu Hanif Md. Ripon, Muhammad Ahsan Ullah, Arindam Kumar Paul, Md.
Mortaza Morshed
- Abstract要約: 第4次産業革命の時代には,機械の故障検出と診断の自動化が不可欠である。
一部の機械の健康モニタリングシステムは世界中で使用されているが、高価であり、操作と分析のために訓練された人員を必要としている。
発展途上国では、インフラの不十分、熟練した人材の不足、金融危機などの理由から、予測的保守と労働安全文化は利用できない。
- 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: In the era of the fourth industrial revolution, it is essential to automate
fault detection and diagnosis of machineries so that a warning system can be
developed that will help to take an appropriate action before any catastrophic
damage. Some machines health monitoring systems are used globally but they are
expensive and need trained personnel to operate and analyse. Predictive
maintenance and occupational health and safety culture are not available due to
inadequate infrastructure, lack of skilled manpower, financial crisis, and
others in developing countries. Starting from developing a cost-effective DAS
for collecting fault data in this study, the effect of limited data and
resources has been investigated while automating the process. To solve this
problem, A feature engineering and data reduction method has been developed
combining the concepts from wavelets, differential calculus, and signal
processing. Finally, for automating the whole process, all the necessary
theoretical and practical considerations to develop a predictive model have
been proposed. The DAS successfully collected the required data from the
machine that is 89% accurate compared to the professional manual monitoring
system. SVM and NN were proposed for the prediction purpose because of their
high predicting accuracy greater than 95% during training and 100% during
testing the new samples. In this study, the combination of the simple algorithm
with a rule-based system instead of a data-intensive system turned out to be
hybridization by validating with collected data. The outcome of this research
can be instantly applied to small and medium-sized industries for finding other
issues and developing accordingly. As one of the foundational studies in
automatic FDD, the findings and procedure of this study can lead others to
extend, generalize, or add other dimensions to FDD automation.
- Abstract（参考訳）: 第4次産業革命の時代には、機械の故障検出と診断の自動化が不可欠であり、破滅的な被害を受ける前に適切な行動を取るための警告システムを開発できる。
一部のマシンのヘルスモニタリングシステムは世界中で使用されているが、費用が高く、運用と分析に訓練された人材が必要である。
発展途上国では、インフラの不十分、熟練した人材の不足、金融危機などの理由から、予測的保守と労働安全文化は利用できない。
本研究は, 故障データ収集のための費用対効果DASの開発から始まり, プロセスの自動化とともに, 限られたデータと資源の効果について検討した。
この問題を解決するために、ウェーブレット、微分計算、信号処理の概念を組み合わせた特徴工学およびデータ削減手法を開発した。
最後に、プロセス全体を自動化するために、予測モデルを開発するために必要な全ての理論および実践的考察が提案されている。
DASは、専門的な手動監視システムと比較して精度が89%のマシンから必要なデータを収集した。
SVMとNNは、トレーニング中に95%以上、新しいサンプルのテスト中に100%以上予測精度が高いため、予測目的で提案された。
本研究では,データ集約型システムに代えて,単純なアルゴリズムとルールベースシステムを組み合わせることで,収集データを用いたハイブリッド化が実現した。
この研究の成果は、他の問題を見つけ、それに従って開発するために、中小規模の産業に即座に適用することができる。
自動FDDの基礎研究の1つとして、この研究の発見と手順により、他の研究者はFDDの自動化に他の次元を拡大、一般化、追加することができる。
関連論文リスト
- Multivariate Data Augmentation for Predictive Maintenance using Diffusion [35.286105732902065]
予測メンテナンスは、産業、医療、金融分野におけるシステムの修復を最適化するために使われてきた。
これらのモデルをトレーニングするフォールトデータがないのは、フォールトの発生とダウンタイムを最小限に抑えるために取り組んでいる組織のためです。
新たにインストールされたシステムでは、障害データがまだ存在しないため、障害データは存在しない。
論文 参考訳（メタデータ） (2024-11-06T16:57:09Z) - Enhancing Automata Learning with Statistical Machine Learning: A Network Security Case Study [4.2751988244805466]
本稿では,ネットワークトラヒックデータから状態マシンを抽出するために,オートマチック学習を用いる。
我々は,産業パートナーのRabbitRun Technologiesが開発した商用ネットワーク侵入検知システムに適用する。
我々の手法は、学習された状態マシンの状態数と遷移を平均67.5%削減する。
論文 参考訳（メタデータ） (2024-05-18T02:10:41Z) - Comprehensive Study Of Predictive Maintenance In Industries Using Classification Models And LSTM Model [0.0]
この研究は、SVM(Support Vector Machine)、ランダムフォレスト(Random Forest)、ロジスティック回帰(Logistic Regression)、畳み込みニューラルネットワークLSTMベース(Convolutional Neural Network LSTM-based)など、さまざまな機械学習分類手法を掘り下げて、マシンのパフォーマンスを予測し分析することを目的としている。
本研究の主な目的は、精度、精度、リコール、F1スコアなどの要因を考慮して、これらのアルゴリズムの性能を評価し、機械性能を予測・解析することである。
論文 参考訳（メタデータ） (2024-03-15T12:47:45Z) - Self-consistent Validation for Machine Learning Electronic Structure [81.54661501506185]
機械学習と自己整合フィールド法を統合して,検証コストの低減と解釈可能性の両立を実現する。
これにより、積極的学習によるモデルの能力の探索が可能となり、実際の研究への統合への信頼がもたらされる。
論文 参考訳（メタデータ） (2024-02-15T18:41:35Z) - 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) - Condition monitoring and anomaly detection in cyber-physical systems [0.483420384410068]
本稿では,サイバー物理システムにおけるロバストで費用対効果の高い異常検出のための最近の機械学習手法の比較分析を行う。
監督された症例では,98%の精度でほぼ完全である。
対照的に、教師なし症例のベストケースの精度は63%であった。
論文 参考訳（メタデータ） (2023-01-22T00:58:01Z) - How Can Subgroup Discovery Help AIOps? [0.0]
サブグループディスカバリがAIOpsにどのように役立つかを研究する。
このプロジェクトには、フランスのソフトウェアエディタであるInfologicalのデータマイニングの研究者と実践者の両方が含まれる。
論文 参考訳（メタデータ） (2021-09-10T14:41:02Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳（メタデータ） (2021-07-28T10:28:05Z) - Sensitivity analysis in differentially private machine learning using
hybrid automatic differentiation [54.88777449903538]
感性分析のための新しいテクスチブリド自動識別システム(AD)を導入する。
これにより、ニューラルネットワークをプライベートデータ上でトレーニングするなど、任意の微分可能な関数合成の感度をモデル化できる。
当社のアプローチは,データ処理の設定において,プライバシ損失に関する原則的推論を可能にする。
論文 参考訳（メタデータ） (2021-07-09T07:19:23Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳（メタデータ） (2021-02-15T19:56:48Z) - 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)
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。