論文の概要: Data-driven Machinery Fault Detection: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2405.18843v1
• Date: Wed, 29 May 2024 07:50:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-30 18:19:11.009550
• Title: Data-driven Machinery Fault Detection: A Comprehensive Review
• Title（参考訳）: データ駆動型機械故障検出:総合的レビュー
• Authors: Dhiraj Neupane, Mohamed Reda Bouadjenek, Richard Dazeley, Sunil Aryal,
• Abstract要約: タイムリーかつ正確に故障した機械信号を特定することは、産業応用において不可欠である。 データ駆動型機械故障診断(MFD)は、機械/深層学習アプローチに基づくソリューションであり、製造業で広く利用されている。 本調査では, 各種機械故障の検出・診断に, さまざまな種類の機械学習手法を用いて, 記事の総合的なレビューを行う。
• 参考スコア（独自算出の注目度）: 2.373572816573706
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this era of advanced manufacturing, it's now more crucial than ever to diagnose machine faults as early as possible to guarantee their safe and efficient operation. With the massive surge in industrial big data and advancement in sensing and computational technologies, data-driven Machinery Fault Diagnosis (MFD) solutions based on machine/deep learning approaches have been used ubiquitously in manufacturing. Timely and accurately identifying faulty machine signals is vital in industrial applications for which many relevant solutions have been proposed and are reviewed in many articles. Despite the availability of numerous solutions and reviews on MFD, existing works often lack several aspects. Most of the available literature has limited applicability in a wide range of manufacturing settings due to their concentration on a particular type of equipment or method of analysis. Additionally, discussions regarding the challenges associated with implementing data-driven approaches, such as dealing with noisy data, selecting appropriate features, and adapting models to accommodate new or unforeseen faults, are often superficial or completely overlooked. Thus, this survey provides a comprehensive review of the articles using different types of machine learning approaches for the detection and diagnosis of various types of machinery faults, highlights their strengths and limitations, provides a review of the methods used for condition-based analyses, comprehensively discusses the available machinery fault datasets, introduces future researchers to the possible challenges they have to encounter while using these approaches for MFD and recommends the probable solutions to mitigate those problems. The future research prospects are also pointed out for a better understanding of the field. We believe this article will help researchers and contribute to the further development of the field.
• Abstract（参考訳）: 先進的な製造の時代には、機械の故障をできるだけ早く診断し、安全で効率的な運転を保証することがこれまで以上に重要になりました。 産業用ビッグデータの急増とセンシング・計算技術の進歩により、機械/深度学習アプローチに基づくデータ駆動型機械学習故障診断(MFD)ソリューションが製造業においてユビキタスに利用されている。 多くの関連ソリューションが提案され、多くの論文でレビューされている産業応用において、故障した機械信号のタイムリーかつ正確に識別することが不可欠である。 MFDに関する多くのソリューションとレビューが利用可能であるにもかかわらず、既存の作品はいくつかの側面を欠いていることが多い。 利用可能な文献の多くは、特定の種類の機器や分析方法に集中しているため、幅広い製造環境において適用性に制限がある。 さらに、ノイズの多いデータ処理、適切な特徴の選択、新しい障害や予期せぬ障害に対応するモデルの適用など、データ駆動型アプローチの実装に関わる課題に関する議論は、表面的あるいは完全に見落とされがちである。 そこで本調査では, 各種機械故障の検出・診断にさまざまな機械学習アプローチを用いた記事の総合的なレビュー, 強度と限界の強調, 条件に基づく解析に使用される手法のレビュー, 利用可能な機械故障データセットの総合的な検討, 今後の研究者に対して, これらのアプローチをMFDに使用しながら直面する可能性のある課題について紹介し, それらの問題を緩和するための潜在的ソリューションを推奨する。 今後の研究の見通しは、この分野をより深く理解するためにも指摘されている。 この記事は、研究者の助けとなり、この分野のさらなる発展に貢献してくれると信じている。

関連論文リスト

• Consultation on Industrial Machine Faults with Large language Models [0.0]
  本稿では,Large Language Models (LLMs) を用いて故障診断精度を向上させる手法を提案する。 実験の結果,本手法はベースラインモデルよりも優れ,精度は91%であった。
  論文  参考訳（メタデータ） (2024-10-04T08:22:16Z)
• A Comprehensive Survey on Machine Learning Driven Material Defect Detection: Challenges, Solutions, and Future Prospects [6.559194485550409]
  材料欠陥(MD)は、製品性能に影響を及ぼし、関連する製品における安全性の問題を引き起こす主要な課題である。 MDの迅速かつ正確な同定と局在化は、MDに関連する現代の課題に対処する上で重要な研究課題である。 近年、機械学習(ML)技術の急速な進歩により、ディープラーニングはコア技術として急速に発展し、材料欠陥検出(MDD)の顕著な研究方向となっている。 我々はMDDに適用されたML手法を,教師なし学習,教師なし学習,半教師付き学習,強化学習,生成学習の5つのカテゴリに分類した。
  論文  参考訳（メタデータ） (2024-06-12T05:19:55Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• The Frontier of Data Erasure: Machine Unlearning for Large Language Models [56.26002631481726]
  大規模言語モデル(LLM)はAIの進歩の基礎となっている。 LLMは機密情報、偏見情報、著作権情報を記憶し、広めることによってリスクを生じさせる。 機械学習は、これらの懸念を軽減するための最先端のソリューションとして現れます。
  論文  参考訳（メタデータ） (2024-03-23T09:26:15Z)
• Anomaly Detection in Industrial Machinery using IoT Devices and Machine Learning: a Systematic Mapping [0.0]
  IoT(Internet of Things)は、産業機械から大量のデータを収集することを可能にする。 しかし、モノのインターネットによって生成されるデータの量と複雑さは、人間が手動で異常を検出するのを困難にしている。 機械学習(ML)アルゴリズムは、生成されたデータを分析することによって、産業機械における異常検出を自動化することができる。
  論文  参考訳（メタデータ） (2023-07-28T20:58:00Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• 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)
• Multi-Fault Diagnosis Of Industrial Rotating Machines Using Data-Driven Approach: A Review Of Two Decades Of Research [19.89641921844766]
  本稿では,産業用回転機械のマルチフォールト診断のためのデータ駆動型手法について,系統的な文献レビューを行う。 PRISMA法は、体系的なレビューやその他のメタアナリシスの構成と構造に関するガイドラインの集合である。 この分野における基礎的な作業を特定し、産業用回転機械のマルチフォールト診断に関連するさまざまな側面について比較研究する。
  論文  参考訳（メタデータ） (2022-05-30T14:54:27Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• Data Mining with Big Data in Intrusion Detection Systems: A Systematic Literature Review [68.15472610671748]
  クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。 データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。 ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
  論文  参考訳（メタデータ） (2020-05-23T20:57:12Z)

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。