論文の概要: Fault Detection and Identification Using a Novel Process Decomposition Algorithm for Distributed Process Monitoring

• arxiv url: http://arxiv.org/abs/2409.11444v3
• Date: Mon, 23 Dec 2024 07:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:50:40.949278
• Title: Fault Detection and Identification Using a Novel Process Decomposition Algorithm for Distributed Process Monitoring
• Title（参考訳）: 分散プロセスモニタリングのための新しいプロセス分解アルゴリズムによる故障検出と同定
• Authors: Enrique Luna Villagomez, Vladimir Mahalec,
• Abstract要約: この研究は、相互作用する測定のプロセスブロックを決定する新しいアルゴリズムを導入する。 また、異なる断層の大きさをスケールする新しいコントリビューションマップも定義します。 提案手法は,最も洗練された集中型あるいは分散型の手法と同等の故障検出率を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Recent progress in fault detection and identification increasingly relies on sophisticated techniques for fault detection, applied through either centralized or distributed approaches. Instead of increasing the sophistication of the fault detection method, this work introduces a novel algorithm for determining process blocks of interacting measurements and applies principal component analysis (PCA) at the block level to identify fault occurrences. Additionally, we define a novel contributions map that scales the magnitudes of disparate faults to facilitate the visual identification of abnormal values of measured variables and analysis of fault propagation. Bayesian aggregate fault index and block fault indices vs. time pinpoint origins of the fault. The proposed method yields fault detection rates on par with most sophisticated centralized or distributed methods on the Tennessee Eastman Plant benchmark. Since the decomposition algorithm relies on the process flowsheet and control loop structures, practicing control engineers can implement the proposed method in a straightforward manner.
• Abstract（参考訳）: 断層検出と同定の最近の進歩は、集中的あるいは分散的アプローチによって適用される断層検出の高度な技術にますます依存している。 本研究は, 故障検出法の高度化に代えて, 干渉計測のプロセスブロックを決定する新しいアルゴリズムを導入し, 故障発生の同定に主成分分析(PCA)を適用した。 さらに,異なる断層の規模を拡大し,測定値の異常値の視覚的識別と断層伝播の解析を容易にする新しいコントリビューションマップを定義した。 Bayesian aggregate fault Index and block fault Indices vs. Time pinpoint origins of the fault。 提案手法は、テネシー・イーストマン・プラントのベンチマークにおいて、最も洗練された集中型あるいは分散型の手法と同等の故障検出率を得る。 分解アルゴリズムはプロセスフローシートと制御ループ構造に依存しているため、制御技術者が直接的に提案手法を実装できる。

関連論文リスト

• Control-flow anomaly detection by process mining-based feature extraction and dimensionality reduction [3.1003659570488513]
  本稿では,アライメントに基づくアライメントチェックを用いたプロセスマイニングに基づく特徴抽出手法を提案する。 制御フロー異常検出技術を開発するために,本手法を柔軟かつ説明可能なフレームワークに統合する。
  論文  参考訳（メタデータ） (2025-02-14T15:06:59Z)
• Hierarchical Entropy Disruption for Ransomware Detection: A Computationally-Driven Framework [0.0]
  エントロピー変動のモニタリングは、不正なデータ修正を識別するための代替アプローチを提供する。 階層的エントロピー破壊を利用したフレームワークを導入し,エントロピー分布の偏差を解析した。 複数のランサムウェアにまたがるフレームワークの評価は、高い検出精度を達成する能力を示した。
  論文  参考訳（メタデータ） (2025-02-12T23:29:06Z)
• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent [57.64826450787237]
  本研究では, 分散勾配降下アルゴリズムの挙動を, 敵対的腐敗の有無で解析する方法を示す。 汚職耐性の分散最適化アルゴリズムを設計するために、(怠慢な)ミラー降下からアイデアをどう使うかを示す。 MNISTデータセットの線形回帰、サポートベクトル分類、ソフトマックス分類に基づく実験は、我々の理論的知見を裏付けるものである。
  論文  参考訳（メタデータ） (2024-07-19T08:29:12Z)
• Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
  本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。 提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
  論文  参考訳（メタデータ） (2024-07-12T01:50:07Z)
• Image-based Novel Fault Detection with Deep Learning Classifiers using Hierarchical Labels [8.365583064409371]
  本研究では、ディープニューラルネットワークに基づく故障分類器の未知の故障検出機能について考察する。 本稿では, 故障検出性能の未知化のために, 故障分類に関するラベルをいかに利用することができるかを示す方法論を提案する。
  論文  参考訳（メタデータ） (2024-03-26T17:22:29Z)
• An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
  本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。 まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
  論文  参考訳（メタデータ） (2022-08-11T22:27:22Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• Frequency-based Multi Task learning With Attention Mechanism for Fault Detection In Power Systems [6.4332733596587115]
  本稿では,障害検出のための新しいディープラーニングベースのアプローチを導入し,実際のデータセット,すなわち部分放電検出タスクのためのKaggleプラットフォーム上でテストする。 提案手法では,時系列の特徴を抽出するためのアテンション機構を備えたLong-Short Term Memoryアーキテクチャを採用し,信号の周波数情報を利用した1D-Convolutional Neural Network構造を用いて予測を行う。
  論文  参考訳（メタデータ） (2020-09-15T02:01:47Z)

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。