論文の概要: On-device Anomaly Detection in Conveyor Belt Operations
- arxiv url: http://arxiv.org/abs/2411.10729v1
- Date: Sat, 16 Nov 2024 07:46:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-19 14:32:06.129323
- Title: On-device Anomaly Detection in Conveyor Belt Operations
- Title(参考訳): コンベヤベルト動作におけるオンデバイス異常検出
- Authors: Luciano S. Martinez-Rau, Yuxuan Zhang, Bengt Oelmann, Sebastian Bader,
- Abstract要約: 本研究では,マイニングコンベヤベルトの動作サイクルにおけるリアルタイム異常検出のための2つのパターン認識手法を提案する。
第1のアプローチは、通常サイクルと異常サイクルそれぞれ97.3%と80.2%で、第1のデータセットで最高パフォーマンスに達する。
この手法は、推論中にエネルギー消費量が13.3および20.6ドルの効率的なリアルタイム運転を実証した。
- 参考スコア(独自算出の注目度): 6.402381955787955
- License:
- Abstract: Mining 4.0 leverages advancements in automation, digitalization, and interconnected technologies from Industry 4.0 to address the unique challenges of the mining sector, enhancing efficiency, safety, and sustainability. Conveyor belts are crucial in mining operations by enabling the continuous and efficient movement of bulk materials over long distances, which directly impacts productivity. While detecting anomalies in specific conveyor belt components, such as idlers, pulleys, and belt surfaces, has been widely studied, identifying the root causes of these failures remains critical due to factors like changing production conditions and operator errors. Continuous monitoring of mining conveyor belt work cycles for anomaly detection is still at an early stage and requires robust solutions. This study proposes two distinctive pattern recognition approaches for real-time anomaly detection in the operational cycles of mining conveyor belts, combining feature extraction, threshold-based cycle detection, and tiny machine-learning classification. Both approaches outperformed a state-of-the-art technique on two datasets for duty cycle classification in terms of F1-scores. The first approach, with 97.3% and 80.2% for normal and abnormal cycles, respectively, reaches the highest performance in the first dataset while the second approach excels on the second dataset, scoring 91.3% and 67.9%. Implemented on two low-power microcontrollers, the methods demonstrated efficient, real-time operation with energy consumption of 13.3 and 20.6 ${\mu}$J during inference. These results offer valuable insights for detecting mechanical failure sources, supporting targeted preventive maintenance, and optimizing production cycles.
- Abstract(参考訳): 鉱業4.0は、自動化、デジタル化、産業4.0からの相互接続技術の進歩を活用し、鉱業セクターの固有の課題に対処し、効率性、安全性、持続可能性を向上させる。
コンベヤベルトは、長期にわたるバルク材料の連続的かつ効率的な移動を可能にすることにより、鉱業活動において不可欠であり、生産性に直接影響を及ぼす。
アイドラー、プーリー、ベルト表面などの特定のコンベアベルト成分の異常を検出することは広く研究されているが、生産条件や運転者の誤りなどの要因により、これらの故障の根本原因を特定することは依然として重要である。
異常検出のためのマイニングコンベヤベルト作業サイクルの連続監視は、まだ初期段階にあり、堅牢な解決が必要である。
本研究では,マイニングコンベヤベルトの動作サイクルにおけるリアルタイム異常検出のための2つのパターン認識手法を提案し,特徴抽出,しきい値に基づくサイクル検出,および小さな機械学習分類を組み合わせた。
どちらのアプローチも、F1スコアの観点からデューティサイクル分類のための2つのデータセットの最先端技術よりも優れていた。
第1のアプローチは、正常なサイクルでは97.3%、異常なサイクルでは80.2%で、第1のデータセットでは最高性能に達し、第2のアプローチは第2のデータセットでは91.3%、第67.9%である。
2つの低消費電力マイクロコントローラに実装され、推論中にエネルギー消費が13.3および20.6${\mu}$Jの効率的なリアルタイム動作を実演した。
これらの結果は、機械的故障源の検出、目標とする予防メンテナンスのサポート、生産サイクルの最適化に有用な洞察を提供する。
関連論文リスト
- Angel or Devil: Discriminating Hard Samples and Anomaly Contaminations for Unsupervised Time Series Anomaly Detection [4.767887707515356]
「無監督時系列異常検出の訓練は、有害な有害な異常汚染と有益なハードノーマルサンプルの識別に常に悩まされている。」
論文 参考訳(メタデータ) (2024-10-26T13:59:23Z) - Non-contact Sensing for Anomaly Detection in Wind Turbine Blades: A
focus-SVDD with Complex-Valued Auto-Encoder Approach [2.967390112155113]
我々は、FMCWレーダを非破壊検知モードとして利用する製造の品質保証を強化する。
焦点支援ベクトルデータ記述(focus-SVDD)と呼ばれる新しい異常検出手法を提案する。
提案手法の有効性は, 収集データへの適用を通して実証する。
論文 参考訳(メタデータ) (2023-06-19T09:54:34Z) - Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
論文 参考訳(メタデータ) (2023-04-14T10:09:50Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳(メタデータ) (2022-09-23T06:09:35Z) - MLGWSC-1: The first Machine Learning Gravitational-Wave Search Mock Data
Challenge [110.7678032481059]
第1回機械学習重力波探索モックデータチャレンジ(MLGWSC-1)の結果を示す。
この課題のために、参加するグループは、より現実的な雑音に埋め込まれた複雑さと持続期間が増大する二元ブラックホールの融合から重力波信号を特定する必要があった。
この結果から,現在の機械学習検索アルゴリズムは,限られたパラメータ領域においてすでに十分敏感である可能性が示唆された。
論文 参考訳(メタデータ) (2022-09-22T16:44:59Z) - Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。
本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
論文 参考訳(メタデータ) (2022-05-16T09:34:43Z) - ERNIE-SPARSE: Learning Hierarchical Efficient Transformer Through
Regularized Self-Attention [48.697458429460184]
情報ボトルネック感度と異なる注目トポロジ間の不整合の2つの要因がスパース変換器の性能に影響を及ぼす可能性がある。
本稿では,ERNIE-Sparseというモデルを提案する。
i) 局所情報とグローバル情報を逐次統一する階層スパース変換器(HST) と、(ii) 注意トポロジの異なる変換器の距離を最小化する自己注意正規化(SAR) の2つの特徴がある。
論文 参考訳(メタデータ) (2022-03-23T08:47:01Z) - Identifying Suitable Tasks for Inductive Transfer Through the Analysis
of Feature Attributions [78.55044112903148]
我々は、単一タスクモデル間のニューラルネットワークアクティベーションの比較を通じて、タスクペアが相補的になるかどうかを予測するために、説明可能性技術を使用する。
提案手法により,TREC-IS 2020-Aデータセットでは,正のクラスF1の0.034の削減に留まらず,最大83.5%のトレーニング時間を短縮することが可能である。
論文 参考訳(メタデータ) (2022-02-02T15:51:07Z) - Canonical Polyadic Decomposition and Deep Learning for Machine Fault
Detection [0.0]
マシンからあらゆる種類の障害を学ぶのに十分なデータを集めることは不可能である。
健康状態のみのデータを用いてトレーニングされた新しいアルゴリズムを開発し、教師なしの異常検出を行った。
これらのアルゴリズムの開発における重要な問題は、異常検出性能に影響を与える信号のノイズである。
論文 参考訳(メタデータ) (2021-07-20T14:06:50Z) - Autoencoder-based Condition Monitoring and Anomaly Detection Method for
Rotating Machines [0.19116784879310028]
自動エンコーダモデルに基づく回転機の状態監視手法を異常検出手法を用いて提案する。
提案手法は, 生の振動信号から塩分の特徴を直接抽出できる。
2つの実世界のデータセットにおける実験結果は、提案手法が有望な結果をもたらすことを示している。
論文 参考訳(メタデータ) (2021-01-27T16:49:49Z) - 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)
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。