論文の概要: On-device Anomaly Detection in Conveyor Belt Operations

• arxiv url: http://arxiv.org/abs/2411.10729v2
• Date: Thu, 08 May 2025 16:29:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 15:15:32.318232
• 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,正常化と異常化の2つの新手法を提案する。 提案手法は閾値に基づくデューティサイクル検出機構を利用するパターン認識システムである。 この方法は、推論中にエネルギー消費が13.3および20.6ドルの効率的なリアルタイム操作を示す。
• 参考スコア（独自算出の注目度）: 6.402381955787955
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: 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 has been widely studied, identifying the root causes of these failures, such as changing production conditions and operator errors, remains critical. Continuous monitoring of mining conveyor belt work cycles is still at an early stage and requires robust solutions. Recently, an anomaly detection method for duty cycle operations of a mining conveyor belt has been proposed. Based on its limited performance and unevaluated long-term proper operation, this study proposes two novel methods for classifying normal and abnormal duty cycles. The proposed approaches are pattern recognition systems that make use of threshold-based duty-cycle detection mechanisms, manually extracted features, pattern-matching, and supervised tiny machine learning models. The explored low-computational models include decision tree, random forest, extra trees, extreme gradient boosting, Gaussian naive Bayes, and multi-layer perceptron. A comprehensive evaluation of the former and proposed approaches is carried out on two datasets. Both proposed methods outperform the former method, with the best-performing approach being dataset-dependent. The heuristic rule-based approach achieves the highest performance in the same dataset used for algorithm training, with 97.3% for normal cycles and 80.2% for abnormal cycles. The ML-based approach performs better on a dataset including the effects of machine aging, scoring 91.3% for normal cycles and 67.9% for abnormal cycles. Implemented on two low-power microcontrollers, the methods demonstrate efficient, real-time operation with energy consumption of 13.3 and 20.6 ${\mu}$J during inference. These results offer valuable insights for detecting ...
• Abstract（参考訳）: 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。 コンベヤベルト部品の異常検出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障害の原因を特定することは依然として重要である。 マイニングコンベヤベルト作業サイクルの継続的な監視は、まだ初期段階にあり、堅牢なソリューションが必要である。 近年,マイニングコンベヤベルトのデューティサイクル動作の異常検出手法が提案されている。 本研究は,その限られた性能と長期的適正操作に基づいて,正常および異常な義務サイクルを分類する2つの新しい方法を提案する。 提案手法は、しきい値に基づくデューティサイクル検出機構、手作業による特徴抽出、パターンマッチング、および教師付き小さな機械学習モデルを利用するパターン認識システムである。 探索された低計算モデルには、決定木、無作為な森林、余分な木、極度の勾配上昇、ガウスのナイーブベイズ、多層パーセプトロンが含まれる。 前者および提案手法の総合評価を2つのデータセットで行う。 どちらの手法も従来の手法よりも優れており、最も優れた手法はデータセットに依存している。 ヒューリスティックなルールベースのアプローチは、アルゴリズムトレーニングで使用されるのと同じデータセットで最高のパフォーマンスを達成し、通常のサイクルでは97.3%、異常サイクルでは80.2%である。 MLベースのアプローチは、マシンの老化の影響、通常のサイクルでは91.3%、異常サイクルでは67.9%など、データセット上で改善されている。 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示す。 これらの結果は、検出する上で貴重な洞察を与える。

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。