論文の概要: Predictive Maintenance of Electric Motors Using Supervised Learning Models: A Comparative Analysis

• arxiv url: http://arxiv.org/abs/2504.03670v1
• Date: Thu, 20 Mar 2025 19:36:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-13 07:22:35.439007
• Title: Predictive Maintenance of Electric Motors Using Supervised Learning Models: A Comparative Analysis
• Title（参考訳）: 教師付き学習モデルを用いた電動機の予測保守:比較分析
• Authors: Amir Hossein Baradaran,
• Abstract要約: 本研究では,電動機の状態を診断するための教師あり学習モデルについて検討した。 様々な機械学習アルゴリズムを訓練するために、モーター操作の重要な特徴が採用された。 その結果, モデル間での精度の顕著な違いがみられた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Predictive maintenance is a key strategy for ensuring the reliability and efficiency of industrial systems. This study investigates the use of supervised learning models to diagnose the condition of electric motors, categorizing them as "Healthy," "Needs Preventive Maintenance (PM)," or "Broken." Key features of motor operation were employed to train various machine learning algorithms, including Naive Bayes, Support Vector Machines (SVM), Regression models, Random Forest, k-Nearest Neighbors (k-NN), and Gradient Boosting techniques. The performance of these models was evaluated to identify the most effective classifier for predicting motor health. Results showed notable differences in accuracy among the models, with one emerging as the best-performing solution. This study underscores the practicality of using supervised learning for electric motor diagnostics, providing a foundation for efficient maintenance scheduling and minimizing unplanned downtimes in industrial applications.
• Abstract（参考訳）: 予測保守は、産業システムの信頼性と効率を確保するための重要な戦略である。 本研究は,電動機の状態を診断するための教師付き学習モデルを用いて,これらを"Healthy","Needs Preventive maintenance"(PM),"Broken"と分類する。 Naive Bayes、SVM(Support Vector Machines)、Regression Model、Random Forest、k-Nearest Neighbors (k-NN)、Gradient Boostingなど、さまざまな機械学習アルゴリズムのトレーニングにモーター操作が使用された。 これらのモデルの性能を評価し,運動状態の予測に最も有効な分類器を同定した。 その結果, モデル間での精度の顕著な違いがみられた。 本研究は, 電気モーター診断における教師あり学習の実践性を強調し, 産業応用における計画外のダウンタイムを最小化し, 効率的なメンテナンスを行う基盤を提供する。

関連論文リスト

• Towards Effective Evaluations and Comparisons for LLM Unlearning Methods [97.2995389188179]
  本稿では,大規模言語モデルにおける機械学習評価の精度向上を図る。 評価指標の堅牢性と、競合する目標間のトレードオフという、2つの重要な課題に対処します。
  論文  参考訳（メタデータ） (2024-06-13T14:41:00Z)
• Enhancing Generative Class Incremental Learning Performance with Model Forgetting Approach [50.36650300087987]
  本研究は, ジェネレーティブ・クラス・インクリメンタル・ラーニング(GCIL, Generative Class Incremental Learning)への新たなアプローチを提案する。 我々は, 忘れる機構の統合により, 新たな知識獲得におけるモデルの性能が著しく向上することを発見した。
  論文  参考訳（メタデータ） (2024-03-27T05:10:38Z)
• 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)
• Fast-ELECTRA for Efficient Pre-training [83.29484808667532]
  ELECTRAは補助モデルに置き換えられたシーケンス内のトークンを検出して、言語モデルを事前訓練する。 本稿では,既存の言語モデルを補助モデルとして活用したFast-ELECTRAを提案する。 提案手法は,最先端のELECTRA型事前学習手法の性能に匹敵するが,補助モデルの連成学習による計算とメモリコストは著しく削減される。
  論文  参考訳（メタデータ） (2023-10-11T09:55:46Z)
• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• An Interpretable Systematic Review of Machine Learning Models for Predictive Maintenance of Aircraft Engine [0.12289361708127873]
  本稿では,航空機エンジンの保守性を予測するため,各種機械学習モデルと深層学習モデルの解釈可能なレビューを行う。 本研究では, LSTM, Bi-LSTM, RNN, Bi-RNN GRU, Random Forest, KNN, Naive Bayes, Gradient Boostingを用いて, 航空機のエンジン故障の予測にセンサデータを用いた。 97.8%、97.14%、96.42%はGRU、Bi-LSTM、LSTMによってそれぞれ得られる。
  論文  参考訳（メタデータ） (2023-09-23T08:54:10Z)
• Foundational Models for Fault Diagnosis of Electrical Motors [0.29494468099506893]
  本研究は、電動機の故障診断のための基礎モデルを構築するための枠組みを提案する。 ニューラルネットワークベースのバックボーンを構築して、自己教師付き学習を使用して高度な機能を学習し、特定の目的を達成するためにバックボーンを微調整する。
  論文  参考訳（メタデータ） (2023-07-31T17:58:16Z)
• Predictive Maintenance of Armoured Vehicles using Machine Learning Approaches [3.403279506246879]
  本研究では,これらの車両から収集したセンサデータに基づいて,潜在的なメンテナンスニーズの予測を支援する,予測型メンテナンスベースアンサンブルシステムを提案する。 提案システムは98.93%の精度、99.80%の精度、99.03%のリコールを実現する。
  論文  参考訳（メタデータ） (2023-07-26T18:50:32Z)
• Passive and Active Learning of Driver Behavior from Electric Vehicles [2.9623902973073375]
  運転者の振る舞いをモデル化することは、電気自動車のエネルギー消費の予測など、自動車業界にいくつかの利点をもたらす。 機械学習手法はドライバーの行動分類に広く使われており、いくつかの課題をもたらす可能性がある。 これには、長期のウィンドウ上のシーケンスモデリングや、高価なアノテーションによるラベル付きデータの欠如が含まれる。
  論文  参考訳（メタデータ） (2022-03-04T08:18:02Z)
• On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
  データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。 モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。 提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
  論文  参考訳（メタデータ） (2021-10-17T13:42:37Z)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)

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。