論文の概要: IoT and Predictive Maintenance in Industrial Engineering: A Data-Driven Approach

• arxiv url: http://arxiv.org/abs/2511.04923v1
• Date: Fri, 07 Nov 2025 01:55:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.647995
• Title: IoT and Predictive Maintenance in Industrial Engineering: A Data-Driven Approach
• Title（参考訳）: 産業工学におけるIoTと予測的メンテナンス - データ駆動アプローチ
• Authors: P. Vijaya Bharati, J. S. V. Siva Kumar, Sathish K Anumula, P Vamshi Krishna, Sangam Malla,
• Abstract要約: 第4次産業革命は、モノのインターネットとデータ駆動方式の応用が従来の保守に革命をもたらしている、スマート製造の新しい時代をもたらした。 IoTと機械学習アルゴリズムのリアルタイムデータによって、予測メンテナンスにより、産業システムは障害を予測し、マシンの寿命を最適化できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fourth Industrial Revolution has brought in a new era of smart manufacturing, wherein, application of Internet of Things , and data-driven methodologies is revolutionizing the conventional maintenance. With the help of real-time data from the IoT and machine learning algorithms, predictive maintenance allows industrial systems to predict failures and optimize machines life. This paper presents the synergy between the Internet of Things and predictive maintenance in industrial engineering with an emphasis on the technologies, methodologies, as well as data analytics techniques, that constitute the integration. A systematic collection, processing, and predictive modeling of data is discussed. The outcomes emphasize greater operational efficiency, decreased downtime, and cost-saving, which makes a good argument as to why predictive maintenance should be implemented in contemporary industries.
• Abstract（参考訳）: 第4次産業革命は、モノのインターネット(Internet of Things)の応用とデータ駆動の方法論が従来の保守に革命をもたらしているスマートマニュファクチャリングの新しい時代をもたらした。 IoTと機械学習アルゴリズムのリアルタイムデータによって、予測メンテナンスにより、産業システムは障害を予測し、マシンの寿命を最適化できる。 本稿では, 産業工学におけるモノのインターネットと予測的メンテナンスの相乗効果について, 統合を構成する技術, 方法論, およびデータ分析技術に注目して述べる。 データの体系的な収集、処理、予測モデリングについて論じる。 その結果、運用効率の向上、ダウンタイムの削減、コスト削減が強調され、現代の産業において予測的メンテナンスが実施されるべき理由がよく議論されている。

関連論文リスト

• A Systematic Review of Digital Twin-Driven Predictive Maintenance in Industrial Engineering: Taxonomy, Architectural Elements, and Future Research Directions [0.7340017786387767]
  コストのかかるダウンタイムや悲惨な結果を避けるため、予測メンテナンスの必要性が強まっている。 モノのインターネット、人工知能、機械学習、リアルタイムビッグデータ分析の人気が高まり、効率的な予測保守のためのユニークな機会がある。 この進化の中心はデジタルツイン技術であり、センサデータを継続的に監視し統合し、資産のパフォーマンスをシミュレートし改善する適応型仮想レプリカである。
  論文  参考訳（メタデータ） (2025-09-29T08:26:23Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Machine learning for industrial sensing and control: A survey and practical perspective [7.678648424345052]
  プロセス産業で実際に成功している重要な統計および機械学習技術を特定する。 ソフトセンシングは、統計学と機械学習の手法の多くの産業応用を含んでいる。 データ駆動最適化と制御のための2つの異なるフレーバーについて考察する。
  論文  参考訳（メタデータ） (2024-01-24T22:27:04Z)
• 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)
• Agnostic Learning for Packing Machine Stoppage Prediction in Smart Factories [0.0]
  サイバー物理コンバージェンス(サイバー物理コンバージェンス)は、産業界に新たなビジネスチャンスを開こうとしている。 サイバーと物理世界の深い統合の必要性は、新しいシステムとネットワークエンジニアリングのアプローチを統合するための豊富なビジネスアジェンダを確立する。 このデータ豊かでサイバー物理学的でスマートな工場環境から生まれた、最も実りある研究と実践の分野の1つは、データ駆動のプロセス監視分野である。
  論文  参考訳（メタデータ） (2022-12-12T23:45:59Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)
• Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
  航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。 最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
  論文  参考訳（メタデータ） (2020-08-24T22:40:26Z)

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。