論文の概要: Real Time NILM Based Power Monitoring of Identical Induction Motors Representing Cutting Machines in Textile Industry

• arxiv url: http://arxiv.org/abs/2601.01616v1
• Date: Sun, 04 Jan 2026 17:51:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.566801
• Title: Real Time NILM Based Power Monitoring of Identical Induction Motors Representing Cutting Machines in Textile Industry
• Title（参考訳）: 繊維産業における切削機械を表現した誘導電動機の実時間NILMによる電力モニタリング
• Authors: Md Istiauk Hossain Rifat, Moin Khan, Mohammad Zunaed,
• Abstract要約: バングラデシュの繊維産業は最もエネルギー集約的な産業の一つである。 モニタリングの実践はほとんど時代遅れであり、効率の悪さと運用コストが高い。 本稿では,産業アプリケーションに適したリアルタイム非侵入負荷モニタリングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.1087735229999816
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The textile industry in Bangladesh is one of the most energy-intensive sectors, yet its monitoring practices remain largely outdated, resulting in inefficient power usage and high operational costs. To address this, we propose a real-time Non-Intrusive Load Monitoring (NILM)-based framework tailored for industrial applications, with a focus on identical motor-driven loads representing textile cutting machines. A hardware setup comprising voltage and current sensors, Arduino Mega and ESP8266 was developed to capture aggregate and individual load data, which was stored and processed on cloud platforms. A new dataset was created from three identical induction motors and auxiliary loads, totaling over 180,000 samples, to evaluate the state-of-the-art MATNILM model under challenging industrial conditions. Results indicate that while aggregate energy estimation was reasonably accurate, per-appliance disaggregation faced difficulties, particularly when multiple identical machines operated simultaneously. Despite these challenges, the integrated system demonstrated practical real-time monitoring with remote accessibility through the Blynk application. This work highlights both the potential and limitations of NILM in industrial contexts, offering insights into future improvements such as higher-frequency data collection, larger-scale datasets and advanced deep learning approaches for handling identical loads.
• Abstract（参考訳）: バングラデシュの繊維産業は最もエネルギー集約的な分野の1つであるが、その監視の慣行は時代遅れであり、非効率な電力消費と高い運用コストをもたらす。 そこで本研究では, 産業用途に適したリアルタイム非侵入負荷モニタリング(NILM)ベースのフレームワークを提案する。 Arduino Mega と ESP8266 という,電圧・電流センサを備えたハードウェアが開発された。 新しいデータセットは、3つの同一誘導モーターと補助負荷(合計180,000サンプル)から作成され、最先端のMATNILMモデルを挑戦的な工業条件下で評価した。 その結果,集合エネルギー推定は合理的に正確であったが,複数の同一機を同時に動作させる場合,アプライアンス・デアグリゲーションは困難に直面した。 これらの課題にもかかわらず、統合システムは、Blynkアプリケーションを通じてリモートアクセシビリティを備えた実用的なリアルタイムモニタリングを実演した。 この研究は、産業環境でのNILMの可能性と限界を強調し、高頻度データ収集、大規模データセット、同一負荷を扱うための高度なディープラーニングアプローチなどの将来の改善に関する洞察を提供する。

関連論文リスト

• Fusion-ResNet: A Lightweight multi-label NILM Model Using PCA-ICA Feature Fusion [0.0]
  非侵入負荷監視(NILM)は、家庭の総消費電力を個々の家電の消費に分解するためにデータ駆動アルゴリズムを使用する。 本研究では、高周波ラベル付きデータ、特徴抽出方法、軽量ニューラルネットワークからなるNILM分類タスクのエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-15T10:10:46Z)
• Industrial Energy Disaggregation with Digital Twin-generated Dataset and Efficient Data Augmentation [6.543878291038829]
  本稿では,Digital Twinシミュレーションを用いて生成したオープンソースデータセットであるSIDED(Synthetic Industrial Data for Energy Disaggregation)を紹介する。 本研究では, AMDAデータを用いたNILMモデルにより, 複合熱・電力系統などの複雑な産業機器のエネルギー消費の分散を著しく改善する実験を行った。
  論文  参考訳（メタデータ） (2025-06-25T15:10:43Z)
• Machine learning-based condition monitoring of powertrains in modern electric drives [0.0]
  データ分析の活用により、パフォーマンスに関する深い洞察の収集が可能になり、結果として資産の最適化が可能になった。 現代のほとんどの電気ドライブに既に存在するデータは、電力モジュールのデータ駆動熱モデルの開発に使われてきた。
  論文  参考訳（メタデータ） (2025-04-24T06:59:38Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
  生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。 この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。 これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。 本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
  論文  参考訳（メタデータ） (2023-11-28T15:09:36Z)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• TSML (Time Series Machine Learnng) [0.5801044612920815]
  この自動化のルーツは、ステータス監視とデータ収集のためのセンサーネットワークのインストールである。 これらのデータ豊富な環境における大きな課題の1つは、これらの大量のデータから情報を抽出し、活用する方法である。 その技術は、軽量フィルタのパイプラインをビルディングブロックとして使用して、大量の産業時系列データを並列に処理することに基づいている。
  論文  参考訳（メタデータ） (2020-05-27T06:37:49Z)

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。