文献

J-GLOBAL ID：202102287371861036   整理番号：21A0666154

分類アルゴリズムとWebベースIoTセンサによる事前エンジン故障の予測【JST・京大機械翻訳】

Predicting Prior Engine Failure with Classification Algorithms and web-based IoT Sensors

著者 (3件)： Dakhil Ali Fattah (Collage of CS and Information Tech, University of Sumer,Computing Information Systems dept) ,  Ali Wafaa Mohammed (Collage of Pure Science, University of Thi-Qar,Computer Science dept,Thi-Qar,Iraq) ,  Abdulredah Ali Atshan (Collage of CS and Information Tech, University of Sumer,Computing Information Systems dept)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ETCCE  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習分類技術は,エンジン故障問題と機械保全において,重要な役割を果たす。モノのインターネット,IoT産業の助けを借りて,接続されたセンサーはデータ収集と遠隔エンジン監視にかなりの影響を与える。機械エンジニアと専門家は,エンジンが誤動作を遂げるとき,決定が難しい。従って,エンジン保全は,事故が発生する可能性がある最も近い時間を予測する適切な戦略を必要とする。本研究は,エンジニアが存在する可能性のある事故に関する早期警報を持つように,完全な解決策を調査した。本研究は,長いエンジン寿命が如何に存在するかに残された可視化時間を与え,従って,このシステムは,保全を実行するための最良の時間の技術者を指定する。著者らが追跡する方法論は,IoTでデータを収集し,分類アルゴリズムでそのようなデータを分析することにより適切な機構を設定する。これらのアルゴリズムは,エンジンを特定の条件に分類し,従って,どのエンジンが最適状態で作動するかを示す。実験により,K-Near近傍が,他のものの間のこの種の作業のための最良のアルゴリズムであることを証明した。決定木と線形判別は,それぞれ82.9%,51.0%と64.9%であった。従って,分類技法は,正しい時間と正しい状況における保守の必要性のために,エンジン条件と警報を確実に区別する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  警報 ,  *故障 ,  保全 ,  可視化 ,  ディシジョンツリー ,  線形性 ,  センサ ,  データ収集 ,  *Web【情報システム】 ,  機械学習
準シソーラス用語： *分類アルゴリズム ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 分類アルゴリズム ,  Web ,  IoT ,  故障 ,  予測