文献

J-GLOBAL ID：202202211964035199   整理番号：22A0799848

抵抗鋼溶接における不良故障のための異常検出法【JST・京大機械翻訳】

Anomaly detection methods for infrequent failures in resistive steel welding

著者 (2件)： Meyer Kevin (School of Computational Science and Engineering, McMaster University, Hamilton, ON, Canada) ,  Mahalec Vladimir (School of Computational Science and Engineering, McMaster University, Hamilton, ON, Canada)
資料名： Journal of Manufacturing Processes  (Journal of Manufacturing Processes)
巻： 75  ページ： 497-513  発行年： 2022年 
JST資料番号： W3312A  ISSN： 1526-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多くの工業プラントは,コストの大幅な増加を生じる運転中に,まれな故障と故障(異常)に遭遇する。これらの異常のモデリングと検出は,不均衡(異常な観測)とラベルなし(クラス情報なし)の歴史的データのために困難である。以前の研究は,産業で典型的には利用できない,大きく,ラベル付けされ,バランスの取れた訓練データセットを必要とする。本研究は,異常検出モデルを構築するために,通常のプラント操作からのデータのみに依存する。抵抗シーム溶接のための品質監視と異常検出解として,単一クラスニューラルネットワーク自動符号化器と主成分分析を開発した。解釈可能な計量による異常検出を容易にする溶接プロセスの監視モデルを,容易に得た通常の溶接プロセスデータから構築した。貧弱な品質の溶接の例も,設計実験も必要でない。方法は,まれだが高価な溶接故障に遭遇する鋼亜鉛めっきラインからの工業データに適用された。これらの2つのモニタリング手法は,通常の溶接操作からのオンライン工業生産データのみを用いて,溶接破壊あるいは不良品質溶接の例を必要とせずに,まれな溶接破断でロバストに検出できることを示した。さらに,モニタリングメトリック,可視化,および根原因分析機能も,これらのモデルによって提供した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *故障 ,  破断 ,  *鋼 ,  *溶接 ,  シーム溶接 ,  亜鉛めっき ,  異常 ,  可視化 ,  モデリング ,  符号器 ,  主成分分析 ,  工業生産 ,  ロバスト性
準シソーラス用語： 訓練データ ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (6件)： 異常検出 ,  潜在変数モデリング ,  単一クラスモデリング ,  主成分分析 ,  オートエンコーダ ,  工業用シーム溶接

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 溶接 ,  故障 ,  検出法