کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4956170 1444440 2017 24 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic machine status prediction in the era of Industry 4.0: Case study of machines in a spring factory
ترجمه فارسی عنوان
پیش بینی وضعیت دستگاه اتوماتیک در دوران صنعت 4.0: مطالعه موردی ماشین آلات در یک کارخانه بهار
کلمات کلیدی
صنعت 4.0، شبکه های عصبی، شتاب سنج سه گانه تشخیص گسل،
ترجمه چکیده
پیشرفت های تکنولوژیکی اخیر موجب تغییر در جهت اتوماسیون و کارخانه سازی شده است؛ به عنوان مثال، صنعت 4.0. متاسفانه، بسیاری از کارخانجات کوچک و متوسط ​​نمیتوانند از ماشینهای حاوی حسگر، سیستم ابر یا رایانههای با کارایی بالا برای صنعت 4.0 استفاده کنند. علاوه بر این، فرآیندهای تولید ساده در کارخانجات کوچک، سطح دقیق موجود در کارخانه های بزرگ را احیا نمی کنند. در این مطالعه، ما ایده استفاده از سنسورهای سه گانه اضافه افزودنی برای نظارت بر ماشین آلات را مورد بررسی قرار دادیم. ما یک روش کاهش ابعاد با کمترین محاسبات را برای استخراج اطلاعات کلیدی از داده های جمع آوری شده و همچنین یک شبکه عصبی برای فعال کردن تجزیه و تحلیل خودکار داده ها به دست آوردیم. در نهایت، ما یک آزمایش در کارخانه بهار واقعی انجام دادیم تا اعتبار الگوریتم پیشنهاد شده را نشان دهد. سیستم مشخص شده در این مقاله به معنای پیاده سازی صنعت 4.0 در درک کارخانجات کوچک و متوسط ​​است، با حذف نیاز به دستگاه های جاسازی شده حسگر و رایانه های با کارایی بالا.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
پیش بینی وضعیت دستگاه اتوماتیک در دوران صنعت 4.0: مطالعه موردی ماشین آلات در یک کارخانه بهار
چکیده انگلیسی
Recent technological developments have fueled a shift toward the computerization and automation of factories; i.e., Industry 4.0. Unfortunately, many small- and medium-sized factories cannot afford the sensor-embedded machines, cloud system, or high-performance computers required for Industry 4.0. Furthermore, the simple production processes in smaller factories do not require the level of precision found in large factories. In this study, we explored the idea of using inexpensive add-on triaxial sensors for the monitoring of machinery. We developed a dimensionality reduction method with low computational overhead to extract key information from the collected data as well as a neural network to enable automatic analysis of the obtained data. Finally, we performed an experiment at an actual spring factory to demonstrate the validity of the proposed algorithm. The system outlined in this work is meant to bring Industry 4.0 implementations within grasp of small to medium sized factories, by eliminating the need for sensors-embedded machines and high-performance computers.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Systems Architecture - Volume 81, November 2017, Pages 44-53
نویسندگان
, , , , ,