دانلود رایگان مقاله معماری پیشنهادی برای یادگیری ماشین مبتنی بر نظارت فرایند صنعتی – سال 2020
مشخصات مقاله:
عنوان فارسی مقاله:
معماری پیشنهادی برای یادگیری ماشین مبتنی بر نظارت فرایند صنعتی
عنوان انگلیسی مقاله:
Architecture Proposal for Machine Learning Based Industrial Process Monitoring
کلمات کلیدی مقاله:
معماری سیستم؛ موتور قانون؛ تشخیص ناهنجاری ؛ نظارت بر؛ صنعت 4.0
مناسب برای رشته های دانشگاهی زیر:
مهندسی صنایع، مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
تکنولوژی صنعتی، هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF با کلیک بر روی دکمه آبی، دانلود نمایید. برای ثبت سفارش ترجمه نیز روی دکلمه قرمز رنگ کلیک نمایید. سفارش ترجمه نیازمند زمان بوده و ترجمه این مقاله آماده نمیباشد و پس از اتمام ترجمه، فایل ورد تایپ شده قابل دانلود خواهد بود.
قسمتی از مقاله انگلیسی:
Abstract
In the context of Industry 4.0, an emerging trend is to increase the reliability of industrial process by using machine learning (ML) to detect anomalies of production machines. The main advantages of ML are in the ability to (1) capture non-linear phenomena, (2) adapt to many different processes without human intervention and (3) learn incrementally and improve over time. In this paper, we take the perspective of IT system architects and analyse the implications of the inclusion of ML components into a traditional anomaly detection systems. Through a prototype that we deployed for chemical reactors, our findings are that such ML components are impacting drastically the architecture of classical alarm systems. First, there is a need for long-term storage of the data that are used to train the models. Second, the training and usage of ML models can be CPU intensive and may request using specific resources. Third, there is no single algorithm that can detect machine errors. Fourth, human crafted alarm rules can now also include a learning process to improve these rules, for example by using active learning with a human-in-the-loop approach. These reasons are the motivations behind a microservice-based architecture for an alarm system in industrial machinery.
