Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "equipment monitoring" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Decision support and maintenance system for natural hazards, processes and equipment monitoring
    System wspomagania decyzji dla monitorowania zagrożeń naturalnych, procesów i urządzeń
    Autorzy:
    Kozielski, M.
    Sikora, M.
    Wróbel, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/300692.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    decision support system
    prediction
    expert system
    data cleaning
    process monitoring
    device monitoring
    hazard
    system wspomagania decyzji
    czyszczenie danych
    predykcja
    system ekspertowy
    monitorowanie procesów
    monitorowanie urządzeń
    monitorowanie zagrożeń
    Opis:
    This paper presents the DISESOR integrated decision support system and its applications. The system integrates data from different monitoring and dispatching systems and contains such modules as data preparation and cleaning, analytical, prediction and expert system. Architecture of the system is presented in the paper and a special focus is put on the presentation of two issues: data integration and cleaning, and creation of prediction model. The work contains also two case studies presenting the examples of the system application.
    W pracy przedstawiono zintegrowany system wspomagania decyzji DISESOR oraz jego zastosowania. System pozwala na integrację danych pochodzących z różnych systemów monitorowania i systemów dyspozytorskich. Struktura systemu DISESOR składa się z modułów realizujących: przygotowanie i czyszczenie danych, analizę danych, zadania predykcyjne oraz zadania systemu ekspertowego. W pracy przedstawiono architekturę systemu DISESOR, a szczególny nacisk został położony na zagadnienia związane z integracją i czyszczeniem danych oraz tworzeniem modeli predykcyjnych. Działanie systemu przedstawione zostało na dwóch przykładach analizy dla danych rzeczywistych.
    Źródło:
    Eksploatacja i Niezawodność; 2016, 18, 2; 218-228
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An anomaly detection method based on random convolutional kernel and isolation forest for equipment state monitoring
    Autorzy:
    Shu, Xinhao
    Zhang, Shigang
    Li, Yue
    Chen, Mengqiao
    Powiązania:
    https://bibliotekanauki.pl/articles/2200934.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    anomaly detection
    random convolutional kernel
    isolation forest
    multi-dimensional time
    series
    equipment state monitoring
    Opis:
    Anomaly detection plays an essential role in health monitoring and reliability assurance of complex system. However, previous researches suffer from distraction by outliers in training and extensively relying on empiric-based feature engineering, leading to many limitations in the practical application of detection methods. In this paper, we propose an unsupervised anomaly detection method that combines random convolution kernels with isolation forest to tackle the above problems in equipment state monitoring. The random convolution kernels are applied to generate cross-dimensional and multi-scale features for multi-dimensional time series, with combining the time series decomposing method to select abnormally sensitive features for automatic feature extraction. Then, anomaly detection is performed on the obtained features using isolation forests with low requirements for purity of training sample. The verification and comparison on different types of datasets show the performance of the proposed method surpass the traditional methods in accuracy and applicability.
    Źródło:
    Eksploatacja i Niezawodność; 2022, 24, 4; 758--770
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Camera-based PHM method in rotating machinery equipment micro-action scenarios
    Autorzy:
    Junfeng, An
    Liu, Jiqiang
    Zhen, Hao
    Mengmeng, Lu
    Powiązania:
    https://bibliotekanauki.pl/articles/24200809.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    deep learning
    condition monitoring
    Rmcad
    anomaly detection
    defect early warning
    Opis:
    The health operation of rotating machinery guarantees safety of the project. To ensure a good operating environment, current subway equipment inspections frequency is high, resulting in a waste of resources. Small abnormal changes in mechanical equipment will also contribute to the development of mechanical component defects, which will ultimately lead to the failure of the equipment. Therefore, mechanical equipment defects should be detected and diagnosed as soon as possible. Through the use of graphic processing and deep learning, this paper proposes Rmcad Framework with three aspects: condition monitoring, anomaly detection, defect early warning. Using a network algorithm, this paper proposes an improved model that has the characteristics of two-stream and multi-loss functions, which improves the accuracy of detection. Additionally, a defect warning method is constructed to improve the perception ability of equipment before failure occurs and reduce the frequency of frequent maintenance by detecting anomalies according to the degree of opening.
    Źródło:
    Eksploatacja i Niezawodność; 2023, 25, 1; art. no. 10
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies