サインイン
インサイト - 예측 유지보수
산업용 기계 고장 예측을 위한 트랜스포머 기반 프레임워크 활용 (TQRNNs)
본 논문에서는 음료 제조 산업 환경에서 실시간 기계 고장 예측을 위한 새로운 데이터 기반 솔루션인 TQRNN(Transformer Quantile Regression Neural Networks)을 소개합니다. TQRNN은 센서 데이터, 분위수 회귀 신경망, 트랜스포머 네트워크를 활용하여 최대 1시간 전에 기계 고장을 예측하여 생산 중단을 최소화하고 결함 있는 제품 생산을 방지합니다.
고압 산업용 압축기의 예측 유지보수 연구: 하이브리드 클러스터링 모델을 이용한 고장 감지 정확도 향상 및 학습 시간 단축 효과 분석
비지도 학습 기반의 하이브리드 클러스터링 모델을 활용하여 고압 산업용 압축기의 예측 유지보수 전략을 개선하고, 이를 통해 고장 감지 정확도를 향상시키고 학습 시간을 단축할 수 있다.
TinyML 기반 계층적 추론 네트워크를 통한 채굴 이동 기계의 예측 유지보수 향상
변화하는 환경에서 운영되는 채굴 기계의 예측 유지보수(PdM)를 개선하기 위해 에지 장치, 게이트웨이 및 클라우드 서비스 전반에 걸쳐 계층적 추론 프레임워크인 ESN-PdM을 도입하여 실시간 상태 모니터링을 가능하게 하고 정확도, 지연 시간 및 배터리 수명 간의 균형을 맞춰 장비 가동 시간을 유지합니다.
© 2024 by Linnk AI