지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.6
- 수록면
- 151 - 158 (8page)
- DOI
- 10.14372/IEMEK.2024.19.3.151
이용수
초록· 키워드
오류제보하기
Although on-device artificial intelligence (AI) has gained attention to diagnosing machine faults in real time, most previous studies did not consider the model retraining and redeployment processes that must be performed in real-world industrial environments. Our study addresses this challenge by proposing an on-device AI-based real-time machine fault diagnosis system that utilizes continual learning. Our proposed system includes a lightweight convolutional neural network (CNN) model, a continual learning algorithm, and a real-time monitoring service. First, we developed a lightweight 1D CNN model to reduce the cost of model deployment and enable real-time inference on the target edge device with limited computing resources. We then compared the performance of five continual learning algorithms with three public bearing fault datasets and selected the most effective algorithm for our system. Finally, we implemented a real-time monitoring service using an open-source data visualization framework. In the performance comparison results between continual learning algorithms, we found that the replay-based algorithms outperformed the regularization-based algorithms, and the experience replay (ER) algorithm had the best diagnostic accuracy. We further tuned the number and length of data samples used for a memory buffer of the ER algorithm to maximize its performance. We confirmed that the performance of the ER algorithm becomes higher when a longer data length is used. Consequently, the proposed system showed an accuracy of 98.7%, while only 16.5% of the previous data was stored in memory buffer. Our lightweight CNN model was also able to diagnose a fault type of one data sample within 3.76 ms on the Raspberry Pi 4B device.
목차
등록된 정보가 없습니다.
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
지속적 학습을 이용한 생산 과정에서의 결함 탐지
한국CDE학회 논문집
2022 .03
-
Analysis of Large Language Model Performance According to Korean-English Training Data Ratio in Continual Learning
한국정보과학회 학술발표논문집
2024 .12
-
RADAR 데이터를 바탕으로 한 Continual Learning model의 실용성 평가
한국정보과학회 학술발표논문집
2020 .07
-
다중 모달리티를 위한 연속학습
대한전자공학회 학술대회
2024 .06
-
연속 학습을 위한 메모리를 사용하는 에너지 기반 모델
한국정보과학회 학술발표논문집
2023 .06
-
Real-time Fault Diagnosis for Train Doors on Edge AI Device
한국통신학회 학술대회논문집
2021 .02
-
전이 학습과 진동 신호를 이용한 설비 고장 진단 및 분석
대한임베디드공학회논문지
2019 .01
-
연속학습에서의 모델 유사도에 관한 연구
한국통신학회 학술대회논문집
2025 .02
-
굴착기 주행디바이스의 고장 진단을 위한 AI기반 상태 모니터링 시스템 개발
드라이브·컨트롤
2021 .03
-
Knowledge Distillation 계층 변화에 따른 Anchor Free 물체 검출 Continual Learning
멀티미디어학회논문지
2022 .04
-
굴착기 주행디바이스의 고장 진단을 위한 AI 기반 상태 모니터링 시스템 개발
유공압건설기계학회 학술대회논문집
2020 .07
-
PCB 부품 검출을 위한 Knowledge Distillation 기반 Continual Learning
멀티미디어학회논문지
2021 .07
-
Data Preprocessing Method in Motor Fault Diagnosis Using Unsupervised Learning
제어로봇시스템학회 국제학술대회 논문집
2019 .10
-
Comparison of motor fault diagnosis performance using RNN and K-means for data with disturbance
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
지속학습을 위한 경로 선택 모델
한국정보과학회 학술발표논문집
2018 .06
-
Utilizing Contex for Enhancing Performance of On-device AI Inference
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2023 .01
-
기계학습 기반의 실시간 이미지 인식 알고리즘의 성능
한국위성정보통신학회논문지
2017 .09
-
지속학습을 위한 커리큘럼 학습
대한전자공학회 학술대회
2023 .06
-
지속 가능한 온디바이스 학습을 위하여 사전 학습된 음성인식 모델 성능 분석
한국통신학회 학술대회논문집
2025 .02
-
A Study on Motor Poor Maintenance Detection Based on DT-CNN
제어로봇시스템학회 국제학술대회 논문집
2019 .10
최근 본 자료
댓글(0)
0