인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
Predictive maintenance is essential in the manufacturing industry, as it helps reduce maintenance costs and improve operational efficiency. In the IoT era, predictive maintenance is increasingly automated using deep learning methods, leveraging the abundant availability of sensor data. However, the widely used centralized learning approach presents significant data security concerns, as company data is highly valuable and must be protected. In this paper, we propose a Federated Learning (FL) framework for predictive maintenance, utilizing vibration data collected from edge devices. Additionally, we introduce a custom model aggregation strategy, Fine-Tuning FedAvg (FT-FedAvg), which enhances model performance by incorporating a fine-tuning phase during the model aggregation process. Our framework is designed for real-world deployment, as it is optimized for resource-constrained edge devices and supports real-time monitoring in industrial environments. Experimental results demonstrate that our FL framework achieves comparable performance to centralized learning while preserving data privacy, making it a practical and secure solution for predictive maintenance in real-world manufacturing scenarios.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092455536
