Artificial Intelligence Approaches for Predictive Maintenance in the Steel Industry: A Survey

要約

予知保全 (PdM) はインダストリー 4.0 の柱の 1 つとして登場し、ダウンタイムを最小限に抑え、機器の寿命を延ばし、故障を防ぐことができる運用効率の向上に不可欠なものになりました。
人工知能 (AI) 手法を使用して、幅広い PdM タスクを実行できます。AI 手法では、多くの場合、産業用センサーから生成されたデータが使用されます。
世界経済の重要な部門である鉄鋼産業は、その環境負荷の多さ、市場のグローバル化、厳しい労働条件を考慮すると、この傾向の潜在的な受益者の1つです。
この調査は、鉄鋼業界における AI ベースの PdM 分野の知識の現状を総合したもので、研究者と実務者を対象としています。
私たちはこのトピックに関連する 219 件の論文を特定し、5 つの研究課題を定式化しました。これにより、現在の傾向と主な研究ギャップについて世界的な視点を得ることができます。
PdM の対象となる機器や設備を調査し、一般的な PdM アプローチを決定し、これらのソリューションの開発に使用される AI 手法の傾向を特定しました。
私たちは、調査対象の論文で使用されたデータの特徴を調査し、そこで提示された研究の実際的な意味を評価しました。
研究のほとんどは、産業用センサーからのデータを使用して、高炉または熱間圧延に焦点を当てています。
現在の傾向では、この分野、特に深層学習の使用に対する関心が高まっています。
主な課題には、提案された手法を運用環境で実装すること、メンテナンス計画に組み込むこと、研究のアクセシビリティと再現性を高めることが含まれます。

要約(オリジナル)

Predictive Maintenance (PdM) emerged as one of the pillars of Industry 4.0, and became crucial for enhancing operational efficiency, allowing to minimize downtime, extend lifespan of equipment, and prevent failures. A wide range of PdM tasks can be performed using Artificial Intelligence (AI) methods, which often use data generated from industrial sensors. The steel industry, which is an important branch of the global economy, is one of the potential beneficiaries of this trend, given its large environmental footprint, the globalized nature of the market, and the demanding working conditions. This survey synthesizes the current state of knowledge in the field of AI-based PdM within the steel industry and is addressed to researchers and practitioners. We identified 219 articles related to this topic and formulated five research questions, allowing us to gain a global perspective on current trends and the main research gaps. We examined equipment and facilities subjected to PdM, determined common PdM approaches, and identified trends in the AI methods used to develop these solutions. We explored the characteristics of the data used in the surveyed articles and assessed the practical implications of the research presented there. Most of the research focuses on the blast furnace or hot rolling, using data from industrial sensors. Current trends show increasing interest in the domain, especially in the use of deep learning. The main challenges include implementing the proposed methods in a production environment, incorporating them into maintenance plans, and enhancing the accessibility and reproducibility of the research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google