ECNN: A Low-complex, Adjustable CNN for Industrial Pump Monitoring Using Vibration Data

要約

産業用ポンプは、製造、エネルギー生産、水処理など、さまざまなセクターの不可欠なコンポーネントであり、故障が財政的および安全性の大きなリスクを引き起こす可能性があります。
異常検出を使用して、これらのリスクを軽減し、信頼性を高めることができます。
この作業では、加速度センサーによってキャプチャされた振動データに基づいて産業ポンプの故障を予測するために、新規強化された畳み込みニューラルネットワーク（ECNN）を提案します。
畳み込みニューラルネットワーク（CNN）は、計算リソースが限られているエッジデバイスでの実装を可能にするために、低い複雑さに焦点を当てて設計されています。
したがって、複雑さと精度のトレードオフを満たすトポロジを見つけるために、詳細な設計スペース探索が実行されます。
さらに、未知のポンプへの適応を可能にするために、当社のアルゴリズムは、通常のデータサンプルの小さなセットによって決定できるポンプ固有のパラメーターを備えています。
最後に、ECNNをしきい値アプローチと組み合わせて、パフォーマンスをさらに向上させ、アプリケーション要件を満たします。
その結果、私たちの組み合わせたアプローチは、精度の点で従来の統計的アプローチと古典的なCNNを大幅に上回ります。
要約すると、この作業は、工業用ポンプの異常検出のための高精度を提供するために古典的な方法によって強化される、新しい、複合的なCNNベースのアルゴリズムを提供します。

要約(オリジナル)

Industrial pumps are essential components in various sectors, such as manufacturing, energy production, and water treatment, where their failures can cause significant financial and safety risks. Anomaly detection can be used to reduce those risks and increase reliability. In this work, we propose a novel enhanced convolutional neural network (ECNN) to predict the failure of an industrial pump based on the vibration data captured by an acceleration sensor. The convolutional neural network (CNN) is designed with a focus on low complexity to enable its implementation on edge devices with limited computational resources. Therefore, a detailed design space exploration is performed to find a topology satisfying the trade-off between complexity and accuracy. Moreover, to allow for adaptation to unknown pumps, our algorithm features a pump-specific parameter that can be determined by a small set of normal data samples. Finally, we combine the ECNN with a threshold approach to further increase the performance and satisfy the application requirements. As a result, our combined approach significantly outperforms a traditional statistical approach and a classical CNN in terms of accuracy. To summarize, this work provides a novel, low-complex, CNN-based algorithm that is enhanced by classical methods to offer high accuracy for anomaly detection of industrial pumps.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google