A new framework for prognostics in decentralized industries: Enhancing fairness, security, and transparency through Blockchain and Federated Learning

要約

グローバル産業が産業5.0に向かって移行するにつれて、PMは費用対効果の高い運用の回復力とますますスマートな製造環境でのダウンタイムを最小限に抑えるために依然として重要です。この章では、FLとブロックチェーンBCテクノロジーの統合がどのように分散型産業エコーシスとしての人工産業エコーシスとしての人工産業エコーシスの拡大されたデータを維持するために、分散型産業エコーシスを維持するために、分散型産業エコーシスの拡大環境を維持するために耐用年数を残す機械の統合をどのように検討しますか？
製造はより一般的になりますこの章はFLを活用して複数のサイトでローカライズされたモデルトレーニングを可能にしながら、BCを利用してネットワーク間で信頼の透明性とデータの整合性を確保します。
NASA CMAPSSデータセットを使用したネットワークの実験的検証は、現実世界のシナリオでモデルの有効性を実証し、GitHubのオープンソースコードを通じて、コラボレーション開発を招待して業界のイノベーションを促進するためのオープンソースコードを通じて、より広範な研究コミュニティに調査結果を拡張します。

要約(オリジナル)

As global industries transition towards Industry 5.0 predictive maintenance PM remains crucial for cost effective operations resilience and minimizing downtime in increasingly smart manufacturing environments In this chapter we explore how the integration of Federated Learning FL and blockchain BC technologies enhances the prediction of machinerys Remaining Useful Life RUL within decentralized and human centric industrial ecosystems Traditional centralized data approaches raise concerns over privacy security and scalability especially as Artificial intelligence AI driven smart manufacturing becomes more prevalent This chapter leverages FL to enable localized model training across multiple sites while utilizing BC to ensure trust transparency and data integrity across the network This BC integrated FL framework optimizes RUL predictions enhances data privacy and security establishes transparency and promotes collaboration in decentralized manufacturing It addresses key challenges such as maintaining privacy and security ensuring transparency and fairness and incentivizing participation in decentralized networks Experimental validation using the NASA CMAPSS dataset demonstrates the model effectiveness in real world scenarios and we extend our findings to the broader research community through open source code on GitHub inviting collaborative development to drive innovation in Industry 5.0

arxiv情報

提供元, 利用サービス

arxiv.jp, Google