Improving Failure Prediction in Aircraft Fastener Assembly Using Synthetic Data in Imbalanced Datasets

要約

航空機の製造の自動化は、アセンブリプロセスとカスタマイズ要件の複雑さのために、依然として人間の労働に大きく依存しています。
重要な課題の1つは、特にエラーがかなりのメンテナンスコストまたは一部の拒否につながる可能性のある大規模な航空機構造の場合、正確なポジショニングを達成することです。
既存のソリューションには、費用のかかるハードウェアや柔軟性が不足していることがよくあります。
航空機で数千個のスレッドファスナー、たとえばネジ、ボルト、カラーが使用することは、伝統的に固定塩基ロボットによって実行され、通常、言及された製造サイトに展開されるのに問題があります。
この論文では、エラー検出の重要性と、特に航空機の襟の効率的かつ安全なアセンブリのための分類を強調しています。
スレッドファスナーの安全なアセンブリは、障害ケースの希少性と不均衡なデータセットのために、深い学習モデルのトレーニングに十分なデータを取得するため、最重要です。
この論文は、クラスの重み付けやデータ増強などの手法を提案することにより、特に一時的なシリーズデータに合わせて調整され、分類パフォーマンスを向上させることにより、これに対処します。
さらに、このペーパーでは、正確さのみに焦点を当てるのではなく、カラーアセンブリに関連するメトリックを強調した、新しい問題モデリングアプローチを紹介します。
このカスタマイズされたアプローチは、スレッドされたファスナーアセンブリの課題を効果的に処理するモデルの機能を強化します。

要約(オリジナル)

Automating aircraft manufacturing still relies heavily on human labor due to the complexity of the assembly processes and customization requirements. One key challenge is achieving precise positioning, especially for large aircraft structures, where errors can lead to substantial maintenance costs or part rejection. Existing solutions often require costly hardware or lack flexibility. Used in aircraft by the thousands, threaded fasteners, e.g., screws, bolts, and collars, are traditionally executed by fixed-base robots and usually have problems in being deployed in the mentioned manufacturing sites. This paper emphasizes the importance of error detection and classification for efficient and safe assembly of threaded fasteners, especially aeronautical collars. Safe assembly of threaded fasteners is paramount since acquiring sufficient data for training deep learning models poses challenges due to the rarity of failure cases and imbalanced datasets. The paper addresses this by proposing techniques like class weighting and data augmentation, specifically tailored for temporal series data, to improve classification performance. Furthermore, the paper introduces a novel problem-modeling approach, emphasizing metrics relevant to collar assembly rather than solely focusing on accuracy. This tailored approach enhances the models’ capability to handle the challenges of threaded fastener assembly effectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google