Enhancing Predictive Maintenance in Mining Mobile Machinery through a TinyML-enabled Hierarchical Inference Network

要約

変化する環境で稼働する鉱山機械は、高い摩耗と予測不可能なストレスに直面しており、予知保全 (PdM) が課題となっています。
このペーパーでは、リアルタイム状態監視のためのエッジ デバイス、ゲートウェイ、クラウド サービスにわたる階層型推論フレームワークである、予測メンテナンス用エッジ センサー ネットワーク (ESN-PdM) について紹介します。
このシステムは、リソース上のモデルを最適化するための Tiny Machine Learning (TinyML) テクニックを活用し、精度、遅延、バッテリー寿命の間のトレードオフに基づいて、推論の場所 (デバイス上、ゲートウェイ上、またはクラウド上) を動的に調整します。
制約のあるデバイス。
パフォーマンス評価の結果、オンセンサーおよびオンゲートウェイ推論モードは 90\% 以上の分類精度を達成し、クラウドベースの推論は 99\% に達したことがわかりました。
オンセンサー推論により消費電力が約 44\% 削減され、最大 104 時間の動作が可能になりました。
遅延はオンデバイス推論 (3.33 ミリ秒) で最も低く、ゲートウェイ (146.67 ミリ秒) またはクラウド (641.71 ミリ秒) にオフロードすると増加しました。
ESN-PdM フレームワークは、リモート環境で機械の稼働時間を維持するために重要な、信頼性の高い異常検出と PdM のためのスケーラブルで適応性のあるソリューションを提供します。
このアプローチは、精度、遅延、エネルギー消費のバランスをとることにより、産業アプリケーション向けの PdM フレームワークを進歩させます。

要約(オリジナル)

Mining machinery operating in variable environments faces high wear and unpredictable stress, challenging Predictive Maintenance (PdM). This paper introduces the Edge Sensor Network for Predictive Maintenance (ESN-PdM), a hierarchical inference framework across edge devices, gateways, and cloud services for real-time condition monitoring. The system dynamically adjusts inference locations–on-device, on-gateway, or on-cloud–based on trade-offs among accuracy, latency, and battery life, leveraging Tiny Machine Learning (TinyML) techniques for model optimization on resource-constrained devices. Performance evaluations showed that on-sensor and on-gateway inference modes achieved over 90\% classification accuracy, while cloud-based inference reached 99\%. On-sensor inference reduced power consumption by approximately 44\%, enabling up to 104 hours of operation. Latency was lowest for on-device inference (3.33 ms), increasing when offloading to the gateway (146.67 ms) or cloud (641.71 ms). The ESN-PdM framework provides a scalable, adaptive solution for reliable anomaly detection and PdM, crucial for maintaining machinery uptime in remote environments. By balancing accuracy, latency, and energy consumption, this approach advances PdM frameworks for industrial applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google