使用物联网设备与机器学习的工业机械异常检测：系统映射
机器学习
2023-11-15 v2
摘要
异常检测在智能工业中对于预防设备故障、减少停机时间和提高安全性至关重要。物联网（IoT）使得从工业机械中收集大量数据成为可能，为异常检测提供了丰富的信息源。然而，物联网生态系统生成的数据量和复杂性使人类难以手动检测异常。机器学习（ML）算法可以通过分析生成的数据来自动化工业机械中的异常检测。此外，每种技术基于数据性质及其相应系统具有特定的优势与弱点。然而，当前关于异常检测的系统映射研究主要关注解决网络与网络安全相关问题，对工业领域的关注有限。此外，这些研究未涵盖在物联网生态系统背景下将 ML 用于工业机械异常检测所涉及的挑战。本文提出了一项使用 IoT 设备和 ML 算法的工业机械异常检测系统映射研究，以填补此空白。该研究全面评估了 2016 至 2023 年间的 84 项相关研究，提供了异常检测研究的广泛综述。我们的发现确定了最常用的算法、预处理技术和传感器类型。此外，本综述指出了应用领域，并指明了未来的挑战与研究机会。
引用
@article{arxiv.2307.15807,
title = {Anomaly Detection in Industrial Machinery using IoT Devices and Machine Learning: a Systematic Mapping},
author = {Sérgio F. Chevtchenko and Elisson da Silva Rocha and Monalisa Cristina Moura Dos Santos and Ricardo Lins Mota and Diego Moura Vieira and Ermeson Carneiro de Andrade and Danilo Ricardo Barbosa de Araújo},
journal= {arXiv preprint arXiv:2307.15807},
year = {2023}
}