激光导引车电池的异常检测：案例研究
机器学习
2022-12-29 v1
摘要
在时间序列中检测异常数据是模式识别与机器学习中一项非常相关的任务，其诸多可能应用涵盖医学中的疾病预防（例如在健康状态可明确界定为“疾病”之前检测其早期改变）乃至工业厂房监测。关于后一应用，检测工业厂房状态的异常首先可防止造成严重损坏，否则将需要长时间中断生产过程。其次，它通过限制仅在紧急状况下介入，实现维护作业的最优调度。同时，它们通常遵循固定的审慎计划，据此部件在其预期寿命结束前很久就被替换。本文描述了一个关于激光导引车（LGVs）电池状态监测的案例研究，我们作为对 SUPER 项目（超算统一平台，艾米利亚-罗马涅）的贡献而开展此工作，该项目旨在建立并演示一个区域高性能计算平台，其将成为意大利在计算能力和数据量方面的主要超级计算环境。
引用
@article{arxiv.2212.13513,
title = {Anomaly detection in laser-guided vehicles' batteries: a case study},
author = {Gianfranco Lombardo and Stefano Cagnoni and Stefano Cavalli and Juan José Contreras Gonzáles and Francesco Monica and Monica Mordonini and Michele Tomaiuolo},
journal= {arXiv preprint arXiv:2212.13513},
year = {2022}
}
备注
This paper contains a report on the research work carried out as a collaboration between the Department of Engineering and Architecture of the University of Parma and Elettric80 spa within project SUPER (Supercomputing Unified Platform Emilia Romagna)