用于预测性维护的深度学习模型：综述、比较、挑战与展望
机器学习
2020-10-08 v1
摘要
鉴于全球工业数据空间数量的不断增长，深度学习方案在预测性维护中已变得流行，其通过监控资产来优化维护任务。鉴于文献中大量示例，为每个用例选择最合适的架构是复杂的。本工作旨在通过回顾最先进的深度学习架构，以及它们如何与预测性维护阶段集成以满足工业公司的需求（即异常检测、根因分析、剩余使用寿命估计）来简化这一任务。它们在工业应用中被分类和比较，并解释了如何弥补其不足。最后，提出了开放性挑战与未来研究路径。
引用
@article{arxiv.2010.03207,
title = {Deep learning models for predictive maintenance: a survey, comparison, challenges and prospect},
author = {Oscar Serradilla and Ekhi Zugasti and Urko Zurutuza},
journal= {arXiv preprint arXiv:2010.03207},
year = {2020}
}
备注
34 pages, 214 references, 8 tables, 2 equations, 2 figures, survey