用于采石场预测性维护的人工智能：建模
音频与语音处理
2023-10-26 v1 声音
摘要
对原材料的依赖，尤其在采矿行业，是当今经济的关键部分。骨料至关重要，是仅次于水的第二大使用原材料。该行业的数字化转型是优化运营的关键。然而，由于行业、机械及环境条件的特殊性，监督与维护（预测性与纠正性）是该行业鲜少探索的挑战。尽管在其它场景中使用声学与接触式传感器监测已取得成效，情况依然如此。我们提出一种无监督学习方案，在一组声音记录上训练变分自编码器模型。这是首个在加工厂运行期间收集的数据集，包含来自加工线不同点的信息。我们的结果证明了该模型在潜空间重建并表示所录声音、运行条件差异及不同设备间差异的能力。未来，这应有助于声音分类，以及机械运行中的异常与退化模式检测。
引用
@article{arxiv.2310.16140,
title = {IA Para el Mantenimiento Predictivo en Canteras: Modelado},
author = {Fernando Marcos and Rodrigo Tamaki and Mateo Cámara and Virginia Yagüe and José Luis Blanco},
journal= {arXiv preprint arXiv:2310.16140},
year = {2023}
}
备注
10 pages, in Spanish language, 5 figures. Presented in Tecniacustica 2023 conference (Cuenca, Spain)