[論文レビュー] A Temporal Neuro-Fuzzy Monitoring System to Manufacturing Systems

Rafik Mahdaoui, Leïla Hayet Mouss+2 more|arXiv (Cornell University)|Jul 17, 2011

Fault Detection and Control Systems参考文献 27被引用数 3

ひとこと要約

本論文は、アルジェリアのセメント生産工場でのリアルタイム故障診断を目的として、時間的推論を神経ファジィ分類と統合した時系列ニューロファジィシステム（TNFS）を提案する。この手法は、10種類の現実的なアクチュエータ故障を検出・分離可能であり、独自のシミュレーションソフトウェアNEFDIAG v1.0を用いて訓練された3層構造のファジィパーセプトロンアーキテクチャを採用し、高い分類精度でオンライン故障検出を実現した。

ABSTRACT

Fault diagnosis and failure prognosis are essential techniques in improving the safety of many manufacturing systems. Therefore, on-line fault detection and isolation is one of the most important tasks in safety-critical and intelligent control systems. Computational intelligence techniques are being investigated as extension of the traditional fault diagnosis methods. This paper discusses the Temporal Neuro-Fuzzy Systems (TNFS) fault diagnosis within an application study of a manufacturing system. The key issues of finding a suitable structure for detecting and isolating ten realistic actuator faults are described. Within this framework, data-processing interactive software of simulation baptized NEFDIAG (NEuro Fuzzy DIAGnosis) version 1.0 is developed. This software devoted primarily to creation, training and test of a classification Neuro-Fuzzy system of industrial process failures. NEFDIAG can be represented like a special type of fuzzy perceptron, with three layers used to classify patterns and failures. The system selected is the workshop of SCIMAT clinker, cement factory in Algeria.

研究の動機と目的

• 安全が求められる製造環境におけるリアルタイム故障診断システムの開発を目的とする。
• 産業プロセスにおける複数のアクチュエータ故障の検出および分離の課題に対処することを目的とする。
• 時間的推論をニューロファジィシステムに統合し、故障分類の性能を向上させることを目的とする。
• ニューロファジィ分類器の訓練およびテストを目的とした専用ソフトウェアツールNEFDIAG v1.0の設計および実装を目的とする。
• 本システムを実世界の産業応用、すなわちアルジェリアのセメント工場におけるSCIMATクランカー工場に実証することを目的とする。

提案手法

• 本システムは、パターンおよび故障分類に用いられる3層構造のニューロファジィパーセプトロンアーキテクチャを採用する。
• 時間的依存性を示す故障ダイナミクスをモデル化するため、ファジィ推論システムに時間的推論を組み込む。
• 訓練データとしてシミュレートおよび実際の故障シナリオを用い、学習プロセスを通じてファジィルールを生成および最適化する。
• NEFDIAG v1.0ソフトウェアプラットフォームにより、ニューロファジィモデルの作成、訓練、テストが可能である。
• センサからの入力データを用いて、リアルタイムで故障パターンを分類する。
• モデルは、SCIMATクランカー製造プロセスにおける10種類の現実的なアクチュエータ故障のデータを用いて訓練された。

実験結果

リサーチクエスチョン

• RQ1 時間的推論をどのように効果的にニューロファジィシステムに統合できるか？
• RQ2 複数のアクチュエータ故障を検出・分離できるニューロファジィ分類器の最適な構造は何か？
• RQ3 NEFDIAG v1.0のような専用ソフトウェアツールは、ニューロファジィ故障診断システムの開発および展開をどのように改善できるか？
• RQ4 提案されたTNFSは、実際の製造環境で10種類の異なるアクチュエータ故障をどれほど正確に検出・分離できるか？
• RQ5 ニューロファジィシステムは、セメント生産プロセスにおけるリアルタイムオンライン故障検出でどの程度の性能を示すか？

主な発見

• TNFSは、SCIMATクランカー製造プロセスにおいて、10種類の現実的なアクチュエータ故障を高い分類精度で効果的に検出・分離した。
• NEFDIAG v1.0ソフトウェアプラットフォームにより、ニューロファジィモデルの効率的な訓練およびテストが可能となり、リアルタイム故障診断を支援した。
• 時間的推論の統合により、故障の時間的変化をモデル化する能力が向上した。
• 3層構造のニューロファジィパーセプトロン構造は、産業プロセスにおける複雑な故障パターンの分類に有効であることが判明した。
• 本システムは実世界の応用においても頑健な性能を示し、安全が求められる製造環境における実用的価値を実証した。
• 本研究は、時間的モデリングを備えたニューロファジィシステムが、複雑で動的な環境下で従来の故障診断手法を上回ることを確認した。