[論文レビュー] Predictive Maintenance -- Bridging Artificial Intelligence and IoT

Gerasimos G. Samatas, Seraphim S. Moumgiakmas+1 more|arXiv (Cornell University)|Mar 20, 2021

Quality and Safety in Healthcare参考文献 19被引用数 5

ひとこと要約

本論文は、予測保全における人工知能（AI）とインターネット・オブ・シングス（IoT）の統合を調査し、業界、AIモデル、センサー種別におけるトレンドを分析している。最も一般的なAIモデルは、人工ニューラルネットワーク、サポートベクターマシン、ランダムフォレストであり、特に製造業界（論文の54.54％）において、温度センサーや振動センサーがIoT応用で支配的であることが明らかになった。

ABSTRACT

This paper highlights the trends in the field of predictive maintenance with the use of machine learning. With the continuous development of the Fourth Industrial Revolution, through IoT, the technologies that use artificial intelligence are evolving. As a result, industries have been using these technologies to optimize their production. Through scientific research conducted for this paper, conclusions were drawn about the trends in Predictive Maintenance applications with the use of machine learning bridging Artificial Intelligence and IoT. These trends are related to the types of industries in which Predictive Maintenance was applied, the models of artificial intelligence were implemented, mainly of machine learning and the types of sensors that are applied through the IoT to the applications. Six sectors were presented and the production sector was dominant as it accounted for 54.54% of total publications. In terms of artificial intelligence models, the most prevalent among ten were the Artificial Neural Networks, Support Vector Machine and Random Forest with 27.84%, 17.72% and 13.92% respectively. Finally, twelve categories of sensors emerged, of which the most widely used were the sensors of temperature and vibration with percentages of 60.71% and 46.42% correspondingly.

研究の動機と目的

• 機械学習およびIoT技術を活用した予測保全応用の現在のトレンドを分析すること。
• 予測保全ソリューションを採用している主要な業界を特定すること。
• 予測保全システムで最も頻繁に使用されている人工知能モデルを同定すること。
• IoT対応の予測保全導入で使用されているセンサーの普及状況と種別を評価すること。
• AI、IoT、産業用保守実務の交差点を包括的に概説すること。

提案手法

• 予測保全、AI、IoT関連の出版物に焦点を当てた学術文献レビューを実施した。
• 研究論文を業界セクター、AIモデルタイプ、センサーカテゴリに分類した。
• 分析対象の出版物において、AIモデルおよびセンサー種別の頻度を定量化した。
• 統計的分析を用いて、予測保全応用における最も一般的なAIモデルおよびセンサー種別を特定した。
• 業界ごとの論文分布をマッピングし、主要な応用セクターを同定した。
• IoTデータを用いたリアルタイムの状態監視および故障予測を可能にする機械学習の役割を評価した。

実験結果

リサーチクエスチョン

• RQ1 AIおよびIoTを活用した予測保全システムを最も積極的に導入している業界はどれか？
• RQ2 予測保全応用で最も一般的に使用されている人工知能モデルは何か？
• RQ3 IoTベースの予測保全システムで主に使用されているセンサー種別は何か？
• RQ4 AIモデルおよびセンサー種別の頻度が、特定の産業応用とどのように相関しているか？
• RQ5 異なるセクターにおいて、AIとIoTの統合から生じるトレンドは何か？

主な発見

• 製造業界が予測保全研究において支配的であり、全論文の54.54％を占めた。
• 人工ニューラルネットワークが最も広く使用されたAIモデルであり、分析対象の研究の27.84％に登場した。
• サポートベクターマシンが2番目に一般的なモデルであり、17.72％の論文で使用された。
• ランダムフォレストが3番目に一般的なモデルであり、13.92％の研究で特徴付けられた。
• 温度センサーが最も広く使用されたセンサー種別であり、60.71％の応用で登場した。
• 振動センサーが2番目に一般的で、46.42％の予測保全システムで使用された。