[论文解读] 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 5

一句话总结

本文研究了人工智能（AI）与物联网（IoT）在预测性维护中的融合，分析了各行业、AI模型和传感器类型的趋势。研究识别出人工神经网络、支持向量机和随机森林是使用最广泛的AI模型，而温度和振动传感器在物联网应用中占主导地位，特别是在生产行业（占出版物的54.54%）。

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.

研究动机与目标

• 分析利用机器学习和物联网技术的预测性维护应用的当前趋势。
• 识别采用预测性维护解决方案的主导行业。
• 确定预测性维护系统中最常使用的人工智能模型。
• 评估在物联网赋能的预测性维护部署中使用的传感器的普遍性和类型。
• 全面概述人工智能、物联网与工业维护实践之间的交汇点。

提出的方法

• 开展科学文献综述，聚焦于与预测性维护、人工智能和物联网相关的出版物。
• 按行业领域、AI模型类型和传感器类别对研究论文进行分类。
• 量化分析出版物中AI模型和传感器类型的频率。
• 使用统计分析确定预测性维护应用中最普遍的AI模型和传感器类型。
• 绘制出版物在各行业中的分布情况，以识别主导的应用领域。
• 评估机器学习在利用物联网数据实现实时状态监测和故障预测中的作用。

实验结果

研究问题

• RQ1 哪些行业在利用人工智能和物联网部署预测性维护系统方面最为活跃？
• RQ2 在预测性维护应用中，哪些人工智能模型被最常使用？
• RQ3 在基于物联网的预测性维护系统中，主要使用哪些类型的传感器？
• RQ4 AI模型和传感器类型的频率如何与特定工业应用相关联？
• RQ5 在不同行业领域中，人工智能与物联网在预测性维护中的融合产生了哪些趋势？

主要发现

• 生产行业在预测性维护研究中占据主导地位，占总出版物的54.54%。
• 人工神经网络是最广泛使用的AI模型，在所分析的研究中占27.84%。
• 支持向量机是第二常用的模型，在17.72%的出版物中被使用。
• 随机森林是第三大普遍使用的模型，在13.92%的研究中被采用。
• 温度传感器是最广泛使用的传感器类型，在60.71%的应用中出现。
• 振动传感器是第二常见的类型，在46.42%的预测性维护系统中被使用。