Искусственный интеллект для приложений предиктивного технического обслуживания: ключевые компоненты, надежность и будущие тенденции
Artificial Intelligence for Predictive Maintenance Applications: Key Components, Trustworthiness, and Future Trends
2024-01-20
SCID: 54.1/32gkr9q4
Discuss with AI
промышленный Интернет вещейискусственный интеллектцифровые двойникипрогностическое техническое обслуживаниедоверенный ИИ
Figures from the paper
Abstract (AI)
Предиктивное техническое обслуживание (PdM) представляет собой стратегию, использующую данные и аналитику для прогнозирования момента отказа компонента реальной системы или возникновения аномалий, что позволяет выполнить техническое обслуживание до наступления неисправности. Применение передовых технологий, таких как анализ данных и искусственный интеллект (AI), повышает производительность и точность систем предиктивного технического обслуживания, а также увеличивает их автономность и адаптивность в сложных и динамичных рабочих средах. В статье рассматриваются современные достижения в области предиктивного технического обслуживания на основе искусственного интеллекта с акцентом на ключевые компоненты, надежность и будущие тенденции. Сначала анализируются передовые (state-of-the-art, SOTA) методы, проблемы и возможности, связанные с PdM на основе AI. Затем обсуждаются интеграция технологий AI в PdM в реальных приложениях, взаимодействие человека и робота, этические вопросы, возникающие при использовании AI, а также возможности тестирования и валидации разработанных стратегий. На основе всестороннего обзора современных SOTA-методов, возможностей и проблем, связанных с PdM на основе AI, определяются перспективные направления будущих исследований, включая цифровые двойники, метавселенную, генеративный AI, коллаборативных роботов (коботов), технологию блокчейн, надежный искусственный интеллект и промышленный Интернет вещей (IIoT).
Key Findings
1
Искусственный интеллект и анализ данных могут повысить производительность, точность, автономность и адаптивность систем прогностического обслуживания в сложных динамических условиях.
2
Для надёжного внедрения прогностического обслуживания на основе ИИ необходимо учитывать не только технические возможности, но и этические вопросы, валидацию и взаимодействие с человеком.
3
В статье представлен обзор современных методов искусственного интеллекта для прогностического технического обслуживания и связанных с ними проблем и возможностей.
4
В качестве перспективных направлений будущих исследований выделены цифровые двойники, метавселенная, генеративный ИИ, коллаборативные роботы, блокчейн, надёжный ИИ и промышленный Интернет вещей.
5
Надёжность систем прогностического обслуживания на основе ИИ рассматривается через призму практической интеграции, взаимодействия человека и робота, этических аспектов, а также возможностей тестирования и валидации.
Research Object
Системы предиктивного обслуживания на базе искусственного интеллекта (применения предиктивного обслуживания с использованием ИИ)
Research Subject
Ключевые компоненты, надёжность, производительность, автономность, адаптивность, интеграция и будущие направления развития предиктивного обслуживания на основе ИИ
Publication Details
Publication Date
2024-01-20
Journal
Publisher
ISSN
Cited by
449
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai9
Использование генеративного искусственного интеллекта для масштабирования интеллектуальных обучающих систем2023
Почему я должен вам доверять?2016
Обучение глубоких признаков для дискриминативной локализации2016
Обучение языковых моделей следованию инструкциям с использованием обратной связи от человека2022
Интерпретируемость машинного обучения: обзор методов и метрик2019
Прогностическое обслуживание и интеллектуальные датчики на «умном» заводе: обзор2021
Фреймворк прогностического технического обслуживания воздухообрабатывающих установок на основе автоматического обнаружения и диагностики неисправностей с использованием цифрового двойника2022
Применение глубокого обучения в управлении и техническом обслуживании объектов в сфере отопления, вентиляции и кондиционирования воздуха2022
О предиктивном техническом обслуживании в промышленности 4.0: обзор, модели и проблемы2022