A Transformer-based Approach for aAnomaly Detection in Wire eElectrical Discharge
محل انتشار: مجله مهندسی برق مجلسی، دوره: 16، شماره: 4
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 146
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MJEE-16-4_005
تاریخ نمایه سازی: 25 بهمن 1401
چکیده مقاله:
Although theoretical models of manufacturing processes are useful for understanding physical events, it can be challenging to apply them in real-world industrial settings. When huge data are accessible, artificial intelligence approaches in the context of Industry ۴.۰ can offer effective answers to real production challenges. Deep learning is increasingly being used in the realm of artificial intelligence to address a variety of issues relating to information and communication technology, but it is still limited or perhaps nonexistent in the industrial sector. In this study, wire electrical discharge machining—a sophisticated machining technique primarily used for computer hardware components—is applied to effectively forecast unforeseen occurrences. By identifying hidden patterns in process signals, anomalies, such as changes in the thickness of a machined item, may be efficiently anticipated before they occur. In this study, a model for anomaly detection in the sequence of thickness change in the machined component based on transformers is suggested. Our method is able to achieve ۹۴.۳۲ % and ۹۴.۱۶ % accuracy in Z ۱۳۵ and Z ۱۵ datasets, respectively. Also, it forecasts the abnormalities inside the sequence ۱.۱ seconds in advance, according to our tests on a dataset that has been introduced.
کلیدواژه ها:
نویسندگان
Waleed Hammed
Medical technical college, Al-Farahidi University, Baghdad, Iraq
Ameer H. Al-Rubaye
Department of Petroleum Engineering, Al-Kitab University, Altun Kupri, Iraq
Bashar S. Bashar
Al-Nisour University College, Baghdad, Iraq
Merzah Kareem Imran
Building and Construction Engineering Technology Department, AL-Mustaqbal University College, Hillah ۵۱۰۰۱, Iraq
Mustafa Ghanim Rzooki
Medical Device Engineering, Ashur University College, Baghdad, Iraq
Ali Mohammed Hashesh
Al-Hadi University College, Baghdad,۱۰۰۱۱, Iraq
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :