Data Fusion and Machine Learning for Industrial Prognosis: Trends and Perspectives towards Industry 4.0

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: onr:"swepub:oai:DiVA.org:ltu-71259" > Data Fusion and Mac...

1 av 1
Föregående post
Nästa post
Till träfflistan

Diez-Olivan, AlbertoTECNALIA, Donostia-San Sebastián, Spain (författare)

Data Fusion and Machine Learning for Industrial Prognosis : Trends and Perspectives towards Industry 4.0

Artikel/kapitelEngelska2018

Förlag, utgivningsår, omfång ...

Elsevier,2018
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:ltu-71259
https://urn.kb.se/resolve?urn=urn:nbn:se:ltu:diva-71259URI
https://doi.org/10.1016/j.inffus.2018.10.005DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

Validerad;2018;Nivå 2;2018-10-31 (svasva)
The so-called “smartization” of manufacturing industries has been conceived as the fourth industrial revolution or Industry 4.0, a paradigm shift propelled by the upsurge and progressive maturity of new Information and Communication Technologies (ICT) applied to industrial processes and products. From a data science perspective, this paradigm shift allows extracting relevant knowledge from monitored assets through the adoption of intelligent monitoring and data fusion strategies, as well as by the application of machine learning and optimization methods. One of the main goals of data science in this context is to effectively predict abnormal behaviors in industrial machinery, tools and processes so as to anticipate critical events and damage, eventually causing important economical losses and safety issues. In this context, data-driven prognosis is gradually gaining attention in different industrial sectors. This paper provides a comprehensive survey of the recent developments in data fusion and machine learning for industrial prognosis, placing an emphasis on the identification of research trends, niches of opportunity and unexplored challenges. To this end, a principled categorization of the utilized feature extraction techniques and machine learning methods will be provided on the basis of its intended purpose: analyze what caused the failure (descriptive), determine when the monitored asset will fail (predictive) or decide what to do so as to minimize its impact on the industry at hand (prescriptive). This threefold analysis, along with a discussion on its hardware and software implications, intends to serve as a stepping stone for future researchers and practitioners to join the community investigating on this vibrant field.

Ämnesord och genrebeteckningar

TEKNIK OCH TEKNOLOGIER Samhällsbyggnadsteknik Annan samhällsbyggnadsteknik hsv//swe
ENGINEERING AND TECHNOLOGY Civil Engineering Other Civil Engineering hsv//eng
Data-driven prognosis
Data Fusion
Machine learning
Industry 4.0
Drift och underhållsteknik
Operation and Maintenance

Biuppslag (personer, institutioner, konferenser, titlar ...)

Del Ser, JavierTECNALIA, Donostia-San Sebastián, Spain. Department of Communications Engineering, University of the Basque Country, Bilbao, Spain. Basque Center for Applied Mathematics (BCAM), Bilbao, Bizkaia, Spain (författare)
Galar, DiegoLuleå tekniska universitet,Drift, underhåll och akustik,TECNALIA, Donostia-San Sebastián, Spain(Swepub:ltu)diegal (författare)
Sierra, BasilioDepartment of Computer Sciences and Artificial Intelligence, University of the Basque Country (UPV/EHU), Donostia-San Sebastián, Spain (författare)
TECNALIA, Donostia-San Sebastián, SpainTECNALIA, Donostia-San Sebastián, Spain. Department of Communications Engineering, University of the Basque Country, Bilbao, Spain. Basque Center for Applied Mathematics (BCAM), Bilbao, Bizkaia, Spain (creator_code:org_t)

Sammanhörande titlar

Ingår i:Information Fusion: Elsevier50, s. 92-1111566-25351872-6305

Internetlänk

Hitta via bibliotek

Information Fusion (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Diez-Olivan, Alb ...; Del Ser, Javier; Galar, Diego; Sierra, Basilio

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Samhällsbyggnads ...; och Annan samhällsby ...

Artiklar i publikationen: Information Fusi ...

Av lärosätet: Luleå tekniska universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se