Unsupervised manufacturing process identification using non-intrusive sensors - HAL UNIV-PARIS8 - open access Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Unsupervised manufacturing process identification using non-intrusive sensors

Résumé

Energy sustainability in the manufacturing industry faces a scalability issue. Monitoring appropriate performance indicators is essential, yet as few sensors as possible should be used, and with limited intrusiveness (software- or hardware-wise). Non-intrusive sensors are well suited to such applications, as multiple sources can be sensed at once. Recovering the desired indicators requires additional signal processing though. This paper focuses on recovering a machine’s process from sensor data in an unsupervised fashion, and unveiling which actuators are active within each operation. The proposed method is particularly well suited to mixed signals which appear as stationary in the time-frequency domain within each operation.
Le suivi de la durabilité énergétique dans l'industrie manufacturière se heurte à un problème d'échelle. La surveillance d'indicateurs de performance est essentielle, en utilisant cependant le moins de capteurs possible et en limitant leur intrusivité vis-à-vis des systèmes existants. Les capteurs non-intrusifs sont particulièrement adaptés à de telles applications, en cela qu'ils captent de nombreuses sources depuis un lieu distant de celles-ci. La reconstitution des indicateurs-cibles nécessite toutefois davantage de traitement du signal. Les méthodes présentées dans cet article visent avant tout à reconstruire, de manière non-supervisée, le processus de production d'une machine à partir de données issues de capteurs. Une série de mesures est ainsi séquencée temporellement en opérations distinctes. Leur contenu en termes d'actionneurs actifs est ensuite estimé par décomposition. Ces méthodes sont toutes particulièrement adaptées aux signaux apparaissant comme stationnaires par morceaux dans la représentation temps-fréquence.
Fichier principal
Vignette du fichier
v2_postreview_CFM2022.pdf (1.44 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03768559 , version 1 (04-09-2022)
hal-03768559 , version 2 (01-03-2023)

Identifiants

  • HAL Id : hal-03768559 , version 1

Citer

Romain Delabeye, Martin Ghienne, Arkadiusz Kosecki, Jean-Luc Dion. Unsupervised manufacturing process identification using non-intrusive sensors. 25ème Congrès Français de la Mécanique, Aug 2022, Nantes, France. ⟨hal-03768559v1⟩
94 Consultations
51 Téléchargements

Partager

Gmail Facebook X LinkedIn More