Predictive Maintenance and Intelligent Sensors in Smart Factory: Review

Pech, Martin; Vrchota, Jaroslav; Bednář, J.

doi:10.3390/s21041470

Cited by 207 publications

(118 citation statements)

References 177 publications

(290 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Regarding the framework definition, technologies such as Cyber-Physical Systems (CPS), IIoT, edge computing, and cloud computing are receiving more and more attention for PHM systems in industries [18]. Indeed, machine producers could take advantage of these technologies for collecting the data they need, when they need them, from the machines they want [19].…”

Section: Phm: Reference Methodologies Framework and Architecturesmentioning

confidence: 99%

Predictive Maintenance: A Novel Framework for a Data-Driven, Semi-Supervised, and Partially Online Prognostic Health Management Application in Industries

et al. 2021

View full text Add to dashboard Cite

Prognostic Health Management (PHM) is a predictive maintenance strategy, which is based on Condition Monitoring (CM) data and aims to predict the future states of machinery. The existing literature reports the PHM at two levels: methodological and applicative. From the methodological point of view, there are many publications and standards of a PHM system design. From the applicative point of view, many papers address the improvement of techniques adopted for realizing PHM tasks without covering the whole process. In these cases, most applications rely on a large amount of historical data to train models for diagnostic and prognostic purposes. Industries, very often, are not able to obtain these data. Thus, the most adopted approaches, based on batch and off-line analysis, cannot be adopted. In this paper, we present a novel framework and architecture that support the initial application of PHM from the machinery producers’ perspective. The proposed framework is based on an edge-cloud infrastructure that allows performing streaming analysis at the edge to reduce the quantity of the data to store in permanent memory, to know the health status of the machinery at any point in time, and to discover novel and anomalous behaviors. The collection of the data from multiple machines into a cloud server allows training more accurate diagnostic and prognostic models using a higher amount of data, whose results will serve to predict the health status in real-time at the edge. The so-built PHM system would allow industries to monitor and supervise a machinery network placed in different locations and can thus bring several benefits to both machinery producers and users. After a brief literature review of signal processing, feature extraction, diagnostics, and prognostics, including incremental and semi-supervised approaches for anomaly and novelty detection applied to data streams, a case study is presented. It was conducted on data collected from a test rig and shows the potential of the proposed framework in terms of the ability to detect changes in the operating conditions and abrupt faults and storage memory saving. The outcomes of our work, as well as its major novel aspect, is the design of a framework for a PHM system based on specific requirements that directly originate from the industrial field, together with indications on which techniques can be adopted to achieve such goals.

show abstract

Section: Phm: Reference Methodologies Framework and Architecturesmentioning

confidence: 99%

Predictive Maintenance: A Novel Framework for a Data-Driven, Semi-Supervised, and Partially Online Prognostic Health Management Application in Industries

et al. 2021

View full text Add to dashboard Cite

show abstract

“…Outro ponto a destacar é que estes conceitos têm anos médios de publicação variando de 2012 a 2015. Para a identificação de temas emergentes, alguns estudos recentes utilizaram a rede de coocorrência da palavras-chave nos seguintes temas: manutenção preditiva e sensores inteligentes em fábricas inteligentes (Pech, Vrchota, & Bednář, 2021), segurança contra incêndio (Lang et al, 2021), cooperação internacional em migração (Khaldi & Prado-Gascó, 2021) e saúde e segurança ocupacional e responsabilidade social corporativa (Bautista-Bernal, Quintana-García, & Marchante-Lara, 2021).…”

Section: Fig 2 Rede De Coocorrência De Palavras-chave Dos Autoresunclassified

Pesquisa em educação: Um panorama bibliométrico de publicações em Língua Portuguesa, no Scielo, no período de 2002 a 2020

Pinho

Moresi

Filho

2021

Investigação Qualitativa Em Educação: Avanços E Desafios | Investigación Cualitativa en Educación: Avances Y Desafíos

View full text Add to dashboard Cite

Resumo: A pesquisa em educação é um campo muito amplo, devido às diversas instâncias da gestão educacional e aos inúmeros sujeitos da educação, aos distintos processos e metodologias educacionais e aos projetos e políticas de educação, inseridos em uma conjuntura de mudanças sociais, econômicas e políticas que se operam na atualidade, nos planos nacional e internacional. Este trabalho apresenta panorama das publicações sobre pesquisa em educação por meio de uma análise bibliométrica, para responder à questão de pesquisa, explorando a análise de redes de coocorrência de palavras-chave e de citações de documentos, de periódicos e de organizações. A pesquisa bibliográfica foi realizada na base Scielo Citation Index (Web of Science) utilizando a expressão de busca: educação, que retornou 23731 documentos publicados do período de 2002 a 2021. Foram realizados três refinamentos da pesquisa com a seleção: da categoria -education educational research; dos tipos de documentosartigos em periódicos e de revisão; e do idioma -português. O resultado obteve 7448 documentos publicados no período de 2002 a 2021. O panorama foi obtido da análise das redes de coocorrência de palavras-chave, de citações de documentos, de citações de fontes e de organizações.

show abstract

“…Elas empregaram métodos bibliométricos para descrever a evolução da atividade de publicação, os colaboradores mais relevantes, as metodologias aplicadas, bem como o conteúdo dos artigos, a fim de examinar os principais tópicos e tendências de investigação. Pech, Vrchota, & Bednář (2021) apresentaram uma revisão de literatura sobre manutenção preditiva e sensores inteligentes em fábricas inteligentes. Eles usaram o VOSviewer para gerar a rede de coocorrência de palavras-chave com 16 nós, para identificar as palavras-chave mais relevantes.…”

Section: Introductionunclassified

Como identificar os tópicos emergentes de um tema de investigação?

Moresi

Pinho

2021

Investigação Qualitativa Em Ciências Sociais: Avanços E Desafios // Investigación Cualitativa en Ciencias Sociales: Avances Y D

View full text Add to dashboard Cite

Resumo: As palavras necessárias para criar uma análise de coocorrência podem ser coletadas dos títulos dos artigos, dos resumos e das palavras-chave do autor. Essas diferentes abordagens permitem identificar subáreas em cada campo e estudar suas características e tendências, retratar o perfil de pesquisa global, encontrar tópicos importantes, tendências disruptivas, procurar relacionamentos cooperativos e interpretar padrões de colaboração entre os autores. Este trabalho tem o objetivo de apresentar duas abordagens para a interpretação dos resultados de uma pesquisa bibliográfica. A primeira abordagem visa identificar o grau de evolução das publicações sobre um determinado tema usando a curva logística. A segunda visa identificar os tópicos emergentes a partir da análise de coocorrência de palavras-chave. Para exemplificar as duas abordagens, foi realizada uma pesquisa na base Scopus sobre o tema avaliação de aprendizagem. A análise da evolução das publicações revelou que o tema ainda está em crescimento e deverá alcançar a saturação por volta do ano 2040. A identificação dos tópicos emergentes indicou 20 palavras-chave que foram indexadas em 2021. Conclui-se que as abordagens são relevantes para analisar a evolução de um tema e indicar oportunidades para explorar tópicos emergentes.

show abstract

Predictive Maintenance and Intelligent Sensors in Smart Factory: Review

Cited by 207 publications

References 177 publications

Predictive Maintenance: A Novel Framework for a Data-Driven, Semi-Supervised, and Partially Online Prognostic Health Management Application in Industries

Predictive Maintenance: A Novel Framework for a Data-Driven, Semi-Supervised, and Partially Online Prognostic Health Management Application in Industries

Pesquisa em educação: Um panorama bibliométrico de publicações em Língua Portuguesa, no Scielo, no período de 2002 a 2020

Como identificar os tópicos emergentes de um tema de investigação?

Contact Info

Product

Resources

About