深層変分オートエンコーダー（D-VAE）を用いた電動モーターの健康監視

要約：産業用モノのインターネット（IoT）と機械学習技術の統合は、条件ベースのメンテナンス（CBM）システムにおいて、特にエレベーターシステムで使用される電動モーターの監視およびメンテナンスにおける重要な進展を表しています。本研究では、Arduinoマイクロコントローラとマイクロエレクトロメカニカルシステム（MEMS）センサーを用いてリアルタイムの振動データ収集を行い、エレベーターシステムにおける電動モーターの操作の異常検出のために深層変分オートエンコーダー（D-VAE）モデルを用いた条件ベースメンテナンス（CBM）フレームワークの有効性を探求します。主成分分析（PCA）で強化されたIsolation ForestやK-meansクラスタリングなどの従来の手法も比較分析のために実施されます。これらのモデルの性能は、潜在的な電動モーターの故障を示す振動データ内の異常を検出する有効性を評価するために、シルエットスコア、デイビス・ボールダン指数、カリンキ・ハラバズスコアなどの教師なし学習指標を用いて評価されます。我々の調査結果は、問題のある条件下でのいくつかの制限にもかかわらず、詳細なクラスタリングを通じて、D-VAEモデルの正常な運転状態と故障状態を区別する優れた能力を示唆しています。本研究は、予測保守戦略を通じてエレベーターシステムの運用効率、信頼性、安全性を向上させるデータ駆動型アプローチとIoT技術の可能性を強調しています。