Development and Application of a Method for Real Time Motor Fault Detection

Joung, Byung Gun; Lee, Wo Jae; Huang, Aihua; Sutherland, John W.

doi:10.1016/j.promfg.2020.07.002

Cited by 13 publications

(12 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Table 3 details a summary of the total 317 unique features within the articles included in the SLR, which have been grouped into five subcategories (fault detection, predictive maintenance, communication, virtualization, human machine interference (HMI)). Various Industry 4.0 IT solutions are used in fault detection [45][46][47], predictive maintenance [48][49][50], communication [51][52][53], virtualization [42,54,55], and human-machine interference (HMI) [56][57][58].…”

Section: Featuresmentioning

confidence: 99%

“…A more detailed summary of the total of 117 obstacles in smart manufacturing is given in Table 4, sorted by category (data governance, predictive analytics, quality, other). The obstacle and feature (Table 3) subcategories differ because for instance data governance issues were overarching theme across fault detection, predictive maintenance, and HMI [21,45,60,61]. In a similar manner, cost is an obstacle for communication [62], HMI [63] and virtualization [55].…”

Section: Featuresmentioning

confidence: 99%

“…Various ML and AI solutions are key drivers of data-driven decision making are discussed. For example, big data analysis can be adopted for equipment reliability analysis and predictive maintenance, as discussed by several articles within the SLR process including Lee et al, Chen et [45,47,48,74,90,91]. ML algorithms can be used for predicting machine failures or abnormalities in advance, leading to better maintenance planning possibilities and cost reduction [45].…”

Section: Data-driven Decision Makingmentioning

confidence: 99%

“…For example, big data analysis can be adopted for equipment reliability analysis and predictive maintenance, as discussed by several articles within the SLR process including Lee et al, Chen et [45,47,48,74,90,91]. ML algorithms can be used for predicting machine failures or abnormalities in advance, leading to better maintenance planning possibilities and cost reduction [45]. For instance, sensors collect data on motor vibration and reduce unexpected downtime as a result, as in the article by Joung et al [45].…”

Section: Data-driven Decision Makingmentioning

confidence: 99%

See 3 more Smart Citations

A Systematic Literature Review of Industry 4.0 Technologies within Medical Device Manufacturing

Lepasepp

Hurst

2021

Future Internet

View full text Add to dashboard Cite

Ever since the emergence of Industry 4.0 as the synonymous term for the fourth industrial revolution, its applications have been widely discussed and used in many business scenarios. This concept is derived from the advantages of internet and technology, and it describes the efficient synchronicity of humans and computers in smart factories. By leveraging big data analysis, machine learning and robotics, the end-to-end supply chain is optimized in many ways. However, these implementations are more challenging in heavily regulated fields, such as medical device manufacturing, as incorporating new technologies into factories is restricted by the regulations in place. Moreover, the production of medical devices requires an elaborate quality analysis process to assure the best possible outcome to the patient. Therefore, this article reflects on the benefits (features) and limitations (obstacles), in addition to the various smart manufacturing trends that could be implemented within the medical device manufacturing field by conducting a systematic literature review of 104 articles sourced from four digital libraries. Out of the 7 main themes and 270 unique applied technologies, 317 features and 117 unique obstacles were identified. Furthermore, the main findings include an overview of ways in which manufacturing could be improved and optimized within a regulated setting, such as medical device manufacturing.

show abstract

Section: Featuresmentioning

confidence: 99%

Section: Featuresmentioning

confidence: 99%

Section: Data-driven Decision Makingmentioning

confidence: 99%

Section: Data-driven Decision Makingmentioning

confidence: 99%

See 2 more Smart Citations

A Systematic Literature Review of Industry 4.0 Technologies within Medical Device Manufacturing

Lepasepp

Hurst

2021

Future Internet

View full text Add to dashboard Cite

show abstract

“…Böylece ekipmanın tanınması ve takibi gibi özelliklerinin yanı sıra bakımla ilgili arıza kayıtlarının tutulması da sağlanır (Selcuk, 2017). Bunların yanında, arıza belirtilerinin bulut tabanlı durum izleme sistemleri vasıtasıyla sürekli değerlendirildiği (Gun et al, 2020) ve enerji tüketimi ile karbon emisyonunu minimuma indirme amacıyla yapay zekanın kullanıldığı bakım stratejileri (G. Singh, Anil Kumar, & Naikan, 2019) de yapılan çalışmalar arasında kendine yer bulmaktadır. İleriki zamanlarda kestirimci bakımda uzaktan izleme, değerlendirme ve bakıma karar verme yöntemlerinin çeşitlendirileceği ve daha fazla kullanılacağı öngörülmektedir.…”

Section: İnternet Ve Uzaktan Eri̇şi̇mi̇n Kesti̇ri̇mci̇ Bakima Entegrasyonu (Integration Of Internet and Remote Access To Predictive Mainunclassified

Elektri̇k Motorlarinda Uygulanan Bakim Yöntemleri̇ni̇n İncelenmesi̇, Karşilaştirilmasi Ve Uzaktan Eri̇şi̇mi̇n Kesti̇ri̇mci̇ Bakima Etki̇si̇

Tabak

Özkaymak

2020

Konya Journal of Engineering Sciences

View full text Add to dashboard Cite

Kabul/Accepted in Revised Form: 17.08.2020) ÖZ: Sanayi devriminden günümüze kadar gelinen süreçte tüketici talepleri sürekli artmış ve bu talebi karşılamak adına üreticiler yeni arayışlar içerisine girmiştir. Buna bağlı olarak üretimdeki devamlılığın sağlanması için ekipmanlara daha fazla değer verilmiş, ekipmanlardaki arıza ve duruş istenmez hale gelmiş ve bakım yöntemlerine duyulan ilgi artmıştır. Özellikle endüstride üretimin kalbi niteliğindeki elektrik motorlarında uygulanan bakım yöntemleri ilk zamanlardan beri sürekli geliştirilmiş ve en uygun bakım yöntemi her zaman aranmıştır. Çalışmamızda sanayideki elektrik motorları üzerinde yapılan bakımlar ilkelden gelişmişe doğru sınıflandırılmış ve irdelenmiştir. Bu bakım yöntemleri hem maddi açıdan hem de birtakım avantaj/dezavantajları açısından birbirleri ile karşılaştırılarak uygulamada teknik personel için en uygun bakım yönteminin seçimi hakkında bilgi verilmiştir. Ardından, durum bazlı bakım olarak da bilinen kestirimci bakım yönteminin en yaygın kullanılan teknikleri irdelenmiştir. Bunların yanında internet ve uzaktan erişim sistemlerinin kestirimci bakıma olan katkısı incelenmiş ve bakımın önemi her açıdan ortaya konmuştur.

show abstract