Improved Fault Diagnosis Method for PLC-Based Manufacturing Processes with Validation through a Cyber-Physical System
Notice bibliographique
Résumé
Most manufacturing systems in the industry nowadays are controlled by Programmable Logic Controllers (PLCs), which are characterized by their high robustness and low cost. The systems controlled by PLCs are typically described as Discrete Event Systems (DESs), and it is often difficult to detect faults and behavioral abnormalities related to the PLC process. Researchers proposed an automated tool called fault and behavior monitoring tool for PLC (FBMTP) whose main advantage is its ability to effectively handle inaccuracies with large-scale PLC-controlled manufacturing systems. Although FBMTP effectively addresses the issues in PLC-controlled systems, only the Boolean I/O signals (1/0) intercepted from the memory area of the PLC are examined. However, PLC I/O often involves analog signals, which are real values. Therefore, we introduced a new parameter to increase the diversity of this mechanism, an improved fault and behavior monitoring tool for PLC (IFBMTP). Cyber-Physical System (CPS) technology is applied across various fields. In the manufacturing sector, it is used for real-time monitoring, production control, and information sharing, enhancing the flexibility of manufacturing systems. Moreover, CPS is practical for simulating and testing different fault detection models, such as IFBMTP, given the limited availability of large-scale equipment for testing in industries. Presently, many software platforms focus primarily on animation or integer computations but cannot accurately reflect physical analog data, making integration among multiple technologies challenging. Automation Studio, developed by Famic Technologies Inc., stands out for its rapid modeling, multi-technology integration, and application in virtual commissioning. We leveraged Automation Studio as the development platform to create an integrated CPS and validated the robustness of IFBMTP under various scenarios for debugging and testing. Such integration of multiple technological virtual systems is essential for industrial applications and validations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».