SET: A Shared-Encoder Transformer Scheme for Multi-Sensor, Multi-Class Fault Classification in Industrial IoT
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Industrial Internet of Things (IIoT) has revolutionized the industrial sector by integrating sensors to monitor equipment health and optimize production processes. These sensors collect real-time data and are prone to a variety of different faults, such as bias, drift, noise, gain, spike, and constant faults. Such faults can lead to significant operational problems, including false results, incorrect predictions, and misleading maintenance decisions. Therefore, classifying sensor data appropriately is essential for ensuring the reliability and efficiency of IIoT systems. In this paper, we propose the Shared-Encoder Transformer (SET) scheme for multi-sensor, multi-class fault classification in IIoT systems. Leveraging the transformer architecture, the SET uses a shared encoder with positional encoding and multi-head self-attention mechanisms to capture complex temporal patterns in sensor data. Consequently, it can accurately detect the health status of sensor data, and if the sensor data is faulty, it can specifically identify the fault type. Additionally, we introduce a comprehensive fault injection strategy to address the problem of fault data scarcity, enabling the validation of the robust performance of SET even with limited fault samples in both ideal and realistic scenarios. In our research, we conducted extensive experiments using the Commercial Modular Aeropropulsion System Simulation (C-MAPSS) and Skoltech Anomaly Benchmark (SKAB) datasets to study the performance of the SET. Our experimental results indicate that SET consistently outperforms baseline methods, including Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN)-LSTM, and Multilayer Perceptron (MLP), as well as the proposed comparative variant of SET, Multi-Encoder Transformer (MET), in terms of accuracy, precision, recall, and F1-score across different fault intensities. The shared-kmencoder architecture improves fault detection accuracy and ensures parameter efficiency/robustness, making it suitable for deployment in memory-constrained industrial environments.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle