相关实验视频
Updated: Jan 17, 2026

High-Throughput Analysis of Optical Mapping Data Using ElectroMap
Published on: June 4, 2019
工业数据分析的时间移动地图:监控生产过程和预测不良情况
Tomasz Blachowicz1,2, Sara Bysko3, Szymon Bysko1
1PROPOINT S.A., R&D Department, Bojkowska 37 R Str., 44-100 Gliwice, Poland.
本研究介绍了时移地图 (TSM),这是一种用于分析工业数据的新,可解释的方法. 工业自动化系统 (TSM) 提供清晰的可视化,以检测异常,并改善工业自动化中的生产过程控制.
科学领域:
- 工业自动化和信号处理
- 数据分析和机器学习
背景情况:
- 传统的时域工业信号限制了直接的稳定性评估和异常检测.
- 计算机和数据收集的进步需要新的分析方法用于工业应用.
研究的目的:
- 引入时移地图 (TSM) 作为工业数据分析的新技术.
- 提供一个简单的,可解释的算法来处理来自标准工业自动化系统的数据.
- 通过清晰的视觉表示,促进生产过程的加强监控和控制.
主要方法:
- TSM是由通过机器人基础上的加速传感器获得的时间序列数据构建的.
- 对TSM的有效性进行评估与经典方法比如快速里埃变换 (FFT) 和波形变换.
- 通过计算的关联维度和度来对TSM进行分类.
主要成果:
- 工业数据模型 (TSM) 提供了工业数据的清晰可视表现,揭示了隐藏的模式.
- 该方法在通过数值模拟识别异常场景方面表现出有效性.
- 与FT和波形变换的比较验证了TSM在信号分析中的实用性.
结论:
- 技术学习系统为工业数据分析提供了一种新且可解释的方法,补充了现有的机器学习技术.
- TSM的视觉性质有助于监控和控制生产过程.
- 工业自动化系统在检测异常和评估工业自动化系统的稳定性方面表现有前途.
更多相关视频
05:47Simulation of a Scaled Assembly Process with Collaboration of a Robotic Arm and Monitoring through a Vision System for Quality Control
Published on: August 29, 2025
08:36Collecting Sleep, Circadian, Fatigue, and Performance Data in Complex Operational Environments
Published on: August 8, 2019
相关概念视频
Interpreting Run Charts
Transformations of Functions II
Steps in Outbreak Investigation
Manipulation and Analysis
Properties of the z-Transform I
Multimachine Stability
In analyzing the system, the nodal equations represent the relationship between bus voltages, machine voltages, and machine currents. The nodal equation is given by: