SlideShare a Scribd company logo

Έγκαιρη ταυτοποίηση βλαβών με αλγόριθμους Μηχανικής Mάθησης

ISSEL
ISSEL

Με την ανάπτυξη της τεχνολογίας και την είσοδο στην 4η βιομηχανική επανάσταση, ο τομέας της μηχανολογικής συντήρησης επεκτείνεται καθώς μεταβαίνει από προληπτικά μέτρα σε προβλεπτικές τεχνικές που αξιοποιούν μεθόδους και μοντέλα μηχανικής μάθησης. Η κείμενη διπλωματική εργασία στοχεύει μέσα από έρευνα και εφαρμογή κλασσικών και καινοτόμων τεχνικών στον τομέα της ανίχνευσης ανωμαλιών και ταξινόμησης χρονοσειρών να υλοποιήσει ένα εύχρηστο και αξιόπιστο εργαλείο ταυτοποίησης βλαβών. Μια τέτοια υλοποίηση προϋποθέτει την έρευνα διαθέσιμων τεχνικών μηχανικής μάθησης, την υλοποίηση και προσαρμογή τους σε ένα πραγματικό βιομηχανικό περιβάλλον, και την αξιολόγηση των αποτελεσμάτων στον επιτρεπόμενο βαθμό.

1 of 30
Download to read offline
Έγκαιρη ταυτοποίηση
βλαβών με
αλγορίθμους
Μηχανικής Mάθησης
Α ρ ι σ τ ο τ έ λ ε ι ο Π α ν ε π ι σ τ ή μ ι ο Θ ε σ σ α λ ο ν ί κ η ς ,
Τ μ ή μ α Η λ ε κ τ ρ ο λ ό γ ω ν Μ η χ α ν ι κ ώ ν κ α ι Μ η χ α ν ι κ ώ ν Υ π ο λ ο γ ι σ τ ώ ν ,
Ε ρ γ α σ τ ή ρ ι ο Ε π ε ξ ε ρ γ α σ ί α ς Π λ η ρ ο φ ο ρ ί α ς κ α ι Υ π ο λ ο γ ι σ μ ώ ν .
Ψ α ρ ο δ ή μ ο υ Μ α ρ ί α , Α Ε Μ : 8 9 4 6 ,
Σ υ μ ε ω ν ί δ η ς Α ν δ ρ έ α ς , 1 3 I ο υ λ ί ο υ 2 0 2 1
Περιεχόμενα
Εισαγωγή
◦ Σκοπός Διπλωματικής Εργασίας
◦ Βιβλιογραφική Μελέτη
◦ Η συνεισφορά μας
Υλοποίηση
◦ Πειραματικό Περιβάλλον
◦ Τεχνολογική Επισκόπηση
Αξιολόγηση
◦ Τεχνικών ανίχνευσης
◦ Τεχνικών Ταξινόμησης
◦ T-test
Ιούλιος 2021 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης 2
Συμπεράσματα
Μελλοντική Εργασία
Δημοσιεύσεις / Διακρίσεις
Πηγές
Εισαγωγή
Εφαρμογή Αλγορίθμων Μηχανικής
Μάθησης σε παραγωγικούς τομείς
◦ Αυτοκινητοβιομηχανία
◦ Ανανεώσιμες πηγές ενέργειας
Ιούλιος 2021 3
Βιομηχανικό Πλαίσιο
◦ Μετάβαση από Προληπτική σε
Προβλεπτική συντήρηση στα πλαίσια
της 4ης βιομηχανικής επανάστασης [1]
◦ Αύξηση Χρόνου Ζωής Μηχανημάτων
◦ Μείωση χρόνου αδράνειας
◦ Βελτίωση τελικού προϊόντος
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Σκοπός της διπλωματικής
εργασίας
1. Έρευνα και εφαρμογή κλασσικών και καινοτόμων τεχνολογιών στον
τομέα της Ανίχνευσης και Ταξινόμησης Ανωμαλιών σε χρονοσειρές.
2. Σύγκριση τεχνικών Μηχανικής Μάθησης και αξιολόγηση της
απόδοσης τους.
3. Υλοποίηση ενός πλήρες και ευπροσάρμοστου εργαλείου
ταυτοποίησης βλαβών.
4. Ενίσχυση βιομηχανίας στην μετάβαση σε προβλεπτική συντήρηση.
Ιούλιος 2021 4
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Βιβλιογραφική Μελέτη
Ανίχνευση Ανωμαλιών
◦ Υλοποίηση και σύγκριση
◦ Γραμμικής Παλινδρόμησης,
◦ Τυχαία Δάση,
◦ Δένδρα Απόφασης,
◦ Μηχανών Διανυσμάτων Υποστήριξης (ΜΔΥ),
◦ Αναδρομικά Νευρωνικά Δίκτυα (ΑΝΔ) και
◦ Long Short Term Μemory (LSTM) δίκτυα [2][3][4]
◦ Συνδυασμός Συνελικτικών Νευρωνικών Δικτύων (ΣΝΔ) και LSTM βαθιάς εκμάθησης
διπλής κατεύθυνσης (Deep Learning Bi-directional LSTM) [5]
◦ Matrix Profile [36]
Ιούλιος 2021 5
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Βιβλιογραφική Μελέτη
Ταυτοποίηση Μοτίβων
◦ Αναγνώριση
◦ Νευρωνικά Δίκτυα βαθύ επιπέδου, ΣΝΔ, ΑΝΔ, Περιορισμένες
Μηχανές Boltzmann βαθύ επιπέδου [7]
◦ Αυτό-Οργανωμένος Χάρτης – κατηγοριοποίηση εισερχόμενα
μοτίβα σε νέες η προκαθορισμένες ομάδες [6], [10]
◦ Mueen –Keogh (ΜΚ) και οι επεκτάσεις του για ανακάλυψη
μοτίβων μεταβαλλόμενου μήκους [14]
◦ Δυναμική Χρονική Στρέβλωση (Dynamic Time Warping) [8],
[9]
◦ Matrix Profile [11]
◦ Ταξινόμηση
◦ Δένδρα Απόφασης, συνδυασμοί πινάκων απόφασης ,
ομαδοποίηση με τον κοντινότερο γείτονα [12], [13]
◦ Faiss [15]
Ιούλιος 2021 6
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Η Συνεισφορά μας
1. Αυτόματη αναγνώριση μοτίβων στο στάδιο της προ - επεξεργασίας
με ενσωμάτωση τεχνικών αναγνώρισης μοτίβων.
2. Χρήση μη ή/και ημί - επιβλεπόμενων τεχνικών που παρουσιάζουν
μικρές απαιτήσεις ύπαρξης ιστορικών δεδομένων.
3. Ανάπτυξη ποικίλων ευπροσάρμοστων σε διαφορετικά σενάρια
χρήσης τεχνικών Μηχανικής Μάθησης .
4. Συγκριτική μελέτη τεχνικών Μηχανικής Μάθησης σε πραγματικά
βιομηχανικά δεδομένα.
5. Υλοποίηση συνδυαστικής μεθόδου ανίχνευσης ανωμαλιών και
μετέπειτα κατηγοριοποίησης τους ως ένα πλήρες πακέτο
ταυτοποίησης βλαβών.
Ιούλιος 2021 7
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Υλοποίηση
Ιούλιος 2021 8
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Πειραματικό Περιβάλλον
Μηχάνημα λείανσης (grinding machine) που αναλύθηκε
σε πειραματικό περιβάλλον από την βιομηχανία
παραγωγής του.
Χαρακτηριστικά Δεδομένων
◦ Διάρκεια ΚΠ: ~23 secs
◦ Ρυθμός Δειγματοληψίας: 2ms
◦ 10 μετρήσεις αισθητήρων
Ιούλιος 2021 9
Αισθητήρες
Wheelhead Power
Wheelhead Actual Speed
X Axis Force
X Axis Commanded Speed
X Axis Actual Speed
X Axis Actual Position
X Axis Real Position
C Axis Torque
C Axis Commanded Speed
Φυσιολογικός Κύκλος Παραγωγής (ΚΠ)
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Προκλήσεις Πειραματικού
Περιβάλλοντος
1. Οι εργαστηριακές δοκιμές προσφέρουν
περιορισμένο πλήθος δεδομένων οπότε καθίσταται
δύσκολη η πλήρης αξιολόγηση μεθόδων ή/ και η
χρήση επιβλεπομένων τεχνικών.
2. Τα δεδομένα της ροής παραγωγής δεν
διαχωρίζονται ανά Κύκλους Παραγωγής (ΚΠ).
3. Τα δεδομένα που συλλέγονται αντικατοπτρίζουν
την κατάσταση ενός καινούργιου και σχετικά
υγιούς μηχανήματος οπότε το πλήθος σφαλμάτων
είναι μικρό.
4. Τα σφάλματα παρουσιάζουν ποικιλομορφία και
απαιτούν την υλοποίηση ευπροσάρμοστων
μεθοδολογιών ανάλυσης.
Ιούλιος 2021 10
Τύποι Σφαλμάτων:
Πρόωρης επαφής
Ακουστική Παραμόρφωση
Παραμόρφωση Δόνησης
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Δομή εργαλείου ταυτοποίησης
Ιούλιος 2021 11
Προ - επεξεργασία
Ανάλυση
Δεδομένων
Ταυτοποίηση
Σφαλμάτων
Ανίχνευση
Σφαλμάτων
Ταξινόμηση
Σφαλμάτων
Απόκτηση
Δεδομένων
Γραφική Απεικόνηση
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Τεχνική Επισκόπηση
Προ – επεξεργασία
◦ Ταυτοποίηση ΚΠ
◦ Φιλτράρισμα ΚΠ
Ανάλυση Δεδομένων
◦ Ανίχνευση Σφαλμάτων
◦ Αλγορίθμους Εντοπισμού Σημείων
Αλλαγής Κλίσης (ΕΣΑΚ)
◦ Matrix Profile (MP)
◦ Faiss
◦ LSTM
◦ Ταξινόμηση Σφαλμάτων
◦ MP
◦ Mueen’s Algorithm for Similarity Search (MASS)
◦ Dynamic Time warping (DTW)
◦ Faiss
◦ Faiss with MP/CPD
◦ MPDist
Ιούλιος 2021 12
DTW
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Προ - επεξεργασία
Ταυτοποίηση ΚΠ με τον Matrix Profile και τον MASS αλγόριθμο.
Ιούλιος 2021 13
Ιστορικά
Δεδομένα
Ανιχνευμένος ΚΠ
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Προ - επεξεργασία
Ιούλιος 2021 14
ΕΣΑΚ
Φιλτράρισμα
ταχύτητας
Περικοπή των ΚΠ με φίλτρο ταχύτητας και αλγορίθμους ΕΣΑΚ
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Μη επιβλεπόμενη τεχνική
Ανίχνευσης Σφαλμάτων
Αλγόριθμοι ΕΣΑΚ
◦ Pelt
◦ Binary Segmentation
◦ Window Sliding
Ιούλιος 2021 15
Διαφορά Σημείων
Αλλαγών Κλίσης
Αυτόματη επιλογή κατάλληλου αλγορίθμου ΕΣΑΚ και εξομάλυνσης με βάση ενός
μηχανισμού παραμετροποίησης που αναπτύχθηκε με το ray πακέτο της python
Τεχνικές Εξομάλυνσης
◦ Moving Average
◦ Exponential Average
◦ Savitzky-Golay
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Λειτουργία μεθόδου:
Ημί-επιβλεπόμενες τεχνικές
Ανίχνευσης Σφαλμάτων
Ανίχνευση μοτίβων
(αλγόριθμος Matrix
Profile)
◦ Αυτόματη ή μη
παραμετροποίηση
Ιούλιος 2021 16
Σφάλματα
Δείγμα
Ανίχνευση
Σφάλμα
Faiss βιβλιοθήκη
καταλογοποίησης
◦ Εξαγωγή στατιστικών
◦ Επιλογή χαρακτηριστικών
(Aλγόριθμος Relief)
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Επιβλεπόμενη τεχνική
Ανίχνευσης Σφαλμάτων
LSTM Networks
◦ Μόνο για σφάλματα
πρόωρης επαφής
◦ Απαραίτητη επιπλέον
ΕΣΑΚ προ-
επεξεργασία για
βελτίωση
αποτελεσμάτων
Ιούλιος 2021 17
Σημεία Αλλαγής
Κλίσης
Σφάλμα
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Ταξινόμηση Σφαλμάτων
Ιούλιος 2021 18
Αξιοποίηση ιστορικών δειγμάτων (samples) σφαλμάτων για
κατηγοριοποίηση εισερχόμενων Κύκλων Παραγωγής (query)
Αλγόριθμος Παράμετροι Τιμές Αλγόριθμος Παράμετροι Τιμές
MP – Automated
Window
Correlation
Threshold
0.98 Faiss με
στατιστικά
χαρακτηριστικά
Index Indexflatl2
Upper Window Length of query Features (chosen
with Relief)
Media, Percentile
95, percentile 80
DTW Open_end True Faiss με
υπακολουθίες
Automatic
window *
CPD
Open_begin True MPDist Automatic
window *
CPD
Pattern Asymmetric MASS
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
*Ανάπτυξη μηχανισμών εύρεσης αυτόματου παραθύρου.
Ιούλιος 2021 19
Δείγμα Νέος ΚΠ
Πρόωρη επαφή Ακουστική Παραμόρφωση Παραμόρφωση Δόνησης
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Αξιολόγηση
Ιούλιος 2021 20
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Αξιολόγηση Ανίχνευσης
Σφαλμάτων
Μετρικές Αξιολόγησης
Ιούλιος 2021 21
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Καλύτερο αποτέλεσμα με Precision = Recall = F1 = 1 Faiss και LSTM
Πίνακας σύγχυσης
Ανίχνευση
ενός ΚΠ ως
σφάλμα
Μη ανίχνευση
ενός ΚΠ ως
σφάλμα
ΚΠ σφάλματος TP FN
ΚΠ κανονικής
λειτουργίας
FP TN
Αξιολόγηση
Ταξινόμησης
Σφαλμάτων
Πίνακα Σύγχυσης:
Ιούλιος 2021 22
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Ταξινόμηση
σφάλματος ως
τύπο Α
Ταξινόμηση
σφάλματος ως
τύπο Β ή Γ
ΚΠ σφάλματος τύπου Α TP FN
ΚΠ σφάλματος τύπου Β
ή Γ
FP TN
Μέγιστο αποτέλεσμα
Precision = Recall = F1 = 1
Μετρικές Αξιολόγησης:
Αξιολόγηση Ταξινόμησης
Σφαλμάτων
Ιούλιος 2021 23
Μέθοδος Μέση τιμή F1 score
Faiss με στατιστικά χαρακτηριστικά 0.95
MPDist 0.86
Matrix Profile (MP) 0.85
Faiss με υπακολουθίες 0.79
MASS 0.77
DTW 0.56
Καλύτερο αποτέλεσμα μέσης τιμής F1 score – Faiss με στατιστικά χαρακτηριστικά
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
T-test
Ιούλιος 2021 24
Αλγόριθμος 1 Αλγόριθμος 2 T value P value
DTW MASS -1.20733 0.293812
DTW MP -2.03858 0.111122
DTW Faiss -2.77668 0.049988
DTW Faiss-MP -1.80211 0.145879
DTW MPDist -2.2972 0.083195
MASS MP -0.57628 0.595302
MASS Faiss -1.15537 0.312257
MASS Faiss-MP -0.13167 0.901602
MASS MPDist -0.6505 0.550841
MP Faiss -0.80779 0.464508
MP Faiss-MP 0.862261 0.437171
MP MPDist 0 1
Faiss Faiss-MP 3.041144 0.038359
Faiss MPDist 1.38675 0.237796
Faiss-MP MPDist -1.73422 0.157901
Αλγόριθμος 1 Αλγόριθμος 2 T value P value
Faiss MP 3.2 0.08
Ανίχνευσης με f1 score ως μετρική
Ταξινόμησης με f1 score ως μετρική
Null hypothesis: Αναμενόμενες F1 score τιμές δεν έχουν στατιστικά σημαντική διαφορά
Alpha: 0.1 - 10% αβεβαιότητα
3 διαθέσιμα F1 scores για ταξινόμηση (βαθμοί ελευθερίας=4) και 2 για Ανίχνευση (βαθμοί ελευθερίας =2)
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Συμπεράσματα
1. Αναπτύχθηκε ένας αυτόματος μηχανισμός ανίχνευσης Κύκλων
Παραγωγής (ΚΠ).
2. Υλοποιήθηκαν τεχνικές αναγνώρισης ανωμαλιών με δυνατότητα
γενίκευσης σε πολλαπλούς τύπους βλαβών.
3. Αξιοποιήθηκαν μη και ημί-επιβλεπόμενες τεχνικές Μηχανικής
Μάθησης που παρουσιάζουν χαμηλές απαιτήσεις ιστορικών
δεδομένων και μεγάλη προσαρμοστικότητα.
4. Ολοκληρώθηκε το αρχικό στάδιο αξιολόγησης των τεχνικών με
προοπτική σύγκλισης σε ποιο σταθερά αποτελέσματα κατά την
εξέλιξη της παραγωγής.
5. Υλοποιήθηκε ένα πλήρες εργαλείο ταυτοποίησης βλαβών που
προσφέρει ένα φιλικό προς τον χρήστη περιβάλλον για την
ανάκτηση και ανάλυση των δεδομένων.
Ιούλιος 2021 25
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Μελλοντική Εργασία
• Αξιολόγηση
• Ενίσχυση της πειραματικής αξιολόγησης με επιπλέον δεδομένα
• Αξιολόγηση σε μη ελεγχόμενο περιβάλλον (ανάπτυξη σε γραμμή
παραγωγής)
• Τεχνικές
• Επέκταση χρήσης του LSTM δικτύου για την ανίχνευση και άλλων τύπων
σφαλμάτων
• Ενίσχυση της Faiss μεθόδου με δοκιμή άλλων δεικτών
• Επέκταση τεχνικών για πρόβλεψη βλαβών
• Εργαλείο
• Εφαρμογή σε περισσότερα μηχανήματα και αξιολόγηση της
προσαρμοστικότητας του
• Δυναμική ανανέωση των ιστορικών δειγμάτων.
Ιούλιος 2021 26
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Διακρίσεις, Δημοσιεύσεις
Παρουσίαση στην ημερίδα «Machine Learning and Artificial Intelligence
for Quality 4.0 – Digital Tech Talk» μέσα στα πλαίσια του ευρωπαϊκού
έργου Qu4lity (https://qu4lity-project.eu/project/machine-learning-
and-artificial-intelligence-for-quality-4-0/)
Ιούλιος 2021 27
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Πηγές
[1] T. P. Carvalho, F. A. A. M. N. Soares, R. Vita, R. da P. Francisco, J. P. Basto,
and S. G. S. Alcalá, “A systematic literature review of machine learning
methods applied to predictive maintenance,” Comput. Ind. Eng., vol. 137, p.
106024, 2019, doi: https://doi.org/10.1016/j.cie.2019.106024.
[2] R. Accorsi, R. Manzini, P. Pascarella, M. Patella, and S. Sassi, “Data Mining
and Machine Learning for Condition-based Maintenance,” Procedia Manuf.,
vol. 11, pp. 1153–1161, 2017, doi:
https://doi.org/10.1016/j.promfg.2017.07.239.
[3] Q. Wang, S. Bu, and Z. He, “Achieving Predictive and Proactive
Maintenance for High-Speed Railway Power Equipment with LSTM-RNN,” IEEE
Trans. Ind. Informatics, pp. 1–1, Jan. 2020, doi: 10.1109/tii.2020.2966033.
[4] A. Z. Hinchi and M. Tkiouat, “Rolling element bearing remaining useful life
estimation based on a convolutional long-short-Term memory network,” in
Procedia Computer Science, 2018, vol. 127, pp. 123–132, doi:
10.1016/j.procs.2018.01.106.
[5] S. Zhang, Y. Wang, M. Liu, and Z. Bao, “Data-Based Line Trip Fault
Prediction in Power Systems Using LSTM Networks and SVM,” IEEE Access,
vol. 6, pp. 7675–7686, Dec. 2017, doi: 10.1109/ACCESS.2017.2785763.
[6] F. Wu, T. Wang, and J. Lee, “An online adaptive condition-based
maintenance method for mechanical systems,” Mech. Syst. Signal Process.,
vol. 24, no. 8, pp. 2985–2995, Nov. 2010, doi: 10.1016/j.ymssp.2010.04.003.
[7] J. Wang, Y. Chen, S. Hao, X. Peng, and L. Hu, “Deep learning for sensor-
based activity recognition: A survey,” Pattern Recognit. Lett., vol. 119, pp. 3–
11, Mar. 2019, doi: 10.1016/j.patrec.2018.02.010.
[8] B. Liu, J. Li, C. Chen, W. Tan, Q. Chen, and M. Zhou, “Efficient motif
discovery for large-scale time series in healthcare,” IEEE Trans. Ind.
Informatics, vol. 11, no. 3, pp. 583–590, Jun. 2015, doi:
10.1109/TII.2015.2411226.
Ιούλιος 2021 28
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Πηγές
[9] C. D. Truong and D. T. Anh, “A novel clustering-based
method for time series motif discovery under time warping
measure,” Int. J. Data Sci. Anal., vol. 4, no. 2, pp. 113–126, Sep.
2017, doi: 10.1007/s41060-017-0060-3.
[10] R. Brito and H. Bassani, “Self-Organizing Maps with
Variable Input Length for Motif Discovery and Word
Segmentation,” Jul. 2018, pp. 1–8, doi:
10.1109/IJCNN.2018.8489090.
[11] C. C. M. Yeh et al., “Time series joins, motifs, discords and
shapelets: a unifying view that exploits the matrix profile,” Data
Min. Knowl. Discov., vol. 32, no. 1, pp. 83–123, Jan. 2018, doi:
10.1007/s10618-017-0519-9. [
12] N. Mehdiyev, J. Krumeich, D. Enke, D. Werth, and P. Loos,
“Determination of Rule Patterns in Complex Event Processing
Using Machine Learning Techniques,” in Procedia Computer
Science, 2015, vol. 61, pp. 395–401, doi:
10.1016/j.procs.2015.09.168.
[13] G. He, Y. Duan, R. Peng, X. Jing, T. Qian, and L. Wang, “Early
classification on multivariate time series,” Neurocomputing,
vol. 149, no. PB, pp. 777–787, Feb. 2015, doi:
10.1016/j.neucom.2014.07.056.
[14] Y. Mohammad and T. Nishida, “Exact multi-length scale and
mean invariant motif discovery,” Appl. Intell., vol. 44, no. 2, pp.
322–339, Mar. 2016, doi: 10.1007/s10489-015-0684-8.
[15] https://github.com/facebookresearch/faiss/wiki
Ιούλιος 2021 29
Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
Ευχαριστώ για
την προσοχή σας
Ιούλιος 2021
ΈΓΚΑΙΡΗ ΤΑΥΤΟΠΟΊΗΣΗ ΒΛΑΒΏΝ ΜΕ ΑΛΓΟΡΊΘΜΟΥΣ ΜΗΧΑΝΙΚΉΣ
ΜΆΘΗΣΗΣ 30

Recommended

Giannopoulos Nikolaos: Ανάπτυξη Τεχνικών Εξατομίκευσης Διαφημιστικών Προβολών...
Giannopoulos Nikolaos: Ανάπτυξη Τεχνικών Εξατομίκευσης Διαφημιστικών Προβολών...Giannopoulos Nikolaos: Ανάπτυξη Τεχνικών Εξατομίκευσης Διαφημιστικών Προβολών...
Giannopoulos Nikolaos: Ανάπτυξη Τεχνικών Εξατομίκευσης Διαφημιστικών Προβολών...Manos Tsardoulias
 
Evangelos papathomas diploma thesis presentation
Evangelos papathomas diploma thesis presentationEvangelos papathomas diploma thesis presentation
Evangelos papathomas diploma thesis presentationISSEL
 
Konstantinos Papadopoulos Diploma Thesis presenation
Konstantinos Papadopoulos Diploma Thesis presenationKonstantinos Papadopoulos Diploma Thesis presenation
Konstantinos Papadopoulos Diploma Thesis presenationISSEL
 
Gougousis Dimitris: Development of an automated machine learning system for p...
Gougousis Dimitris: Development of an automated machine learning system for p...Gougousis Dimitris: Development of an automated machine learning system for p...
Gougousis Dimitris: Development of an automated machine learning system for p...Manos Tsardoulias
 
Σχεδίαση και ανάπτυξη Μηχανισμού Αυτοματοποίησης παραγωγής Λογισμικού Ελέγχου...
Σχεδίαση και ανάπτυξη Μηχανισμού Αυτοματοποίησης παραγωγής Λογισμικού Ελέγχου...Σχεδίαση και ανάπτυξη Μηχανισμού Αυτοματοποίησης παραγωγής Λογισμικού Ελέγχου...
Σχεδίαση και ανάπτυξη Μηχανισμού Αυτοματοποίησης παραγωγής Λογισμικού Ελέγχου...ISSEL
 
Stelios poulakakis daktylidis diploma thesis presentation
Stelios poulakakis daktylidis diploma thesis presentationStelios poulakakis daktylidis diploma thesis presentation
Stelios poulakakis daktylidis diploma thesis presentationISSEL
 
Σχεδίαση και ανάπτυξη μηχανισμού αναγνώρισης επιθέσεων ασφαλείας σε διαδικτυα...
Σχεδίαση και ανάπτυξη μηχανισμού αναγνώρισης επιθέσεων ασφαλείας σε διαδικτυα...Σχεδίαση και ανάπτυξη μηχανισμού αναγνώρισης επιθέσεων ασφαλείας σε διαδικτυα...
Σχεδίαση και ανάπτυξη μηχανισμού αναγνώρισης επιθέσεων ασφαλείας σε διαδικτυα...ISSEL
 
Συνεχής έµµεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου µέσω ανάλυσης συµπερ...
Συνεχής έµµεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου µέσω ανάλυσης συµπερ...Συνεχής έµµεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου µέσω ανάλυσης συµπερ...
Συνεχής έµµεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου µέσω ανάλυσης συµπερ...ISSEL
 

More Related Content

What's hot

Thesis presentation georgios-balaouras
Thesis presentation georgios-balaourasThesis presentation georgios-balaouras
Thesis presentation georgios-balaourasManos Tsardoulias
 
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...ISSEL
 
Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...
Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...
Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...Manos Tsardoulias
 
ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...
ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...
ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...ISSEL
 
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...ISSEL
 
Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...
Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...
Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...ISSEL
 
Ανάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικού
Ανάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικούΑνάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικού
Ανάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικούISSEL
 
Εντοπισμός του Image Inpainting με Μεθόδους Τεχνητής Νοημοσύνης
Εντοπισμός του Image Inpainting με Μεθόδους Τεχνητής ΝοημοσύνηςΕντοπισμός του Image Inpainting με Μεθόδους Τεχνητής Νοημοσύνης
Εντοπισμός του Image Inpainting με Μεθόδους Τεχνητής ΝοημοσύνηςISSEL
 
Ανάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDES
Ανάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDESΑνάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDES
Ανάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDESISSEL
 
Alexandros Delitzas Diploma Thesis presentation
Alexandros Delitzas Diploma Thesis presentationAlexandros Delitzas Diploma Thesis presentation
Alexandros Delitzas Diploma Thesis presentationISSEL
 
Theofilos Georgiadis: Library recommendation system for the reuse of software...
Theofilos Georgiadis: Library recommendation system for the reuse of software...Theofilos Georgiadis: Library recommendation system for the reuse of software...
Theofilos Georgiadis: Library recommendation system for the reuse of software...Manos Tsardoulias
 
Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...
Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...
Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...ISSEL
 
Pantelidou Eirini: Design and development of a system for incremental static ...
Pantelidou Eirini: Design and development of a system for incremental static ...Pantelidou Eirini: Design and development of a system for incremental static ...
Pantelidou Eirini: Design and development of a system for incremental static ...Manos Tsardoulias
 
Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...
Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...
Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...ISSEL
 

What's hot (14)

Thesis presentation georgios-balaouras
Thesis presentation georgios-balaourasThesis presentation georgios-balaouras
Thesis presentation georgios-balaouras
 
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Σε Πραγματ...
 
Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...
Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...
Charis Eleftheriadis. Towards evaluating Deep Neural Networks’ Robustness to ...
 
ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...
ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...
ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΚΑΤΑΝΟΗΣΗ ΤΗΣ ΣΗΜΑΝΤΙΚΟΤΗΤΑΣ ΔΗΜΟΓΡΑΦΙΚ...
 
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...
Ανίχνευση Αποκλίνουσας Συμπεριφοράς Χρηστών Διαδικτυακής Εφαρμογής Με Χρήση Τ...
 
Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...
Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...
Υλοποίηση εργαλείου πλήρους στοίβας σε περιβάλλον Kubernetes για την αυτοµατο...
 
Ανάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικού
Ανάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικούΑνάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικού
Ανάπτυξη αυτοματοποιημένης διαδικασίας Continuous Integration σε έργα λογισμικού
 
Εντοπισμός του Image Inpainting με Μεθόδους Τεχνητής Νοημοσύνης
Εντοπισμός του Image Inpainting με Μεθόδους Τεχνητής ΝοημοσύνηςΕντοπισμός του Image Inpainting με Μεθόδους Τεχνητής Νοημοσύνης
Εντοπισμός του Image Inpainting με Μεθόδους Τεχνητής Νοημοσύνης
 
Ανάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDES
Ανάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDESΑνάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDES
Ανάλυση αθλητικών επιδόσεων με τη χρήση του συστήματος REMEDES
 
Alexandros Delitzas Diploma Thesis presentation
Alexandros Delitzas Diploma Thesis presentationAlexandros Delitzas Diploma Thesis presentation
Alexandros Delitzas Diploma Thesis presentation
 
Theofilos Georgiadis: Library recommendation system for the reuse of software...
Theofilos Georgiadis: Library recommendation system for the reuse of software...Theofilos Georgiadis: Library recommendation system for the reuse of software...
Theofilos Georgiadis: Library recommendation system for the reuse of software...
 
Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...
Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...
Εφαρμογή Τεχνικών Εξόρυξης Δεδομένων για την Εξαγωγή Προτύπων Διόρθωσης σε Σφ...
 
Pantelidou Eirini: Design and development of a system for incremental static ...
Pantelidou Eirini: Design and development of a system for incremental static ...Pantelidou Eirini: Design and development of a system for incremental static ...
Pantelidou Eirini: Design and development of a system for incremental static ...
 
Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...
Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...
Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τ...
 

Similar to Έγκαιρη ταυτοποίηση βλαβών με αλγόριθμους Μηχανικής Mάθησης

Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...
Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...
Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...ISSEL
 
Γεροκώστα
ΓεροκώσταΓεροκώστα
ΓεροκώσταISSEL
 
Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...
Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...
Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...ISSEL
 
Design and development of a Machine Learning based attack detection system fo...
Design and development of a Machine Learning based attack detection system fo...Design and development of a Machine Learning based attack detection system fo...
Design and development of a Machine Learning based attack detection system fo...ISSEL
 
OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.
OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.
OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.Theodorou Automation SAICT
 
Autonomous vehicle perception using a monocular camera
Autonomous vehicle perception using a monocular cameraAutonomous vehicle perception using a monocular camera
Autonomous vehicle perception using a monocular cameraISSEL
 
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµεραςΑντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµεραςISSEL
 
Employing Machine Learning and Intelligent Information Management Techniques ...
Employing Machine Learning and Intelligent Information Management Techniques ...Employing Machine Learning and Intelligent Information Management Techniques ...
Employing Machine Learning and Intelligent Information Management Techniques ...ISSEL
 
System Development for Prediction of Static Analysis Metrics of Source Code
System Development for Prediction of Static Analysis Metrics of Source CodeSystem Development for Prediction of Static Analysis Metrics of Source Code
System Development for Prediction of Static Analysis Metrics of Source CodeISSEL
 
Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...
Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...
Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...ISSEL
 
VET4SBO Level 3 module 2 - unit 1 - v1.0 gr
VET4SBO Level 3   module 2 - unit 1 - v1.0 grVET4SBO Level 3   module 2 - unit 1 - v1.0 gr
VET4SBO Level 3 module 2 - unit 1 - v1.0 grKarel Van Isacker
 
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...ISSEL
 
Maria - Christina Maniou Diploma Thesis Presentation
Maria - Christina Maniou Diploma Thesis PresentationMaria - Christina Maniou Diploma Thesis Presentation
Maria - Christina Maniou Diploma Thesis PresentationISSEL
 
Creation of a postgraduate course for wind energy at the International Hellen...
Creation of a postgraduate course for wind energy at the International Hellen...Creation of a postgraduate course for wind energy at the International Hellen...
Creation of a postgraduate course for wind energy at the International Hellen...Dimitrios Kanellopoulos
 
Βασίλης Μπούντρης
Βασίλης ΜπούντρηςΒασίλης Μπούντρης
Βασίλης ΜπούντρηςISSEL
 
Continuous Implicit Authentication of smartphone users based on behavioral an...
Continuous Implicit Authentication of smartphone users based on behavioral an...Continuous Implicit Authentication of smartphone users based on behavioral an...
Continuous Implicit Authentication of smartphone users based on behavioral an...ISSEL
 
Konstantinos Koukoutegos Diploma Thesis Presentation
Konstantinos Koukoutegos Diploma Thesis PresentationKonstantinos Koukoutegos Diploma Thesis Presentation
Konstantinos Koukoutegos Diploma Thesis PresentationISSEL
 
Ελένη Νησιώτη
Ελένη ΝησιώτηΕλένη Νησιώτη
Ελένη ΝησιώτηISSEL
 
Οικονόμου Ναπολέων – Χρήστος
Οικονόμου Ναπολέων – ΧρήστοςΟικονόμου Ναπολέων – Χρήστος
Οικονόμου Ναπολέων – ΧρήστοςISSEL
 

Similar to Έγκαιρη ταυτοποίηση βλαβών με αλγόριθμους Μηχανικής Mάθησης (20)

Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...
Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...
Συνεχής έμμεση αυθεντικοποίηση χρηστών κινητού τηλεφώνου με συνδυασμό των δεδ...
 
Γεροκώστα
ΓεροκώσταΓεροκώστα
Γεροκώστα
 
Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...
Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...
Applying Data Mining Techniques to Extract Fix Patterns for Static Analysis V...
 
Design and development of a Machine Learning based attack detection system fo...
Design and development of a Machine Learning based attack detection system fo...Design and development of a Machine Learning based attack detection system fo...
Design and development of a Machine Learning based attack detection system fo...
 
OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.
OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.
OEE (Overall Equipment Effectivenes): Utilize your assets to the maximum.
 
Autonomous vehicle perception using a monocular camera
Autonomous vehicle perception using a monocular cameraAutonomous vehicle perception using a monocular camera
Autonomous vehicle perception using a monocular camera
 
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµεραςΑντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
 
Employing Machine Learning and Intelligent Information Management Techniques ...
Employing Machine Learning and Intelligent Information Management Techniques ...Employing Machine Learning and Intelligent Information Management Techniques ...
Employing Machine Learning and Intelligent Information Management Techniques ...
 
System Development for Prediction of Static Analysis Metrics of Source Code
System Development for Prediction of Static Analysis Metrics of Source CodeSystem Development for Prediction of Static Analysis Metrics of Source Code
System Development for Prediction of Static Analysis Metrics of Source Code
 
Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...
Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...
Ανάπτυξη συστήματος πρόβλεψης της εξέλιξης των μετρικών στατικής ανάλυσης πηγ...
 
VET4SBO Level 3 module 2 - unit 1 - v1.0 gr
VET4SBO Level 3   module 2 - unit 1 - v1.0 grVET4SBO Level 3   module 2 - unit 1 - v1.0 gr
VET4SBO Level 3 module 2 - unit 1 - v1.0 gr
 
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
 
Maria - Christina Maniou Diploma Thesis Presentation
Maria - Christina Maniou Diploma Thesis PresentationMaria - Christina Maniou Diploma Thesis Presentation
Maria - Christina Maniou Diploma Thesis Presentation
 
Creation of a postgraduate course for wind energy at the International Hellen...
Creation of a postgraduate course for wind energy at the International Hellen...Creation of a postgraduate course for wind energy at the International Hellen...
Creation of a postgraduate course for wind energy at the International Hellen...
 
Βασίλης Μπούντρης
Βασίλης ΜπούντρηςΒασίλης Μπούντρης
Βασίλης Μπούντρης
 
Continuous Implicit Authentication of smartphone users based on behavioral an...
Continuous Implicit Authentication of smartphone users based on behavioral an...Continuous Implicit Authentication of smartphone users based on behavioral an...
Continuous Implicit Authentication of smartphone users based on behavioral an...
 
Konstantinos Koukoutegos Diploma Thesis Presentation
Konstantinos Koukoutegos Diploma Thesis PresentationKonstantinos Koukoutegos Diploma Thesis Presentation
Konstantinos Koukoutegos Diploma Thesis Presentation
 
Ελένη Νησιώτη
Ελένη ΝησιώτηΕλένη Νησιώτη
Ελένη Νησιώτη
 
Software quality
Software qualitySoftware quality
Software quality
 
Οικονόμου Ναπολέων – Χρήστος
Οικονόμου Ναπολέων – ΧρήστοςΟικονόμου Ναπολέων – Χρήστος
Οικονόμου Ναπολέων – Χρήστος
 

More from ISSEL

Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...ISSEL
 
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...ISSEL
 
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...ISSEL
 
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής ΝοημοσύνηςΑνάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής ΝοημοσύνηςISSEL
 
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptxΑνάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptxISSEL
 
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...ISSEL
 
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...ISSEL
 
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...ISSEL
 
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας ΙσχυρισμώνΔημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας ΙσχυρισμώνISSEL
 
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµαταΕξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµαταISSEL
 
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...ISSEL
 
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...ISSEL
 
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...ISSEL
 
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικούΕξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικούISSEL
 
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία ΕφαρµογήςΑνάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία ΕφαρµογήςISSEL
 
Camera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environmentsCamera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environmentsISSEL
 
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...ISSEL
 
Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...ISSEL
 
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...ISSEL
 
Static Analysis of Python code and Identification of Potential Security Vulne...
Static Analysis of Python code and Identification of Potential Security Vulne...Static Analysis of Python code and Identification of Potential Security Vulne...
Static Analysis of Python code and Identification of Potential Security Vulne...ISSEL
 

More from ISSEL (20)

Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
 
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
 
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
 
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής ΝοημοσύνηςΑνάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
 
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptxΑνάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
 
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
 
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
 
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
 
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας ΙσχυρισμώνΔημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
 
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµαταΕξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
 
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...
 
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
 
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
 
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικούΕξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
 
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία ΕφαρµογήςΑνάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
 
Camera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environmentsCamera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environments
 
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
 
Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...
 
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...
 
Static Analysis of Python code and Identification of Potential Security Vulne...
Static Analysis of Python code and Identification of Potential Security Vulne...Static Analysis of Python code and Identification of Potential Security Vulne...
Static Analysis of Python code and Identification of Potential Security Vulne...
 

Έγκαιρη ταυτοποίηση βλαβών με αλγόριθμους Μηχανικής Mάθησης

  • 1. Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους Μηχανικής Mάθησης Α ρ ι σ τ ο τ έ λ ε ι ο Π α ν ε π ι σ τ ή μ ι ο Θ ε σ σ α λ ο ν ί κ η ς , Τ μ ή μ α Η λ ε κ τ ρ ο λ ό γ ω ν Μ η χ α ν ι κ ώ ν κ α ι Μ η χ α ν ι κ ώ ν Υ π ο λ ο γ ι σ τ ώ ν , Ε ρ γ α σ τ ή ρ ι ο Ε π ε ξ ε ρ γ α σ ί α ς Π λ η ρ ο φ ο ρ ί α ς κ α ι Υ π ο λ ο γ ι σ μ ώ ν . Ψ α ρ ο δ ή μ ο υ Μ α ρ ί α , Α Ε Μ : 8 9 4 6 , Σ υ μ ε ω ν ί δ η ς Α ν δ ρ έ α ς , 1 3 I ο υ λ ί ο υ 2 0 2 1
  • 2. Περιεχόμενα Εισαγωγή ◦ Σκοπός Διπλωματικής Εργασίας ◦ Βιβλιογραφική Μελέτη ◦ Η συνεισφορά μας Υλοποίηση ◦ Πειραματικό Περιβάλλον ◦ Τεχνολογική Επισκόπηση Αξιολόγηση ◦ Τεχνικών ανίχνευσης ◦ Τεχνικών Ταξινόμησης ◦ T-test Ιούλιος 2021 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης 2 Συμπεράσματα Μελλοντική Εργασία Δημοσιεύσεις / Διακρίσεις Πηγές
  • 3. Εισαγωγή Εφαρμογή Αλγορίθμων Μηχανικής Μάθησης σε παραγωγικούς τομείς ◦ Αυτοκινητοβιομηχανία ◦ Ανανεώσιμες πηγές ενέργειας Ιούλιος 2021 3 Βιομηχανικό Πλαίσιο ◦ Μετάβαση από Προληπτική σε Προβλεπτική συντήρηση στα πλαίσια της 4ης βιομηχανικής επανάστασης [1] ◦ Αύξηση Χρόνου Ζωής Μηχανημάτων ◦ Μείωση χρόνου αδράνειας ◦ Βελτίωση τελικού προϊόντος Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 4. Σκοπός της διπλωματικής εργασίας 1. Έρευνα και εφαρμογή κλασσικών και καινοτόμων τεχνολογιών στον τομέα της Ανίχνευσης και Ταξινόμησης Ανωμαλιών σε χρονοσειρές. 2. Σύγκριση τεχνικών Μηχανικής Μάθησης και αξιολόγηση της απόδοσης τους. 3. Υλοποίηση ενός πλήρες και ευπροσάρμοστου εργαλείου ταυτοποίησης βλαβών. 4. Ενίσχυση βιομηχανίας στην μετάβαση σε προβλεπτική συντήρηση. Ιούλιος 2021 4 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 5. Βιβλιογραφική Μελέτη Ανίχνευση Ανωμαλιών ◦ Υλοποίηση και σύγκριση ◦ Γραμμικής Παλινδρόμησης, ◦ Τυχαία Δάση, ◦ Δένδρα Απόφασης, ◦ Μηχανών Διανυσμάτων Υποστήριξης (ΜΔΥ), ◦ Αναδρομικά Νευρωνικά Δίκτυα (ΑΝΔ) και ◦ Long Short Term Μemory (LSTM) δίκτυα [2][3][4] ◦ Συνδυασμός Συνελικτικών Νευρωνικών Δικτύων (ΣΝΔ) και LSTM βαθιάς εκμάθησης διπλής κατεύθυνσης (Deep Learning Bi-directional LSTM) [5] ◦ Matrix Profile [36] Ιούλιος 2021 5 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 6. Βιβλιογραφική Μελέτη Ταυτοποίηση Μοτίβων ◦ Αναγνώριση ◦ Νευρωνικά Δίκτυα βαθύ επιπέδου, ΣΝΔ, ΑΝΔ, Περιορισμένες Μηχανές Boltzmann βαθύ επιπέδου [7] ◦ Αυτό-Οργανωμένος Χάρτης – κατηγοριοποίηση εισερχόμενα μοτίβα σε νέες η προκαθορισμένες ομάδες [6], [10] ◦ Mueen –Keogh (ΜΚ) και οι επεκτάσεις του για ανακάλυψη μοτίβων μεταβαλλόμενου μήκους [14] ◦ Δυναμική Χρονική Στρέβλωση (Dynamic Time Warping) [8], [9] ◦ Matrix Profile [11] ◦ Ταξινόμηση ◦ Δένδρα Απόφασης, συνδυασμοί πινάκων απόφασης , ομαδοποίηση με τον κοντινότερο γείτονα [12], [13] ◦ Faiss [15] Ιούλιος 2021 6 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 7. Η Συνεισφορά μας 1. Αυτόματη αναγνώριση μοτίβων στο στάδιο της προ - επεξεργασίας με ενσωμάτωση τεχνικών αναγνώρισης μοτίβων. 2. Χρήση μη ή/και ημί - επιβλεπόμενων τεχνικών που παρουσιάζουν μικρές απαιτήσεις ύπαρξης ιστορικών δεδομένων. 3. Ανάπτυξη ποικίλων ευπροσάρμοστων σε διαφορετικά σενάρια χρήσης τεχνικών Μηχανικής Μάθησης . 4. Συγκριτική μελέτη τεχνικών Μηχανικής Μάθησης σε πραγματικά βιομηχανικά δεδομένα. 5. Υλοποίηση συνδυαστικής μεθόδου ανίχνευσης ανωμαλιών και μετέπειτα κατηγοριοποίησης τους ως ένα πλήρες πακέτο ταυτοποίησης βλαβών. Ιούλιος 2021 7 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 8. Υλοποίηση Ιούλιος 2021 8 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 9. Πειραματικό Περιβάλλον Μηχάνημα λείανσης (grinding machine) που αναλύθηκε σε πειραματικό περιβάλλον από την βιομηχανία παραγωγής του. Χαρακτηριστικά Δεδομένων ◦ Διάρκεια ΚΠ: ~23 secs ◦ Ρυθμός Δειγματοληψίας: 2ms ◦ 10 μετρήσεις αισθητήρων Ιούλιος 2021 9 Αισθητήρες Wheelhead Power Wheelhead Actual Speed X Axis Force X Axis Commanded Speed X Axis Actual Speed X Axis Actual Position X Axis Real Position C Axis Torque C Axis Commanded Speed Φυσιολογικός Κύκλος Παραγωγής (ΚΠ) Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 10. Προκλήσεις Πειραματικού Περιβάλλοντος 1. Οι εργαστηριακές δοκιμές προσφέρουν περιορισμένο πλήθος δεδομένων οπότε καθίσταται δύσκολη η πλήρης αξιολόγηση μεθόδων ή/ και η χρήση επιβλεπομένων τεχνικών. 2. Τα δεδομένα της ροής παραγωγής δεν διαχωρίζονται ανά Κύκλους Παραγωγής (ΚΠ). 3. Τα δεδομένα που συλλέγονται αντικατοπτρίζουν την κατάσταση ενός καινούργιου και σχετικά υγιούς μηχανήματος οπότε το πλήθος σφαλμάτων είναι μικρό. 4. Τα σφάλματα παρουσιάζουν ποικιλομορφία και απαιτούν την υλοποίηση ευπροσάρμοστων μεθοδολογιών ανάλυσης. Ιούλιος 2021 10 Τύποι Σφαλμάτων: Πρόωρης επαφής Ακουστική Παραμόρφωση Παραμόρφωση Δόνησης Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 11. Δομή εργαλείου ταυτοποίησης Ιούλιος 2021 11 Προ - επεξεργασία Ανάλυση Δεδομένων Ταυτοποίηση Σφαλμάτων Ανίχνευση Σφαλμάτων Ταξινόμηση Σφαλμάτων Απόκτηση Δεδομένων Γραφική Απεικόνηση Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 12. Τεχνική Επισκόπηση Προ – επεξεργασία ◦ Ταυτοποίηση ΚΠ ◦ Φιλτράρισμα ΚΠ Ανάλυση Δεδομένων ◦ Ανίχνευση Σφαλμάτων ◦ Αλγορίθμους Εντοπισμού Σημείων Αλλαγής Κλίσης (ΕΣΑΚ) ◦ Matrix Profile (MP) ◦ Faiss ◦ LSTM ◦ Ταξινόμηση Σφαλμάτων ◦ MP ◦ Mueen’s Algorithm for Similarity Search (MASS) ◦ Dynamic Time warping (DTW) ◦ Faiss ◦ Faiss with MP/CPD ◦ MPDist Ιούλιος 2021 12 DTW Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 13. Προ - επεξεργασία Ταυτοποίηση ΚΠ με τον Matrix Profile και τον MASS αλγόριθμο. Ιούλιος 2021 13 Ιστορικά Δεδομένα Ανιχνευμένος ΚΠ Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 14. Προ - επεξεργασία Ιούλιος 2021 14 ΕΣΑΚ Φιλτράρισμα ταχύτητας Περικοπή των ΚΠ με φίλτρο ταχύτητας και αλγορίθμους ΕΣΑΚ Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 15. Μη επιβλεπόμενη τεχνική Ανίχνευσης Σφαλμάτων Αλγόριθμοι ΕΣΑΚ ◦ Pelt ◦ Binary Segmentation ◦ Window Sliding Ιούλιος 2021 15 Διαφορά Σημείων Αλλαγών Κλίσης Αυτόματη επιλογή κατάλληλου αλγορίθμου ΕΣΑΚ και εξομάλυνσης με βάση ενός μηχανισμού παραμετροποίησης που αναπτύχθηκε με το ray πακέτο της python Τεχνικές Εξομάλυνσης ◦ Moving Average ◦ Exponential Average ◦ Savitzky-Golay Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης Λειτουργία μεθόδου:
  • 16. Ημί-επιβλεπόμενες τεχνικές Ανίχνευσης Σφαλμάτων Ανίχνευση μοτίβων (αλγόριθμος Matrix Profile) ◦ Αυτόματη ή μη παραμετροποίηση Ιούλιος 2021 16 Σφάλματα Δείγμα Ανίχνευση Σφάλμα Faiss βιβλιοθήκη καταλογοποίησης ◦ Εξαγωγή στατιστικών ◦ Επιλογή χαρακτηριστικών (Aλγόριθμος Relief) Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 17. Επιβλεπόμενη τεχνική Ανίχνευσης Σφαλμάτων LSTM Networks ◦ Μόνο για σφάλματα πρόωρης επαφής ◦ Απαραίτητη επιπλέον ΕΣΑΚ προ- επεξεργασία για βελτίωση αποτελεσμάτων Ιούλιος 2021 17 Σημεία Αλλαγής Κλίσης Σφάλμα Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 18. Ταξινόμηση Σφαλμάτων Ιούλιος 2021 18 Αξιοποίηση ιστορικών δειγμάτων (samples) σφαλμάτων για κατηγοριοποίηση εισερχόμενων Κύκλων Παραγωγής (query) Αλγόριθμος Παράμετροι Τιμές Αλγόριθμος Παράμετροι Τιμές MP – Automated Window Correlation Threshold 0.98 Faiss με στατιστικά χαρακτηριστικά Index Indexflatl2 Upper Window Length of query Features (chosen with Relief) Media, Percentile 95, percentile 80 DTW Open_end True Faiss με υπακολουθίες Automatic window * CPD Open_begin True MPDist Automatic window * CPD Pattern Asymmetric MASS Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης *Ανάπτυξη μηχανισμών εύρεσης αυτόματου παραθύρου.
  • 19. Ιούλιος 2021 19 Δείγμα Νέος ΚΠ Πρόωρη επαφή Ακουστική Παραμόρφωση Παραμόρφωση Δόνησης Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 20. Αξιολόγηση Ιούλιος 2021 20 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 21. Αξιολόγηση Ανίχνευσης Σφαλμάτων Μετρικές Αξιολόγησης Ιούλιος 2021 21 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης Καλύτερο αποτέλεσμα με Precision = Recall = F1 = 1 Faiss και LSTM Πίνακας σύγχυσης Ανίχνευση ενός ΚΠ ως σφάλμα Μη ανίχνευση ενός ΚΠ ως σφάλμα ΚΠ σφάλματος TP FN ΚΠ κανονικής λειτουργίας FP TN
  • 22. Αξιολόγηση Ταξινόμησης Σφαλμάτων Πίνακα Σύγχυσης: Ιούλιος 2021 22 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης Ταξινόμηση σφάλματος ως τύπο Α Ταξινόμηση σφάλματος ως τύπο Β ή Γ ΚΠ σφάλματος τύπου Α TP FN ΚΠ σφάλματος τύπου Β ή Γ FP TN Μέγιστο αποτέλεσμα Precision = Recall = F1 = 1 Μετρικές Αξιολόγησης:
  • 23. Αξιολόγηση Ταξινόμησης Σφαλμάτων Ιούλιος 2021 23 Μέθοδος Μέση τιμή F1 score Faiss με στατιστικά χαρακτηριστικά 0.95 MPDist 0.86 Matrix Profile (MP) 0.85 Faiss με υπακολουθίες 0.79 MASS 0.77 DTW 0.56 Καλύτερο αποτέλεσμα μέσης τιμής F1 score – Faiss με στατιστικά χαρακτηριστικά Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 24. T-test Ιούλιος 2021 24 Αλγόριθμος 1 Αλγόριθμος 2 T value P value DTW MASS -1.20733 0.293812 DTW MP -2.03858 0.111122 DTW Faiss -2.77668 0.049988 DTW Faiss-MP -1.80211 0.145879 DTW MPDist -2.2972 0.083195 MASS MP -0.57628 0.595302 MASS Faiss -1.15537 0.312257 MASS Faiss-MP -0.13167 0.901602 MASS MPDist -0.6505 0.550841 MP Faiss -0.80779 0.464508 MP Faiss-MP 0.862261 0.437171 MP MPDist 0 1 Faiss Faiss-MP 3.041144 0.038359 Faiss MPDist 1.38675 0.237796 Faiss-MP MPDist -1.73422 0.157901 Αλγόριθμος 1 Αλγόριθμος 2 T value P value Faiss MP 3.2 0.08 Ανίχνευσης με f1 score ως μετρική Ταξινόμησης με f1 score ως μετρική Null hypothesis: Αναμενόμενες F1 score τιμές δεν έχουν στατιστικά σημαντική διαφορά Alpha: 0.1 - 10% αβεβαιότητα 3 διαθέσιμα F1 scores για ταξινόμηση (βαθμοί ελευθερίας=4) και 2 για Ανίχνευση (βαθμοί ελευθερίας =2) Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 25. Συμπεράσματα 1. Αναπτύχθηκε ένας αυτόματος μηχανισμός ανίχνευσης Κύκλων Παραγωγής (ΚΠ). 2. Υλοποιήθηκαν τεχνικές αναγνώρισης ανωμαλιών με δυνατότητα γενίκευσης σε πολλαπλούς τύπους βλαβών. 3. Αξιοποιήθηκαν μη και ημί-επιβλεπόμενες τεχνικές Μηχανικής Μάθησης που παρουσιάζουν χαμηλές απαιτήσεις ιστορικών δεδομένων και μεγάλη προσαρμοστικότητα. 4. Ολοκληρώθηκε το αρχικό στάδιο αξιολόγησης των τεχνικών με προοπτική σύγκλισης σε ποιο σταθερά αποτελέσματα κατά την εξέλιξη της παραγωγής. 5. Υλοποιήθηκε ένα πλήρες εργαλείο ταυτοποίησης βλαβών που προσφέρει ένα φιλικό προς τον χρήστη περιβάλλον για την ανάκτηση και ανάλυση των δεδομένων. Ιούλιος 2021 25 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 26. Μελλοντική Εργασία • Αξιολόγηση • Ενίσχυση της πειραματικής αξιολόγησης με επιπλέον δεδομένα • Αξιολόγηση σε μη ελεγχόμενο περιβάλλον (ανάπτυξη σε γραμμή παραγωγής) • Τεχνικές • Επέκταση χρήσης του LSTM δικτύου για την ανίχνευση και άλλων τύπων σφαλμάτων • Ενίσχυση της Faiss μεθόδου με δοκιμή άλλων δεικτών • Επέκταση τεχνικών για πρόβλεψη βλαβών • Εργαλείο • Εφαρμογή σε περισσότερα μηχανήματα και αξιολόγηση της προσαρμοστικότητας του • Δυναμική ανανέωση των ιστορικών δειγμάτων. Ιούλιος 2021 26 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 27. Διακρίσεις, Δημοσιεύσεις Παρουσίαση στην ημερίδα «Machine Learning and Artificial Intelligence for Quality 4.0 – Digital Tech Talk» μέσα στα πλαίσια του ευρωπαϊκού έργου Qu4lity (https://qu4lity-project.eu/project/machine-learning- and-artificial-intelligence-for-quality-4-0/) Ιούλιος 2021 27 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 28. Πηγές [1] T. P. Carvalho, F. A. A. M. N. Soares, R. Vita, R. da P. Francisco, J. P. Basto, and S. G. S. Alcalá, “A systematic literature review of machine learning methods applied to predictive maintenance,” Comput. Ind. Eng., vol. 137, p. 106024, 2019, doi: https://doi.org/10.1016/j.cie.2019.106024. [2] R. Accorsi, R. Manzini, P. Pascarella, M. Patella, and S. Sassi, “Data Mining and Machine Learning for Condition-based Maintenance,” Procedia Manuf., vol. 11, pp. 1153–1161, 2017, doi: https://doi.org/10.1016/j.promfg.2017.07.239. [3] Q. Wang, S. Bu, and Z. He, “Achieving Predictive and Proactive Maintenance for High-Speed Railway Power Equipment with LSTM-RNN,” IEEE Trans. Ind. Informatics, pp. 1–1, Jan. 2020, doi: 10.1109/tii.2020.2966033. [4] A. Z. Hinchi and M. Tkiouat, “Rolling element bearing remaining useful life estimation based on a convolutional long-short-Term memory network,” in Procedia Computer Science, 2018, vol. 127, pp. 123–132, doi: 10.1016/j.procs.2018.01.106. [5] S. Zhang, Y. Wang, M. Liu, and Z. Bao, “Data-Based Line Trip Fault Prediction in Power Systems Using LSTM Networks and SVM,” IEEE Access, vol. 6, pp. 7675–7686, Dec. 2017, doi: 10.1109/ACCESS.2017.2785763. [6] F. Wu, T. Wang, and J. Lee, “An online adaptive condition-based maintenance method for mechanical systems,” Mech. Syst. Signal Process., vol. 24, no. 8, pp. 2985–2995, Nov. 2010, doi: 10.1016/j.ymssp.2010.04.003. [7] J. Wang, Y. Chen, S. Hao, X. Peng, and L. Hu, “Deep learning for sensor- based activity recognition: A survey,” Pattern Recognit. Lett., vol. 119, pp. 3– 11, Mar. 2019, doi: 10.1016/j.patrec.2018.02.010. [8] B. Liu, J. Li, C. Chen, W. Tan, Q. Chen, and M. Zhou, “Efficient motif discovery for large-scale time series in healthcare,” IEEE Trans. Ind. Informatics, vol. 11, no. 3, pp. 583–590, Jun. 2015, doi: 10.1109/TII.2015.2411226. Ιούλιος 2021 28 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 29. Πηγές [9] C. D. Truong and D. T. Anh, “A novel clustering-based method for time series motif discovery under time warping measure,” Int. J. Data Sci. Anal., vol. 4, no. 2, pp. 113–126, Sep. 2017, doi: 10.1007/s41060-017-0060-3. [10] R. Brito and H. Bassani, “Self-Organizing Maps with Variable Input Length for Motif Discovery and Word Segmentation,” Jul. 2018, pp. 1–8, doi: 10.1109/IJCNN.2018.8489090. [11] C. C. M. Yeh et al., “Time series joins, motifs, discords and shapelets: a unifying view that exploits the matrix profile,” Data Min. Knowl. Discov., vol. 32, no. 1, pp. 83–123, Jan. 2018, doi: 10.1007/s10618-017-0519-9. [ 12] N. Mehdiyev, J. Krumeich, D. Enke, D. Werth, and P. Loos, “Determination of Rule Patterns in Complex Event Processing Using Machine Learning Techniques,” in Procedia Computer Science, 2015, vol. 61, pp. 395–401, doi: 10.1016/j.procs.2015.09.168. [13] G. He, Y. Duan, R. Peng, X. Jing, T. Qian, and L. Wang, “Early classification on multivariate time series,” Neurocomputing, vol. 149, no. PB, pp. 777–787, Feb. 2015, doi: 10.1016/j.neucom.2014.07.056. [14] Y. Mohammad and T. Nishida, “Exact multi-length scale and mean invariant motif discovery,” Appl. Intell., vol. 44, no. 2, pp. 322–339, Mar. 2016, doi: 10.1007/s10489-015-0684-8. [15] https://github.com/facebookresearch/faiss/wiki Ιούλιος 2021 29 Έγκαιρη ταυτοποίηση βλαβών με αλγορίθμους μηχανικής μάθησης
  • 30. Ευχαριστώ για την προσοχή σας Ιούλιος 2021 ΈΓΚΑΙΡΗ ΤΑΥΤΟΠΟΊΗΣΗ ΒΛΑΒΏΝ ΜΕ ΑΛΓΟΡΊΘΜΟΥΣ ΜΗΧΑΝΙΚΉΣ ΜΆΘΗΣΗΣ 30