Please use this identifier to cite or link to this item: http://nuir.lib.nu.ac.th/dspace/handle/123456789/6072
Title: A System for Detection and Prediction of Leaks in Air Pipe using Edge Computing and Deep Learning
ระบบตรวจจับและพยากรณ์การรั่วของท่อลมในไลน์การผลิตท่อโดยใช้เทคโนโลยีเอดจ์คอมพิวติ้งและการเรียนรู้เชิงลึก
Authors: Thanakrit Kraising
ธนกฤต ไกรสิงห์
Winai Wongthai
วินัย วงษ์ไทย
Naresuan University
Winai Wongthai
วินัย วงษ์ไทย
winaiw@nu.ac.th
winaiw@nu.ac.th
Keywords: รั่วซึมของลมอัดอากาศ
การตรวจจับการรั่วซึมของท่อลม
เทคนิคการเรียนรู้เชิงลึก
ระบบท่อลม
ต้นไม้การตัดสินใจ
ป่าไม้สุ่ม
เครื่องมือเวกเตอร์สนับสนุน
1D-CNN
Compressed air leak
Pneumatic line leakage detection
Deep learning
Pneumatic pipe system
Decision Tree
Random Forest
upport Vector Machine
1D-CNN
Issue Date:  23
Publisher: Naresuan University
Abstract: Gas leaks from Fittings of a pneumatic pipe system result in the breakdown or failure of the system. This significant fault causes about half of the losses of output from production lines in the manufacturing sector. Deep Learning methods can be used to detect gas leakage of the pneumatic pipe system. We propose a Deep Learning model for the detection of air leaks from pneumatic pipe system Fittings using an accelerometer sensor system. We trained four models with four Machine Learning techniques with the data generated from our experimental pneumatic pipe. After the first training, we augmented the collected data and used it to train all four models again. We were able to mimic the natural behavior of the actual line and thereby augment the collected data which was used in an enhanced training and testing process to create a better model. Secondly, all the trained models in which the augmented data was applied yielded highly accurate results. This was especially demonstrated by our proposed Deep Learning model which yielded the highest accuracy of 99.2%. Our main contribution to the field is our method of evaluating the accuracy of the model and the simple algorithm that one may use as a basis for building applications based on the model, together with the model's evaluation results. Our findings and contribution provide well-tested information to engineers and companies to avoid breakdowns in pneumatic pipe systems caused by air leaks. We claim that these contributions are new, and to the best of our knowledge have not previously been reported in the literature, thus are relevant and important contributions to the field.
การรั่วซึมของลมเกิดจากชิ้นส่วนของระบบท่อลมในเครื่องจักรที่ใช้ลมในการทำงานเกิดเสียหายหรือล้มเหลวได้ ข้อบกพร่องที่สำคัญนี้เป็นสาเหตุของการสูญเสียประมาณครึ่งหนึ่งของผลผลิตจากสายการผลิตในภาคการผลิตสิ่งของแต่ละสายงานการผลิต เทคนิคการเรียนรู้เชิงลึกสามารถนำมาใช้ในการตรวจจับการรั่วซึมของระบบท่อลมได้ ผู้วิจัยขอเสนอโมเดลการเรียนรู้เชิงลึกสำหรับการตรวจจับการรั่วซึมของชิ้นส่วนของระบบท่อลมพิเศษโดยใช้ระบบเซ็นเซอร์ตรวจวัดความเร่ง หลังจากการฝึกสอนโมเดลครั้งแรก ผู้วิจัยได้ทำการเพิ่มข้อมูลที่ผู้วิจัยได้รวบรวมมาและนำมันมาใช้ในการฝึกสอนโมเดลทั้ง 4 เทคนิคอีกครั้ง ทำให้ผู้วิจัยสามารถจำลองพฤติกรรมธรรมชาติของเส้นทางจริงได้ และทำให้เกิดการเพิ่มข้อมูลที่ได้รับมาซึ่งนำไปใช้ในกระบวนการฝึกสอนและทดสอบที่ปรับปรุงขึ้นเพื่อสร้างโมเดลที่ดีขึ้น นอกจากนี้ โมเดลทั้งหมดที่ถูกฝึกสอนและนำข้อมูลที่เพิ่มเติมแล้วไปประยุกต์ใช้ได้ให้ผลลัพธ์ที่แม่นยำอย่างสูง ส่วนร่วมหลักของผู้วิจัยในวงการคือวิธีการประเมินความแม่นยำของโมเดลและอัลกอริทึมที่เรียบง่ายซึ่งผู้คนสามารถนำมาใช้เป็นพื้นฐานในการสร้างแอปพลิเคชันที่ใช้โมเดลเหล่านี้พร้อมกับผลลัพธ์การประเมินของโมเดล ผู้วิจัยได้ค้นพบและการเสนอผลงานของผู้วิจัยมุ่งเน้นในการให้ข้อมูลที่ผ่านการทดสอบอย่างเข้มงวดให้แก่วิศวกรและโรงงาน เพื่อช่วยป้องกันการเกิดขัดข้องในระบบท่อลมที่เกิดจากการรั่วซึมของลมอัดอากาศ ผู้วิจัยขอนำเสนอว่าส่วนร่วมเหล่านี้เป็นสิ่งใหม่และตามความรู้ของผู้วิจัยยังไม่เคยรายงานในวรรณกรรมก่อนหน้านี้ ดังนั้นวิทยานิพนธ์ฉบับนี้เป็นส่วนร่วมที่เกี่ยวข้องและสำคัญงานโรงงานที่ใช้ระบบลมอัดอากาศ
URI: http://nuir.lib.nu.ac.th/dspace/handle/123456789/6072
Appears in Collections:คณะวิทยาศาสตร์

Files in This Item:
File Description SizeFormat 
63061794.pdf4.07 MBAdobe PDFView/Open


Items in NU Digital Repository are protected by copyright, with all rights reserved, unless otherwise indicated.