← heapsort-ai

predictive maintenance

14 items

RESEARCHDEV.to AI·hace 3d

Self-Supervised Temporal Pattern Mining for bio-inspired soft robotics maintenance with zero-trust governance guarantees

El artículo explora el mantenimiento de la robótica blanda bioinspirada, abordando la naturaleza no lineal de la degradación de los materiales que desafía los programas de mantenimiento tradicionales. La investigación se centra en la Minería de Patrones Temporales Auto-Supervisada para identificar señales precursoras de fallas e integrar garantías de gobernanza de confianza cero.

31
RESEARCHarXiv CS.AI·hace 4d

Uncertainty Aware Functional Behavior Prediction and Material Fatigue Assessment for Circular Factory

Esta investigación presenta un marco para la predicción funcional consciente de la incertidumbre y la evaluación de la fatiga de materiales para productos devueltos en fábricas circulares, utilizando una amoladora angular como ejemplo. Combina el estado actual de la herramienta y los patrones de uso con un codificador convolucional y una red LSTM para predecir el cumplimiento de la función y la integridad de los componentes futuros.

28
ARTICLEDEV.to AI·22/4/2026

Physics-Augmented Diffusion Modeling for bio-inspired soft robotics maintenance during mission-critical recovery windows

Este artículo detalla un viaje personal en IA para robótica blanda, inspirado por una "falla silenciosa" catastrófica en una pinza bioinspirada durante una misión simulada. Destaca el desafío de usar la IA para razonar sobre la degradación física en entornos novedosos, proponiendo el Modelado de Difusión Aumentado por Física para el mantenimiento en ventanas de recuperación críticas.

28
ARTICLEDEV.to AI·hace 26d

5 Critical Pitfalls in AI-Driven Manufacturing (And How to Avoid Them)

Una instalación invirtió 400 mil dólares en una iniciativa fallida de mantenimiento predictivo con IA debido a falsas alarmas y mala calidad de los datos, lo que llevó a los operadores a ignorar el sistema. Esta experiencia resalta los errores predecibles y evitables en la fabricación impulsada por IA, enfatizando la necesidad de auditar la calidad de los datos antes de la implementación.

27
DOCDEV.to AI·hace 26d

Getting Started with AI-Driven Manufacturing: A Complete Guide

Esta guía explora los aspectos fundamentales de la fabricación impulsada por IA, destacando su impacto transformador en las plantas de producción. Contrasta los sistemas de IA con la automatización tradicional, enfatizando su capacidad para aprender de los datos, adaptarse y tomar decisiones autónomas para optimizar el OEE y habilitar el mantenimiento predictivo.

27