Developing an expert system for analyzing defects on production lines

• Autorzy: Król Krzysztof , Kłosowski Grzegorz , Kulisz Monika , Małek Arkadiusz

Identyfikatory

DOI

10.15199/48.2025.01.38

Warianty tytułu

PL

Opracowanie systemu eksperckiego do analizy uszkodzeń na liniach produkcyjnych

• Języki publikacji: EN

Abstrakty

EN

This article will introduce the concept of analyzing and detecting defects on production lines, paying attention to acceleration, temperature and humidity sensors. A system has been prepared to supervise the work. For this purpose, a prototype production line with intelligent sensors has been prepared. We present a comprehensive approach based on combining these three types of data, which enables early detection of potential problems.

PL

W tym artykule zostanie przedstawiona koncepcja analizy i wykrywania uszkodzeń na liniach produkcyjnych zwracając uwagę na czujniki przyspieszenia, temperatury i wilgotności. Przygotowany został system do nadzorowania pracą. W tym celu została przygotowana prototypowa linia produkcyjna z inteligentnymi czujnikami. Przedstawiamy kompleksowe podejście oparte na połączeniu tych trzech rodzajów danych, które umożliwia wczesną detekcję potencjalnych problemów.

Słowa kluczowe

EN

cyber-physical systems sensor; analyse defect; fuzzy logic

PL

czujniki systemów cyber-fizycznych; analiza defektów; logika rozmyta

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2025
• Tom: R. 101, nr 1
• Strony: 183--186
• Opis fizyczny: Bibliogr. 25 poz., rys.

Twórcy

autor

Król Krzysztof

• Research&Development Centre Netrix S.A., Lublin Związkowa 26
• WSEI University, Projektowa 4, Lublin

• https://orcid.org/0000-0002-0114-2794

autor

Kłosowski Grzegorz

• Research&Development Centre Netrix S.A., Lublin Związkowa 26
• WSEI University, Projektowa 4, Lublin

• https://orcid.org/0000-0001-7927-3674

autor

Kulisz Monika

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

• https://orcid.org/0000-0002-8111-2316

autor

Małek Arkadiusz

• WSEI University, Projektowa 4, Lublin

• https://orcid.org/0000-0001-7772-2755

Bibliografia

• [1] Kong XT, Zhong RY, Zhao Z, Shao S, Li M, Lin P, et al. Cyber physical ecommerce logistics system: an implementation case in Hong Kong. Comput Ind Eng 139 (2020), 106170.
• [2] He J, Jia G, Han G, Wang H, Yang X. Locality-aware replacement algorithm in flash memory to optimize cloud computing for smart factory of industry 4.0. IEEE Access, 5 (2017), 16252-62.
• [3] Shang C, Bao X, Fu L, Xia L, Xu X, Xu C. A novel key-value based real-time data management framework for ship integrated power cyber-physical system. 2019 IEEE innovative smart grid technologies — Asia (ISGT Asia) (2019), 854-8
• [4] Manavalan E, Jayakrishna K. A review of internet of things (iot) embedded sustainable supply chain for industry 4.0 requirements. Comput Ind Eng ,127 (2019), 925-53.
• [5] Assawaarayakul C, Srisawat W, Ayuthaya SDN, Wattanasirichaigoon S. Integrate digital twin to exist production system for industry 4.0. 2019 4th technology innovation management and engineering science international conference (TIMES-iCON), (2019), 1-5.
• [6] Akhtari S, Pickhardt F, Pau D, Pietro AD, Tomarchio G. Intelligent embedded load detection at the edge on industry 4.0 powertrains applications. 2019 IEEE 5th international forum on research and technology for society and industry, (2019), 427-30
• [7] Poor P, Basl J, Zenisek D. Predictive maintenance 4.0 as next evolution step in industrial maintenance development. 2019 international research conference on smart computing and systems engineering (SCSE), (2019), :245-53
• [8] Occhiuzzi C, Amendola S, Nappi S, D’Uva N, Marrocco G. Rfid technology for industry 4.0: architectures and challenges. 2019 IEEE international conference on RFID technology and applications (RFID-TA), (2019), 181-6.
• [9] Król K., Marciniak A., Gudowski A, Bojanowska J., Intelligent Sensor Platform with Open Architecture for Monitoring and Control of Industry 4.0 Systems, European Research Studies Journal, 24 (2021), No. 2, 597-606.
• [10] Lins T, Oliveira RAR. Cyber-physical production systems retrofitting in context of industry 4.0. Comput Ind Eng, 139 (2020), 106193.
• [11] Saarikko T., Westergren U. H., Blomquist T., The Internet of Things: Are you ready for what’s coming?, Business Horizons, 60 (2107), No.7.
• [12] Kozłowski, E., Mazurkiewicz, D., Żabiński, T., Prucnal, S., Sęp, J., Assessment model of cutting tool condition for real-time supervision system. Eksploatacja i Niezawodność – Maintenance and Reliability, 21 (2019), No.4, 679-685.
• [13] Kozłowski, E., Antosz, K., Mazurkiewicz, D., Sęp, J., Żabiński, T. (2021). Integrating advanced measurement and signal processing for reliability decision-making. Eksploatacja i Niezawodność – Maintenance and Reliability, 23(4), 777-787.
• [14] Gnaś, D., Adamkiewicz, P., Indoor localization system using UWB, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No. 1, 15-19.
• [15] Koulountzios P., Aghajanian S., Rymarczyk T., Koiranen T., Soleimani M., An Ultrasound Tomography Method for Monitoring CO2 Capture Process Involving Stirring and CaCO3 Precipitation, Sensors, 21 (2021), No. 21, 6995.
• [16] Kłosowski G, Rymarczyk T, Niderla K, Kulisz M, Skowron Ł, Soleimani M., Using an LSTM network to monitor industrial reactors using electrical capacitance and impedance tomography – a hybrid approach. Eksploatacja i Niezawodnosc – Maintenance and Reliability, 25 (2023), No. 1, 11.
• [17] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors supported by deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22 (2020), No 1, 138–147.
• [18] Styła, M., Adamkiewicz, P., Optimisation of commercial building management processes using user behaviour analysis systems supported by computational intelligence and RTI, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No 1, 28-35.
• [19] Kropidłowska P., Irzmańska E. Korzeniewska E., Tomczyk M., Jurczyk-Kowalska M., Evaluation of laser texturing in fabricating cut-resistant surfaces for protective gloves, Textile Research Journal, 93 (2023), No. 9-10), 1917–1927.
• [20] Pawłowski S., Plewako J., Korzeniewska E., Field Modeling of the Influence of Defects Caused by Bending of Conductive Textronic Layers on Their Electrical Conductivity, Sensors, 23 (2023), No. 3, 1487.
• [21] Rymarczyk T., Kłosowski G., Hoła A., Hoła J., Sikora J., Tchórzewski P., Skowron Ł., Historical Buildings Dampness Analysis Using Electrical Tomography and Machine Learning Algorithms, Energies, 14 (2021), No. 5, 1307.
• [22] Kłosowski G., Rymarczyk T., Niderla K., Rzemieniak M., Dmowski A., Maj M., Comparison of Machine Learning Methods for Image Reconstruction Using the LSTM Classifier in Industrial Electrical Tomography, Energies 2021, 14 (2021), No. 21, 7269.
• [23] Rymarczyk T., Kłosowski G., Hoła A., Sikora J., Tchórzewski P., Skowron Ł., Optimising the Use of Machine Learning Algorithms in Electrical Tomography of Building Walls: Pixel Oriented Ensemble Approach, Measurement, 188 (2022), 110581.
• [24] Koulountzios P., Rymarczyk T., Soleimani M., A triple-modality ultrasound computed tomography based on full-waveform data for industrial processes, IEEE Sensors Journal, 21 (2021), No. 18, 20896-20909.
• [25] Kłosowski G., Cloud Manufacturing Concept as a Tool of Multimodal Manufacturing Systems Integration. Foundations of Management, 4 (2012), No.1, 17-42.