Sensor platform of industrial tomography for diagnosticsand control of technological processes

• Autorzy: Król Krzysztof , Rymarczyk Tomasz , Niderla Konrad , Kozłowski Edward

Identyfikatory

DOI

10.35784/iapgos.3371

Warianty tytułu

PL

Platforma sensorowa tomografii przemysłowej do diagnostyki i sterowania procesami technologicznymi

• Języki publikacji: EN

Abstrakty

EN

This article presents an industrial tomography platform for diagnosing and controlling technological processes. The system has been prepared in such a way that it is possible to add individual sensors that cooperate with the system of an intelligent cyber-physical platform with an open architecture. In addition, it is possible to configure and cooperate with external systems freely. As part of the experimental work, a platform has been developed that allows individual subsystems and external customer systems to work together. The cyber-physical system, a new generation of digital systems, focuses mainly on the complex interaction and integration between cyberspace and the physical world. A cyber-physical system consists of highly integrated computing, communication, control and physical elements. It focuses mainly on the complex interaction and integration between cyberspace and the physical world.

PL

W artykule przedstawiono przemysłową platformę tomograficzną wykorzystywaną do diagnostyki i sterowania procesami technologicznymi. Aplikacja pozwala na dodawanie poszczególnych czujników współpracujących z systemem inteligentnej platformy cyber-fizycznej o otwartej architekturze, a dodatkowo możliwa była dowolna konfiguracja i współpraca z systemami zewnętrznymi. W ramach prac eksperymentalnych opracowano platformę, która umożliwia współpracę poszczególnych podsystemów i zewnętrznych systemów klienta. System cyberfizyczny, koncentruje się głównie na złożonej interakcji i integracji między cyberprzestrzenią a światem fizycznym. System cyberfizyczny składa się z wysoce zintegrowanych elementów obliczeniowych, komunikacyjnych, kontrolnych i fizycznych. Rozwiązanie koncentruje się głównie na złożonej interakcji i integracji między cyberprzestrzenią a światem fizycznym.

Słowa kluczowe

EN

electrical capacitance tomography; cyber-physical systems; sensors; electrical impedance tomography

PL

tomografia pojemnościowa; systemy cyber-fizyczne; sensory; tomografia impedancyjna

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2023
• Tom: T. 13, nr 1
• Strony: 33--37
• Opis fizyczny: Bibliogr. 28 poz., fot., wykr.

Twórcy

autor

Król Krzysztof

• Research and Development Center, Netrix S.A., Lublin, Poland
• WSEI University, Lublin, Poland

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

autor

Rymarczyk Tomasz

• Research and Development Center, Netrix S.A., Lublin, Poland
• WSEI University, Lublin, Poland

• https://orcid.org/0000-0002-3524-9151

autor

Niderla Konrad

• Research and Development Center, Netrix S.A., Lublin, Poland
• WSEI University, Lublin, Poland

• https://orcid.org/0000-0003-1280-0622

autor

Kozłowski Edward

• Lublin University of Technology, Faculty of Management, Lublin, Poland

• https://orcid.org/0000-0002-7147-4903

Bibliografia

• [1] Akhtari S. et al.: Intelligent embedded load detection at the edge on industry 4.0 powertrains applications. 5th international forum on research and technology for society and industry – RTSD2019, 2019, 427–430.
• [2] Assawaarayakul C. et al.: Integrate digital twin to exist production system for industry 4.0. 4th technology innovation management and engineering science international conference (TIMES-iCON) 2019, 1–5.
• [3] Banasiak R. et al.: Study on two-phase flow regime visualisation and identification using 3D electrical capacitance tomography and fuzzy-logic classification. International Journal of Multiphase Flow 58, 2014, 1–14 [http://doi.org/10.1016/J.IJMULTIPHASEFLOW.2013.07.003].
• [4] Daubechies I.: Orthonormal Bases of Compactly Supported Wavelets. Communications on Pure and Applied Mathematics 41(7), 1988, 909–96.
• [5] He J. et al.: Locality-aware replacement algorithm in flash memory to optimise cloud computing for smart factory of industry 4.0. IEEE Access 5, 2017, 16252–16262.
• [6] Hui Z., Hastie T.: Regularisation and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society: Series B (Statistical Methodology) 67(2), 2005, 301–20.
• [7] Król K. et al.: Intelligent Sensor Platform with Open Architecture for Monitoring and Control of Industry 4.0 Systems. European Research Studies Journal 24(2), 2021, 597–606.
• [8] Kania K. et al.: Image reconstruction in ultrasound transmission tomography using the Fermat’s Principle. Przegląd Elektrotechniczny 96(1), 2020, 186–189.
• [9] Kłosowski G. et al.: Maintenance of industrial reactors supported by deep learning driven ultrasound tomography. Eksploatacja i Niezawodność – Maintenance and Reliability 22(1), 2020, 138–147 [http://doi.org/10.17531/ein.2020.1.16].
• [10] Kłosowski G. et al.: Neural hybrid tomograph for monitoring industrial reactors. Przegląd Elektrotechniczny 97(12), 2020, 190–193.
• [11] Kłosowski G. et al.: Quality Assessment of the Neural Algorithms on the Example of EIT-UST Hybrid Tomography. Sensors 20, 2020 [http://doi.org/10.3390/s20113324].
• [12] Kłosowski G. et al.: Using an LSTM network to monitor industrial reactors using electrical capacitance and impedance tomography – a hybrid approach. Eksploatacja i Niezawodność – Maintenance and Reliability 25(1), 2023, 11 [http://doi.org/10.17531/ein.2023.1.11].
• [13] Kong X. T. et al.: Cyber physical ecommerce logistics system: an implementation case in Hong Kong. Comput Ind Eng 139, 2020, 106170.
• [14] Kozłowski E. et al.: Logistic regression in image reconstruction in electrical impedance tomography. Przegląd Elektrotechniczny 97(5), 2020, 95–98.
• [15] Kozłowski E. et al.: The use of principal component analysis and logistic regression for cutter state identification. Innovations in Industrial Engineering, Springer International Publishing 2021, 396–405.
• [16] Kozłowski E. et al.: Application of the logistic regression for determining transition probability matrix of operating states in the transport systems. Eksploatacja i Niezawodność – Maintenance and Reliability, 22(2), 2020, 192–200 [http://doi.org/10.17531/ein.2020.2.2].
• [17] Kozłowski E. et al.: Assessment model of cutting tool condition for real-time supervision system. Eksploatacja i Niezawodność – Maintenance and Reliability, 21(4), 2019, 679–685 [http://doi.org/10.17531/ein.2019.4.18].
• [18] Lins T. et al.: Cyber-physical production systems retrofitting in context of industry 4.0. Comput Ind Eng 139, 2020, 106193, 59.
• [19] 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, 925–953.
• [20] Occhiuzzi C. et al.: Rfid technology for industry 4.0: architectures and challenges. IEEE international conference on RFID technology and applications (RFID-TA) 2019, 181–186.
• [21] Percival D. B, Walden A.: Wavelet Methods for Time Series Analysis 4. Cambridge University Press, 2000.
• [22] Poór P. et al.: Predictive maintenance 4.0 as next evolution step in industrial maintenance development. International Research Conference on Smart Computing and Systems Engineering – SCSE, 2019, 245–253.
• [23] Rymarczyk T., Sikora J.: Optimisation Method and PCA noise suppression application for Ultrasound Transmission Tomography. Przegląd Elektrotechniczny 96(2), 2020, 90–93.
• [24] Rymarczyk T.: New methods to determine moisture areas by electrical impedance tomography. International Journal of Applied Electromagnetics and Mechanics 52(1–2), 2016, 79–87 [http://doi.org/10.3233/JAE-162071].
• [25] Rymarczyk T. et al.: Ultrasonic tomography for reflection and transmission wave analysis. Przegląd Elektrotechniczny 96(3), 2020, 170–173.
• [26] Rymarczyk T. et al.: The use of the autoencoder to improve images in ultrasound tomography. Przegląd Elektrotechniczny 96(8), 2020, 160–163.
• [27] Rymarczyk T. et al.: Logistic Regression for Machine Learning in Process Tomography. Sensors 19(15), 2020 [http://doi.org/10.3390/s19153400].
• [28] Rymarczyk T. et al.: Analysis of vertical and horizontal flows of liquids and gases through a wire-mesh sensor. Przegląd Elektrotechniczny 96(3), 2020.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).