International Conference on Information and Knowledge Technology

فارسی

Home / پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

Predictive Maintenance using LSTM and Adaptive Windowing

Authors :

Aien Ghanbari Adivi¹ Behrouz Shahgholi Ghahfarokhi²

1- University of Isfahan 2- University of Isfahan

Keywords :

predictive maintenance،deep learning،LSTM،time series analysis

Abstract :

Predictive maintenance is a critical approach in modern industries, aiming to forecast equipment failures and reduce downtime by leveraging operational data. Traditional methods, such as time series analysis, struggle to capture complex temporal dependencies in large-scale datasets. In this study, we propose an innovative solution that integrates Long Short-Term Memory (LSTM) networks with an adaptive windowing strategy for predictive maintenance. Unlike conventional methods that rely on fixed window sizes, our approach dynamically adjusts the window size based on the data's characteristics, optimizing the temporal context provided to the model. We apply this method to the Microsoft Azure predictive maintenance dataset from Kaggle and demonstrate that the adaptive window size significantly enhances the precision of failure predictions. This research highlights the potential of combining LSTM with window size optimization to improve the accuracy and efficiency of predictive maintenance models in real-world industrial applications.

List of archived papers

توسعه ی کارآفرینی دیجیتال در بخش کشاورزی

شایان مظاهری - فاطمه قربانی پیرعلیدهی - فاطمه رزاقی بورخانی

An OWA-Powered Dynamic Customer Churn Modeling in the banking industry Based on Customer Behavioral Vectors

Masoud Alizadeh - Mohammad Soleymannejad - Behzad Moshiri

سیستم پیشنهاددهنده غذای سالم با استفاده از داده کاوی عادت های تغذیه ای کاربران

محمد عباسی - مریم حسینی پزوه - محمدرضا شمس

Classification of Personality Traits on Facebook Using Key Phrase Extraction, Language Models and Machine Learning

Faezeh Safari - Abdolah Chalechale

Predicting Concentration of Particulate Matter (PM2.5) in Hamedan using Machine Learning Algorithms

Anita Karim Ghassabpour - Hatam Abdoli - Muharram Mansoorizadeh - Saeid Seyedi

روش مهاجرت خوشه‎ای‎ برای بهبود بستربندی به ‎مشتری در گردش‌کارهای بدون سرویس‌دهنده

محمدامین قسوری جهرمی - مهرداد آشتیانی - فاطمه بخشی

Presenting an Edge-based Air Quality Management System for Smart City Scenarios

Tina Samizadeh Nikoui - Ali Balador - Amir Masoud Rahmani - Hooman Tabarsaied

یک رویکرد سریع تحلیل و شناسایی آسیب پذیری Next-Intent در برنامه های کاربردی اندروید

زهرا کلوندی - دکتر مهدی سخائی نیا زهرا کلوندی - مهدی سخائی نیا -

‌خوشه بندی شبکه‌های بی‌سیم ادهاک مبتنی بر محدودیت‌های فازی

پروا کلیبری - کریم صمدزمینی

تشخیص ارتباط معنایی در استک‌اورفلو با رمزگذار جمله جهانی

مجید دلیری - جعفر حبیبی - عیسی انامرادنژاد

more

Samin Hamayesh - Version 42.0.3