کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

Predictive Maintenance using LSTM and Adaptive Windowing

نویسندگان :

Aien Ghanbari Adivi¹ Behrouz Shahgholi Ghahfarokhi²

1- University of Isfahan 2- University of Isfahan

کلمات کلیدی :

predictive maintenance،deep learning،LSTM،time series analysis

چکیده :

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.

لیست مقالات

لیست مقالات بایگانی شده

A Novel Service Deployment Policy in Fog Computing Considering The Degree of Availability and Fog Landscape Utilization Using Multiobjective Evolutionary Algorithms

Maryam Eslami - Dr Mehdi Sakhaei-nia

Multi-label Classification of Steel Surface Defects Using Transfer Learning and Vision Transformer

Amirhossein Komijani - Farzaneh Vafaeinezhad - Javad Khoramdel - Yasamin Borhani - Esmaeil Najafi

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

Masoud Alizadeh - Mohammad Soleymannejad - Behzad Moshiri

Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval

Arshia Hemmat - Mohammad Hassan Heydari - Kianoosh Vadaei - Afsaneh Fatemi

بهبود تشخیص نفوذ به شبکه اینترنت اشیاء با استفاده از مدل ترکیبی الگوریتم های بهینه‌سازی ازدحام ذرات، گرگ خاکستری و جنگل تصادفی

مهدی علیرضانژاد - عمار عبیس حسین المعموری

پیش‌بینی حجم ترافیک شهری با استفاده از داده‌های سرویس نشان مورد مطالعاتی: خیابان کمال اصفهان

مهسا لطیفی - جمشید مالکی

ارائه مدل یادگیری ماشین برای پیش‌بینی سری‌زمانی باینری از دیدگاه مسئله‌های دسته‌بندی با کاربرد در پیش‌بینی نت‌های موسیقی

نیلوفر ع��دلخانی - حسام عمرانپور

A Novel Decentralized Privacy Preserving Federated Learning Model for Healthcare Applications

Saba Ameri - Reza Ebrahimi Atani

مکان‌یابی بهینه آلودگی در شبکه‌های توزیع آب با استفاده از تکنولوژی اینترنت اشیاء بر مبنای پیشبینی سری زمانی چند متغیره

زینب محزون - امید بوشهریان

PeCoQ: A Dataset for Persian Complex Question Answering over Knowledge Graph

Romina Etezadi - Mehrnoush Shamsfard

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 41.3.1