Ενσωµάτωση τεχνολογίας ψηφιακών διδύµων και νευρωνικών δικτύων σε περιβάλλον Kubernetes για αναγνώριση βλάβης σε επιβατικά αυτοκίνητα
Loading...
Date
2024-07-08
Authors
Πάνου, Ζωή
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η συνεχής πρόοδος των τεχνολογιών που εφαρμόζονται στην αυτοκινητοβιομηχανία απαιτεί καινοτόμες λύσεις για την αντιμετώπιση ολοένα και πιο περίπλοκων απαιτήσεων για παρακολούθηση και διάγνωση σφαλμάτων σε πραγματικό χρόνο. Αυτή η διπλωματική παρουσιάζει ένα σύστημα που λειτουργεί ως Ψηφιακό ∆ίδυμο (Digital Twin) για την ανίχνευση βλαβών σε οχήματα, αξιοποιώντας δεδομένα OBD-II για τη βελτίωση των διαγνωστικών και των δυνατοτήτων παρακολούθησης. Το σύστημα που αναπτύσσεται σε container όπου φιλοξενείται ένα μοντέλο μηχανικής μάθησης εκτελείται σε περιβάλλον Kubernetes για να διασφαλίσει επεκτασιμότητα και ανθεκτικότητα. Χρησιμοποιώντας τις δυνατότητες των αυτοκωδικοποιητών (autoencoders) για την ανίχνευση ανωμαλιών, αυτή η προσέγγιση εντοπίζει, προβλέπει και συμβάλλει στη διόρθωση προβλημάτων οχημάτων, βελτιώνοντας τη διαδικασία παρακολούθησης της υγείας του οχήματος. Η πρακτική εφαρμογή της προτεινόμενης λύσης επιδεικνύει την ικανότητά της να επεξεργάζεται και να αναλύει αποτελεσματικά δεδομένα OBD-II σε ένα κατανεμημένο περιβάλλον, δείχνοντας έτσι την ικανότητα του συστήματος να μετριάζει αποτελεσματικά τους περιορισμούς απόδοσης μέσω από μία διαδικασία συνεχούς ανατροφοδότησης.
Description
Keywords
Ψηφιακό δίδυμο, Αυτοκωδικοποιητές, Προγνωστική διάγνωση, Νευρωνικά δίκτυα