ISSN 1507-2711
JOURNAL DOI: dx.doi.org/10.17531/ein

JCR Journal Profile


Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies  Wydawca(Publisher):Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne (Warszawa) - Polish Maintenance Society (Warsaw)   Patronat Naukowy(Scientific supervision): Polska Akademia Nauk o/Lublin  - Polish Akademy of Sciences Branch in Lublin  Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies


 We verify submissions originality with the use of iThenticate plagiarism checker


 All accepted articles are published Open Access under the Creative Commons Licence: CC-BY 4.0

Publisher:
Polish Maintenance Society
(Warsaw)

Scientific supervision:
Polish Academy of Sciences Branch in Lublin

Member of:
European Federation
of National Maintenance Societies


Attention!

In accordance with the requirements of citation databases, proper citation of publications appearing in our Quarterly should include the full name of the journal in Polish and English without Polish diacritical marks, i.e. "Eksploatacja i Niezawodnosc – Maintenance and Reliability".


 

Submission On-Line


The average number of weeks from article submission to the final decision: 4 weeks




http://scientific.thomsonreuters.com/cgi-bin/jrnlst/jloptions.cgi?PC=D

http://www.thomsonreuters.com/products_services/scientific/Journal_Citation_Reports

http://doaj.org

http://infobaseindex.com

http://www.info.scopus.com/why-scopus/publishers/?url=detail/what/publishers/

http://www.ebsco.com


MOST CITED

Update: 2021-07-01

1. COMPUTER-AIDED MAINTENANCE AND RELIABILITY MANAGEMENT SYSTEMS FOR CONVEYOR BELTS
By: Mazurkiewicz, Dariusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 3   Pages: 377-382   Published: 2014

Times Cited: 59
2. ON APPROACHES FOR NON-DIRECT DETERMINATION OF SYSTEM DETERIORATION
By: Valis, David; Koucky, Miroslav; Zak, Libor

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume 14, Issue: 1   Pages: 33-41   Published: 2012

Times Cited: 53
3. A NEW FAULT TREE ANALYSIS METHOD: FUZZY DYNAMIC FAULT TREE ANALYSIS
By: Li, Yan-Feng; Huang, Hong-Zhong; Liu, Yu; et al.

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume 14, Issue: 3 Pages: 208-214 Published: 2012

Times Cited: 51
4. INNOVATIVE METHODS OF NEURAL RECONSTRUCTION FOR TOMOGRAPHIC IMAGES IN MAINTENANCE OF TANK INDUSTRIAL REACTORS
By: Rymarczyk, Tomasz; Klosowski, Grzegorz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 21 Issue: 2 Pages: 261-267 Published: 2019

Times Cited: 50
5. APPLICATION OF NEURAL RECONSTRUCTION OF TOMOGRAPHIC IMAGES IN THE PROBLEM OF RELIABILITY OF FLOOD PROTECTION FACILITIES
By: Rymarczyk, Tomasz; Klosowski, Grzegorz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 20 Issue: 3 Pages: 425-434 Published: 2018

Times Cited: 45
6. ASSESSMENT MODEL OF CUTTING TOOL CONDITION FOR REAL-TIME SUPERVISION SYSTEM
By: Kozlowski, Edward; Mazurkiewicz, Dariusz; Zabinski, Tomasz; Prucnal, Slawomir; Sep, Jaroslaw

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 21 Issue: 4 Pages: 679-685 Published: 2019

Times Cited: 40
7. PREDICTING THE TOOL LIFE IN THE DRY MACHINING OF DUPLEX STAINLESS STEEL
By: Krolczyk, Grzegorz; Gajek, Maksymilian; Legutko, Stanislaw

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 15 Issue: 1 Pages: 62-65 Published: 2013

Times Cited: 39
8. MAINTENANCE DECISION MAKING BASED ON DIFFERENT TYPES OF DATA FUSION
By: Galar, Diego; Gustafson, Anna; Tormos, Bernardo; et al.
EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY 
Volume 14, Issue: 2   Pages: 135-144   Published:2012

Times Cited: 38
9. TESTS OF EXTENDABILITY AND STRENGTH OF ADHESIVE-SEALED JOINTS IN THE CONTEXT OF DEVELOPING A COMPUTER SYSTEM FOR MONITORING THE CONDITION OF BELT JOINTS DURING CONVEYOR OPERATION
By: Mazurkiewicz, Dariusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 3 Pages: 34-39 Published: 2010

Times Cited: 37
10. RELIABILITY ANALYSIS OF RECONFIGURABLE MANUFACTURING SYSTEM STRUCTURES USING COMPUTER SIMULATION METHODS
By: Gola, Arkadiusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume 21, Issue: 1, Pages: 90-102, Published: 2019

Times Cited: 36

 

 



Task „Implementation of procedures ensuring  the originality of scientific papers published in the quarterly „Eksploatacja i Niezawodność – Maintenance and Reliability” financed under contract 532/P-DUN/2018 from the funds of the Minister of Science and Higher Education for science dissemination activities.


feature extraction

Metodyka hybrydowa ekstrakcji cech degradacji do zastosowań w prognozowaniu czasu życia łożysk

Przedstawiono hybrydową metodę ekstrakcji cech degradacji, która umożliwia przewidywanie pozostałego okresu użytkowania produktu. W tej metodyce, sygnał został najpierw odfiltrowany z wykorzystaniem analizy falkowej. Następnie, za pomocą modelu autoregresyjnego usunięto z pozbawionego szumów sygnału częstotliwości dyskretne. W dalszej kolejności, sygnał resztkowy, który zawierał głównie impulsowy sygnał uszkodzenia został wzmocniony z zastosowaniem filtru dekonwolucji minimum entropii. Obliczono kurtozę, którą przyjęto jako cechę w procesie prognozowania. Na koniec, zastosowano empiryczną dekompozycję sygnału (EMD) w celu zmniejszenia wahań wartości cechy oraz w celu ekstrakcji trendu. Studium przypadku demonstruje efektywność proponowanej metody.

Hybrid methodology of degradation feature extraction for bearing prognostics

Hybrid methodology of degradation feature extraction was presented which may enable prediction of remaining useful life of a product. In this methodology, firstly, the signal was de-noised by wavelet analysis. Then the autoregressive model was used to remove the discrete frequencies from de-noised signal. Further, the residual signal which mainly contained impulsive fault signal was enhanced by minimum entropy deconvolution filter. The kurtosis was extracted which was taken as the feature for prognostics. At last, the empirical mode decomposition was used to reduce fluctuation of feature value and to extract the trend content. A case study was presented to verify the effectiveness of the proposed method.

Rozpoznawanie sygnałów akustycznich silnika indukcyjnego z zastosowaniem fft, smofs-10 i lsvm

Prawidłowa diagnostyka obwodów elektrycznych jest bardzo istotna w zakładach przemysłowych. Artykuł zajmuje się metodą rozpoznawania stanów przedawaryjnych silnika indukcyjnego. Opisane podejście jest oparte na rozpoznawaniu wzorców. Sygnały akustyczne określonego silnika indukcyjnego są badanymi wzorcami. Sygnały akustyczne zawierają informację o stanie silnika. Analiza wzorców została przeprowadzona dla trzech stanów silnika indukcyjnego używając FFT, skróconej metody wyboru częstotliwości (SMoFS-10) i liniowej maszyny wektorów wspierających (LSVM). Wyniki obliczeń sugerują, że metoda jest skuteczna i może być również zastosowana dla celów diagnostycznych.

Recognition of acoustic signals of induction motor using fft, smofs-10 and lsvm

A correct diagnosis of electrical circuits is very essential in industrial plants. An article deals with a recognition method of early fault detection of induction motor. The described approach is based on patterns recognition. Acoustic signals of specific induction motor are analyzed patterns. Acoustic signals include information about motor state. The analysis of the patterns was conducted for three states of induction motor using Fast Fourier Transform (FFT), shortened method of frequencies selection (SMoFS-10) and Linear Support Vector Machine (LSVM). The results of calculations suggest that the method is efficient and can be also used for diagnostic purposes.

Badania nad analizą bispektrum cech drugorzędnych hałasu zewnętrznego pojazdów w oparciu o nieujemną dekompozycję Tuckera3

Obecnie inżynierowie NVH (zajmujący się problematyką hałasu, drgań i uciążliwości akustycznych) napotykają na coraz większe trudności przy analizie hałasu zewnętrznego pojazdów wynikające z faktu, że istotne cechy związane z nieprawidłowościami układu wydechowego są maskowane przez sygnały zakłócające, szczególnie hałas wibracyjny związany z pracą nadwozia. Niezbędna jest zatem nowa metoda, która pozwoli rozkładać tensory wysokiego rzędu i wyodrębniać przydatne cechy (zwane w tym artykule także cechami drugorzędnymi). Do ekstrakcji cech drugorzędnych wykorzystano w prezentowanej pracy metodę nieujemnej faktoryzacji tensorów znaną także jako nieujemna dekompozycja Tuckera 3 (NTD) , która cechuje się wysoką efektywnością dekompozycji i może być wykorzystywana w diagnostyce uszkodzeń układu wydechowego samochodów. Problem nadmiernego dopasowania, który występuje w tradycyjnej metodzie iteracyjnej NTD rozwiązano przy pomocy algorytmu aktualizacyjnego sprzężonego z gradientem prostym Newtona-Gaussa. Wyniki doświadczeń pokazują, że bispektrum cech drugorzędnych nie tylko pozwala doskonale interpretować stan hałasu zewnętrznego pojazdu, ale również umożliwia wykrywanie wcześniej maskowanych nieprawidłowych częstotliwości odpowiadających niektórym ważnym cechom. Badania potwierdzają, że algorytmu NTD jest bardziej efektywny, w tych samych warunkach, w porównaniu z innymi tradycyjnymi metodami zarówno w zakresie odchyleń błędu względnego jak i czasu obliczeń.

Research on bispectrum analysis of secondary feature for vehicle exterior noise based on nonnegative tucker3 decomposition

Nowadays, analysis of external vehicle noise has become more and more difficult for NVH (noise vibration and harshness) engineer to find out the fault among the exhaust system when some significant features are masked by the jamming signals, especially in the case of the vibration noise associating to the bodywork. New method is necessary to be explored and applied to decompose a high-order tensor and extract the useful features (also known as secondary features in this paper). Nonnegative Tucker3 decomposition (NTD) is proposed and applied into secondary feature extraction for its high efficiency of decomposition and well property of physical architecture, which serves as fault diagnosis of exhaust system for an automobile car. Furthermore, updating algorithm conjugating with Newton-Gaussian gradient decent is utilized to solve the problem of overfitting, which occurs abnormally on traditional iterative method of NTD. Extensive experimen results show the bispectrum of secondary features can not only exceedingly interpret the state of vehicle exterior noise, but also be benefit to observe the abnormal frequency of some important features masked before. Meanwhile, the overwhelming performance of NTD algorithm is verified more effective under the same condition, comparing with other traditional methods both at the deviation of successive relative error and the computation time.

Wykorzystanie drzew decyzyjnych oraz wpływu parametrów ekstrakcji cech do projektowania odpornych sieci czujników

Niezawodne monitorowanie stanu wymaga niezawodności czujników i pochodzących z nich informacji. Systemy złożone są zazwyczaj monitorowane przez wiele czujników, co pozwala na  ocenę stanu technicznego oraz aspektów eksploatacyjnych. Gdy jeden z czujników ulega uszkodzeniu, uniemożliwia to obliczenie bieżącego stanu systemu z dotychczasową niezawodnością lub uzyskanie kompletnych informacji o bieżącym stanie. Stan można co prawda monitorować nawet przy niekompletnych danych, ale wyniki takiego monitorowania mogą nie odpowiadać rzeczywistemu stanowi systemu.  Sytuacja taka ma miejsce w szczególności, gdy uszkodzony czujnik jest odpowiedzialny za monitorowanie istotnego parametru systemu. Problem uszkodzenia czujnika można rozwiązywać na dwa sposoby. Pierwszy polega na zwiększeniu złożoności systemu, co umożliwia jego sprawniejsze działanie w sytuacji, gdy dane są niekompletne. Drugim sposobem jest wprowadzenie nadmiarowego sprzętu (hardware'u) lub oprogramowania. Niezawodność czujników stanowi krytyczny aspekt systemu. Oczywiście, ze względu na ograniczenia przestrzenne, ekonomiczne i środowiskowe nie wszystkie czujniki w systemie mogą być nadmiarowe. Redundancja powinna dotyczyć wszystkich czujników, które dostarczają istotnych informacji na temat stanu systemu, natomiast dopuszczalne są błędy mniej ważnych czujników. W niniejszej pracy pokazano jak obliczać istotność informacji o systemie dostarczanych przez poszczególne czujniki z wykorzystaniem metod przetwarzania sygnałów oraz drzew decyzyjnych. Zademonstrowano również w jaki sposób parametry przetwarzania sygnałów wpływają na poprawność klasyfikacji metodą drzewa decyzyjnego, a tym samym na poprawność dostarczanych informacji. Drzew decyzyjnych używa się do obliczania i porządkowania cech w oparciu o przyrost informacji charakteryzujący poszczególne cechy. Podczas weryfikacji zastosowanej metody, drzewa decyzyjne wykorzystano do klasyfikacji uszkodzeń celem przedstawienia wpływu różnych cech na dokładność klasyfikacji. Pracę kończy analiza wyników eksperymentów pokazujących w jaki sposób zastosowana metoda pozwala na klasyfikację różnych błędów z 75-procentowym prawdopodobieństwem oraz jak różne opcje ekstrakcji cech wpływają na przyrost informacji.

Decision trees and the effects of feature extraction parameters for robust sensor network design

Reliable sensors and information are required for reliable condition monitoring. Complex systems are commonly monitored by many sensors for health assessment and operation purposes. When one of the sensors fails, the current state of the system cannot be calculated in same reliable way or the information about the current state will not be complete. Condition monitoring can still be used with an incomplete state, but the results may not represent the true condition of the system. This is especially true if the failed sensor monitors an important system parameter. There are two possibilities to handle sensor failure. One is to make the monitoring more complex by enabling it to work better with incomplete data; the other is to introduce hard or software redundancy. Sensor reliability is a critical part of a system. Not all sensors can be made redundant because of space, cost or environmental constraints. Sensors delivering significant information about the system state need to be redundant, but an error of less important sensors is acceptable. This paper shows how to calculate the significance of the information that a sensor gives about a system by using signal processing and decision trees. It also shows how signal processing parameters influence the classification rate of a decision tree and, thus, the information. Decision trees are used to calculate and order the features based on the information gain of each feature. During the method validation, they are used for failure classification to show the influence of different features on the classification performance. The paper concludes by analysing the results of experiments showing how the method can classify different errors with a 75% probability and how different feature extraction options influence the information gain.


SELECT PUBLICATION YEAR