ISSN 1507-2711
JOURNAL DOI: dx.doi.org/10.17531/ein
Our IF is 1.383
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

 


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

 




 

Impact Factor

Impact Factor

Impact Factor

SCImago Journal & Country Rank

MOST CITED

Update: 2018-11-13

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

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

Times Cited: 45
2. 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: 35
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
Issue: 3 Pages: 208-214 Published: 2012

Times Cited: 32
4. UTILIZATION OF DIFFUSION PROCESSES AND FUZZY LOGIC FOR VULNERABILITY ASSESSMENT
By: Valis, David; Pietrucha-Urbanik, Katarzyna

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 1   Pages: 48-55   Published: 2014

Times Cited: 30
5. 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 
Issue: 2   Pages: 135-144   Published:2012

Times Cited: 28
6. 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: 28
7. SELECTED ASPECTS OF PHYSICAL STRUCTURES VULNERABILITY - STATE-OF-THE-ART
By: Valis, David; Vintr, Zdenek; Malach, Jindrich

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 3 Pages: 189-194 Published: 2012

Times Cited: 26
8. RELIABILITY BASED OPTIMAL PREVENTIVE MAINTENANCE POLICY OF SERIES-PARALLEL SYSTEMS
By: Peng Wei; Huang Hong-Zhong; Zhang Xiaoling; et al.

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 2 Pages: 4-7 Published: 2009

Times Cited: 24
9. DIAGNOSTIC OF DIRECT CURRENT MACHINE BASED ON ANALYSIS OF ACOUSTIC SIGNALS WITH THE USE OF SYMLET WAVELET TRANSFORM AND MODIFIED CLASSIFIER BASED ON WORDS
By: Głowacz Adam

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 4   Pages: 554-558   Published: 2014

Times Cited: 23
10. MODELLING OF PASSIVE VIBRATION DAMPING USING PIEZOELECTRIC TRANSDUCERS - THE MATHEMATICAL MODEL
By: Buchacz, Andrzej; Placzek, Marek; Wrobel, Andrzej

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 2   Pages: 301-306   Published: 2014

Times Cited: 23

 

Visits since 2016.06.29:
darmowe liczniki



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.


ocena stanu

Ocena stanu sprzętu w czasie rzeczywistym dla zbiorów danych o niezrównoważonym rozkładzie w klasach. Metoda oparta na uczeniu zespołowym

W pracy przedstawiono model uczenia maszynowego opartego na zespołach niejednorodnych klasyfikatorów (ensemble learning), który pozwala przeprowadzać ocenę stanu sprzętu w czasie rzeczywistym. Model ten umożliwia zaplanowanie niezbędnych czynności konserwacji profilaktycznej przed wystąpieniem niespodziewanego uszkodzenia. Tematem pracy jest zagadnienie niezrównoważonego rozkładu w klasach poruszane w badaniach dotyczących oceny stanu sprzętu. W warunkach rzeczywistych, sprzęt chrakteryzuje wiele różnych stanów, przy czym przez większość czasu pozostaje on w stanie normalnym, a relatywnie rzadko znajduje się w stanie krytycznym, co oznacza, że z punktu widzenia modelowania danych, rozkład prób w poszczególnych klasach (stanach) jest wysoce niezrównoważony. Większość prób należy do stanu normalnego, a mniejszość do stanu krytycznego, co stanowi duże wyzwanie jeśli chodzi o wydajność klasyfikacji. W celu rozwiązania tego problemu, przedstawiono model uczenia zespołowego oparty na algorytmie genetycznym. Ponadto zaprezentowano samoaktualizującą się strategię uczenia wykorzystywaną do monitorowania online, która wraz z upływem czasu zwiększa adaptacyjność i niezawodność modelu . W wielu poprzednich badaniach podejmowano próby ekstrakcji cech oraz ustalania progów dla wskaźników stanu sprzętu. Zaletą przedstawionej metody jest to, że pozwala ona pominąć te etapy i bezpośrednio oceniać stan sprzętu za pomocą proponowanego modelu uczenia zespołowego. Przeprowadzono eksperymenty numeryczne, w tym dwa rodzaje badań porównawczych. Wyniki pokazują większą skuteczność proponowanego modelu w stosunku do poprzednich badań pod względem stabilności i trafności klasyfikacji.

Real-time equipment condition assessment for a class-imbalanced dataset based on heterogeneous ensemble learning

 

This study proposes an ensemble learning model for the purpose of performing a real-time equipment condition assessment. This model makes it possible to plan desired preventive maintenance activities before an unexpected failure takes place. This study focuses on the class-imbalanced problem in equipment condition assessment research. In reality, equipment will experience multiple conditions(states), most of the time remaining in the normal condition and relatively rarely being in the critical condition, which means that, from the perspective of data modelling, the distribution of samples is highly imbalanced among different classes(conditions). The majority of samples belong to the normal condition, while the minority belong to the critical condition, which poses a great challenge to the classification performance. To address this problem, a genetic algorithm-based ensemble learning model is presented. Furthermore, a self-updating learning strategy is presented for online monitoring, contributing to adaptability and reliability enhancement along with time. Many previous studies have attempted feature extraction and to set thresholds for equipment health indicators. This study has an advantage of omitting these steps, as it can directly assess the equipment condition through the proposed ensemble learning model. Numerical experiments, including two types of comparison studies, have been conducted. The results show the greater effectiveness of our proposed model over that of previous research in terms of the stability and accuracy of its classification performance.