IoT DO PREDYKCYJNEJ KONSERWACJI KRYTYCZNEGO SPRZĘTU MEDYCZNEGO W STRUKTURZE SZPITALA
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 14 Nr 2 (2024)
-
ŚLEDZENIE ZABURZEŃ RUCHU DŁONI ZA POMOCĄ SMARTFONA W OPARCIU O METODY WIZJI KOMPUTEROWEJ
Marko Andrushchenko, Karina Selivanova, Oleg Avrunin, Dmytro Palii, Sergii Tymchyk , Dana Turlykozhayeva5-10
-
SPOSOBY ANALIZY PARAMETRÓW TRANSMISJI I ODTWORZENIA SYGNAŁU MOWY
Olexiy Azarov, Larysa Azarova, Iurii Krak, Leonid Krupelnitskyi, Anzhelika Azarova, Veronika Azarova11-16
-
KONCEPCJA I WALIDACJA UKŁADU DO REJESTRACJI SYGNAŁÓW WIBROAKUSTYCZNYCH STAWU KOLANOWEGO
Robert Karpiński, Anna Machrowska, Marcin Maciejewski, Józef Jonak, Przemysław Krakowski17-21
-
INSPIROWANE KOJOTAMI PODEJŚCIE DO PRZEWIDYWANIA TOCZNIA RUMIENIOWATEGO UKŁADOWEGO Z WYKORZYSTANIEM SIECI NEURONOWYCH
Sobhana Mummaneni, Pragathi Dodda, Naga Deepika Ginjupalli22-27
-
ZMIANA CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWEJ FILTRA Z WYKORZYSTANIEM DŁAWIKA O PŁYNNIE REGULOWANEJ INDUKCJI
Vasyl Hudym, Vira Kosovska, Huthaifa Al_Issa, Taras Shchur, Oleksandr Miroshnyk, Sławomir Ziarkowski28-33
-
BADANIE TRYBÓW ROZRUCHU JEDNOFAZOWYCH SILNIKÓW ASYNCHRONICZNYCH PRZY ZMIANIE PARAMETRÓW UZWOJEŃ STOJANA, KONDENSATORA PRZESUWAJĄCEGO FAZĘ I NAPIĘCIA ZASILANIA
Suad Omar Aldaikh, Mohannad O. Rawashdeh, Lina H. Hussienat, Mohamed Qawaqzeh, Oleksiy Iegorov, Olga Iegorova, Mykola Kundenko, Dmytro Danylchenko, Oleksandr Miroshnyk, Taras Shchur34-41
-
OCENA CHARAKTERYSTYKI ENERGETYCZNEJ PROCESU SUSZENIA PODCZERWIENI NASION RZEPAKU I SOJI PRZY UŻYCIU WIRNIKA WIBRACYJNEGO
Igor Palamarchuk, Vladyslav Palamarchuk, Marija Zheplinska42-46
-
UZASADNIENIE MOŻLIWOŚCI STWORZENIA ZINTEGROWANEGO ULTRADŹWIĘKOWEGO PRZETWORNIKA DO POMIARU ZUŻYCIA GAZU ZIEMNEGO
Yosyp Bilynsky, Аndrii Stetsenko, Konstantin Ogorodnik47-50
-
NUMERYCZNE BADANIE MOŻLIWOŚCI WYKORZYSTANIA POŁĄCZEŃ KLEJOWYCH DO POŚREDNICH POMIARÓW ROZKŁADU NAPRĘŻENIA
Piotr Kisała, Paweł Wiśniewski51-55
-
ZMODYFIKOWANA METODA ANALIZY WIDMOWEJ SYGNAŁÓW RADIOWYCH Z WYKORZYSTANIEM PODEJŚCIA OPERATORSKIEGO DLA TRANSFORMATY FOURIERA
Valentyn Sobchuk, Serhii Laptiev, Tetiana Laptievа, Oleg Barabash, Oleksandr Drobyk, Andrii Sobchuk56-61
-
ITERACYJNE DEKODOWANIE KRÓTKICH KODÓW PARZYSTOŚCI O NISKIEJ GĘSTOŚCI W OPARCIU O EWOLUCJĘ RÓŻNICOWĄ
Mykola Shtompel, Sergii Prykhodko62-65
-
PRZEGLĄD GENERATYWNYCH SIECI PRZECIWSTAWNYCH DLA ZASTOSOWAŃ BEZPIECZEŃSTWA
Swarajya Madhuri Rayavarapu, Shanmukha Prasanthi Tammineni, Sasibhushana Rao Gottapu, Aruna Singam66-70
-
IoT DO PREDYKCYJNEJ KONSERWACJI KRYTYCZNEGO SPRZĘTU MEDYCZNEGO W STRUKTURZE SZPITALA
Maroua Guissi, My Hachem El Yousfi Alaoui, Larbi Belarbi, Asma Chaik71-76
-
ZASTOSOWANIE SIECI NEURONOWYCH RESNET-152 DO ANALIZY OBRAZÓW Z UAV DO WYKRYWANIA POŻARU
Nataliia Stelmakh, Svitlana Mandrovska, Roman Galagan77-82
-
IDENTYFIKACJA GLEB ZASOLONYCH W STREFIE PRZYBRZEŻNEJ DYSTRYKTU KRISHNA, ANDHRA PRADESH, Z WYKORZYSTANIEM DANYCH TELEDETEKCYJNYCH I TECHNIK UCZENIA MASZYNOWEGO
Govada Anuradha, Venkata Sai Sankara Vineeth Chivukula, Naga Ganesh Kothangundla83-88
-
OCENA WYDAJNOŚCI WYKRYWANIA MASKI NA TWARZY NA PODSTAWIE WIELU MODYFIKACJI ARCHITEKTURY YOLOV8
Muna AL-Shamdeen, Fawziya Mahmood Ramo89-95
-
OCENA ROZWIĄZAŃ INŻYNIERSKICH W ROZWOJU DZIAŁU ZAKUPÓW DLA WARSZTATU KONSTRUKCJI METALOWYCH
Bogdan Palchevskyi, Lubov Krestyanpol96-100
-
OCENA SKUTECZNOŚCI PROGNOZOWANIA CEN BITCOINÓW PRZY UŻYCIU TECHNIK UCZENIA MASZYNOWEGO NA DANYCH HISTORYCZNYCH
Mamun Ahmed, Sayma Alam Suha, Fahamida Hossain Mahi, Forhad Uddin Ahmed101-108
-
METODY INTELIGENTNEJ ANALIZY DANYCH Z WYKORZYSTANIEM SIECI NEURONOWYCH W DIAGNOZIE
Volodymyr Lyfar, Olena Lyfar, Volodymyr Zynchenko109-112
-
POPRAWA PARAMETRÓW REGRESJI WEKTORA NOŚNEGO V Z RÓWNOLEGŁYM WYBOREM CECHY POPRZEZ WYKORZYSTANIE ALGORYTMU QUASI-OPOZYCYJNEGO I ALGORYTMU OPTYMALIZACJI HARRIS HAWKS
Omar Mohammed Ismael, Omar Saber Qasim, Zakariya Yahya Algamal113-118
-
ADAPTACYJNY RÓŻNICZKOWY ALGORYTM EWOLUCYJNY ZE STRATEGIĄ DOSTOSOWYWANIA GRANIC DO ROZWIĄZYWANIA NIELINIOWYCH PROBLEMÓW IDENTYFIKACJI PARAMETRÓW
Watchara Wongsa, Pikul Puphasuk, Jeerayut Wetweerapong119-126
-
MODELOWANIE WYBORU KURSU ONLINE DLA UMIEJĘTNOŚCI HIGIENY INFORMACJI METODĄ SAATY
Yuliia Rudenko, Karen Ahadzhanov-Honsales, Svitlana Ahadzhanova, Alla Batalova, Olena Bieliaieva, Artem Yurchenko, Olena Semenikhina127-132
-
PRZEGLĄD OSIĄGNIĘĆ PRACOWNIKÓW POLITECHNIKI LUBELSKIEJ W DZIEDZINIE WYKORZYSTANIA ZBIORÓW ROZMYTYCH
Maciej Celiński, Adam Kiersztyn133-140
-
SYMULACJA ROBOTYCZNYCH ZESPOŁÓW MECHATRONICZNYCH W PROGRAMIE V-REP
Laura Yesmakhanova141-148
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Konserwacja predykcyjna (PdM) umożliwia przewidywanie wczesnych awarii sprzętu medycznego przed ich wystąpieniem. Pomaga zdiagnozować usterki krytycznego sprzętu w strukturze szpitala, na przykład MRI. Opiera się na analizie danych zbieranych w czasie rzeczywistym odpowiednich parametrów, dzięki inteligentnym czujnikom umieszczonym na sprzęcie, przy użyciu technologii Internetu rzeczy (IoT) i narzędzi uczenia maszynowego. Celem tych technik jest wdrożenie algorytmów zdolnych do przewidywania anomalii, które sprawią, że sprzęt i narzędzia konserwacyjne będą coraz bardziej autonomiczne i inteligentne. Dlatego ideą tego projektu jest opracowanie bezprzewodowej sieci czujników w celu zapewnienia ciągłego monitorowania stanu MRI. Wdrożone rozwiązanie obejmuje system monitorowania IoT obwodu chłodzenia zimnej głowicy. W oparciu o wibracje pompy pozwala on monitorować obwód silnika, informować personel o każdym nieprawidłowym stanie tego systemu i chronić to urządzenie przed wszelkimi przyszłymi anomaliami. Dzięki algorytmowi CNN zaimplementowanemu w tym rozwiązaniu, wyniki są bardzo zadowalające, z dokładnością >98%. Rozwiązanie to można zintegrować z ogólnym rozwiązaniem konserwacji predykcyjnej dla najbardziej wrażliwego sprzętu w szpitalu.
Słowa kluczowe:
Bibliografia
Beyer J., Krug J., Friebe M.: Monitoring the cold head of Magnetic Resonance Imaging systems by means of vibration analysis. Journal of Sensor Technology 7(3), 2017, 39-51.
Compare M., Baraldi P., Zio E.: Challenges to IoT-enabled predictive maintenance for industry 4.0. IEEE Internet of Things Journal 7(5), 2019, 4585-4597.
Hashemian H. M.: State-of-the-art predictive maintenance techniques. IEEE Transactions on Instrumentation and measurement 60(1), 2010, 226-236.
Hidalgo‐Tobon S. S.: Theory of gradient coil design methods for magnetic resonance imaging. Concepts in Magnetic Resonance Part A 36(4), 2010, 223-242.
Jbili A., Lahlimi M.: A Moroccan Leading Use Case for Predictive Maintenance, IoT and Industry 4.0. 2019.
Kwon D. et al.: IoT-based prognostics and systems health management for industrial applications. IEEE Access 4, 2016, 3659-3670.
Lauzon F. Q.: An introduction to deep learning. 11th International Conference on Information Science, Signal Processing and their Applications – ISSPA, IEEE, 2012.
Massaro A. et al. Sensing and quality monitoring facilities designed for pasta industry including traceability, image vision and predictive maintenance. II Workshop on Metrology for Industry 4.0 and IoT – MetroInd4.0&IoT, IEEE, 2019, 68-72.
Megalal R., Eswaramoorthy V.: Fault Detection and Prediction of Failure Using Vibration Analysis. International Research Journal for Engineering and Technology – IRJET 5.6, 2018, 748-758.
Narayanan S. et al.: An approach to real-time magnetic resonance imaging for speech production. The Journal of the Acoustical Society of America 115(4), 2004, 1771-1776.
Neupane D., Seok J.: Bearing fault detection and diagnosis using case western reserve university dataset with deep learning approaches: A review. IEEE Access 8, 2020, 93155-93178.
Niyonambaza I., Zennaro M., Uwitonze A.: Predictive Maintenance (PdM) Structure Using Internet of Things (IoT) for Mechanical Equipment Used into Hospitals in Rwanda. Future Internet 12(12), 2020, 224.
Renwick J. T. Babson P. E.: Vibration analysis - a proven technique as a predictive maintenance tool. IEEE Transactions on Industry Applications 2, 1985, 324-332.
Richardson M., Shawn W.: Getting started with raspberry PI. O'Reilly Media, Inc., 2012.
Scholtz R. A.: The Spread Spectrum Concept. Abramson N. (Ed.): Multiple Access. Piscataway, IEEE Press, NJ 1993, ch. 3, 121-123.
Selcuk S.: Predictive maintenance, its implementation and latest trends. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture 231(9), 2017, 1670-1679.
Selvaraj S., Sundaravaradhan S.: Challenges and opportunities in IoT healthcare systems: a systematic review. SN Applied Sciences 2(1), 2020, 1-8.
Sezdi M.: Two different maintenance strategies in the hospital environment: preventive maintenance for older technology devices and predictive maintenance for newer high-tech devices. Journal of healthcare engineering, 2016.
Shamayleh A., Awad M., Farhat J.: IoT based predictive maintenance management of medical equipment. Journal of medical systems 44(4), 2020, 1-12.
Shetty R. B.: Predictive Maintenance in the IoT Era. Prognostics and Health Management of Electronics: Fundamentals, Machine Learning, and the Internet of Things, 2018, 589-612.
Zaaboul R. et al.: Vibration monitoring of the MRI Scanner’s cold head. International Conference on Electrical and Information Technologies – ICEIT. IEEE, 2020.
##plugins.themes.bootstrap3.article.details##
Abstract views: 1465
Downloads: 1036

