Informacionnye TehnologiiInformacionnye TehnologiiИнформационные технологии1684-6400New Technologies Publishing House70221910.17587/it.31.131-136Digital processing of signals and imagesЦифровая обработка сигналов и изображенийResearch ArticleProcessing signal information from multisensor system in tasks of monitoring the quality of objectsОбработка сигнальной информации от мультисенсорной системы в задачах мониторинга качества объектовSemenovV. V.СеменовВ. В.
Russian Federation

Ph.D., Senior Researcher

канд. техн. наук, ст. науч. сотр.

v.semenov@spcras.ruSt. Petersburg Federal Research Center of the Russian Academy of SciencesСанкт-Петербургский Федеральный исследовательский центр Российской академии наук150320253131311360502202605022026Copyright ©; 2025, Informacionnye TehnologiiCopyright ©; 2025, Информационные технологии2025Informacionnye TehnologiiИнформационные технологииhttps://journals.eco-vector.com/1684-6400/article/view/702219

A method and algorithm for processing signal information from multisensor system in tasks of monitoring the quality of objects was proposed. The developed method was tested on a data set obtained during an experiment using an array of potentiometric sensors on real industrial samples of the analyzed objects. Identification quality indicators were compared with those previously known in the world scientific literature. As a result of applying the developed approach, an increase in the precision of the analysis is observed due to the usage in the monitoring system of time series values for previous points in time and applying of weighting coefficients for the significance of measurement results. The described approach can be used at "Industry 4.0" enterprises in software that provides quality monitoring of production processes, including in real time, as well as for processing data from a multisensor system during express analysis of samples.

Предложен метод и алгоритм обработки сигнальной информации от мультисенсорной системы в задачах мониторинга качества объектов. Разработанный метод апробирован на наборе данных, полученных в ходе эксперимента с использованием массива потенциометрических сенсоров на реальных промышленных образцах анализируемых объектов. Показатели качества идентификации сопоставлены с ранее известными в мировой научной литературе. В результате применения разработанного подхода наблюдается увеличение точности анализа за счет использования в системе мониторинга значений временных рядов за предшествующие моменты времени и применения весовых коэффициентов значимости результатов измерений. Описанный подход может применяться на предприятиях "Индустрии 4.0" в программном обеспечении, обеспечивающем мониторинг качества производственных процессов, в том числе в режиме реального времени, а также для обработки данных от мультисенсорной системы в ходе экспресс-анализа образцов.

quality controlmultivariate data processingmultisensor systemtime seriesконтроль качестваобработка многомерных данныхмультисенсорная системавременные рядыРоссийский научный фондRussian Science Foundation25-21-00269This work was supported by the Russian Science Foundation under grant no. 25-21-00269, https://rscf.ru/project/25-21-00269/Исследование выполнено за счет гранта РНФ № 25-21-00269, https://rscf.ru/project/25-21-00269/Caruana L., Francalanza E. А Safety 4.0 Approach for Collaborative Robotics in the Factories of the Future, Procedia Computer Science, 2023, vol. 217, pp. 17847—1793, doi: 10.1016/j.procs.2022.12.378.Caruana L., Francalanza E. А Safety 4.0 Approach for Collaborative Robotics in the Factories of the Future // Procedia Computer Science. 2023. Vol. 217. P. 17847—1793. DOI: 10.1016/j.procs.2022.12.378.Yu X., Fu L., Wang T., Liu Z., Niu N., Chen L. Multivariate chemical analysis: From sensors to sensor arrays, Chinese Chemical Letters, 2024, vol. 35 (7), article num. 109167, doi: 10.1016/j.cclet.2023.109167.Yu X., Fu L., Wang T., Liu Z., Niu N., Chen L. Multivariate chemical analysis: From sensors to sensor arrays // Chinese Chemical Letters. 2024. Vol. 35 (7). Article num. 109167. DOI: 10.1016/j.cclet.2023.109167.Nam S.-H., Lee J., Kim E., Koo J.-W., Shin Y., Hwang T.-M. Electronic tongue for the simple and rapid determination of taste and odor compounds in water, Chemosphere, 2023, vol. 338, article num. 139511, doi: 10.1016/j.chemosphere.2023.139511.Nam S.-H., Lee J., Kim E., Koo J.-W., Shin Y., Hwang T.-M. Electronic tongue for the simple and rapid determination of taste and odor compounds in water // Chemosphere. 2023. Vol. 338. Article num. 139511. DOI: 10.1016/j.chemosphere.2023.139511.Zhang X., Wang T., Ni W., Zhang Y., Lv W., Zeng M., Yang J., Hu N., Zhan R., Li G., Hong Z., Yang Z. Sensor array optimization for the electronic nose via different deep learning methods, Sensors and Actuators В: Chemical, 2024, vol. 410, article num. 135579, doi: 10.1016/j.snb.2024.135579.Zhang X., Wang T., Ni W., Zhang Y., Lv W., Zeng M., Yang J., Hu N., Zhan R., Li G., Hong Z., Yang Z. Sensor array optimization for the electronic nose via different deep learning methods // Sensors and Actuators В: Chemical. 2024. Vol. 410. Article num. 135579. DOI: 10.1016/j.snb.2024.135579.Yuan S., Yang M., Reniers G. Integrated process safety and process security risk assessment of industrial cyber-physical systems in chemical plants, Computers in Industry, 2024, vol. 155, article num. 104056, doi: 10.1016/j.compind.2023.104056.Yuan S., Yang M., Reniers G. Integrated process safety and process security risk assessment of industrial cyber-physical systems in chemical plants // Computers in Industry. 2024. Vol. 155. Article num. 104056. DOI: 10.1016/j.compind.2023.104056.Wang J., Du W., Lei Y., Chen Y., Wang Z., Mao K., Tao S., Pan В. Quantifying the dynamic characteristics of indoor air pollution using real-time sensors: Current status and future implication, Environment International, 2023, vol. 175, article num. 107934, doi: 10.1016/j.envint.2023.107934.Wang J., Du W., Lei Y., Chen Y., Wang Z., Mao K., Tao S., Pan В. Quantifying the dynamic characteristics of indoor air pollution using real-time sensors: Current status and future implication // Environment International. 2023. Vol. 175. Article num. 107934. DOI: 10.1016/j.envint.2023.107934.Semenov V. V. The Method of Forming Informative Features in Tasks of Quantitative Analysis of Objects, Information technologies, 2023, vol. 29, no. 9, pp. 467—472, doi: 10.17587/it.29.467-472 (in Russian).Семенов В. В. Метод формирования информативных признаков в задачах количественного анализа объектов // Информационные технологии. 2023. Т. 29, № 9. С. 467—472. DOI: 10.17587/it.29.467-472.Semenov V. V. Method for monitoring the state of elements of cyber-physical systems based on time series analysis, Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 2022, vol. 22, no. 6, pp. 1150—1158, doi: 10.17586/2226-1494-2022-22-6-1150-1158 (in Russian).Семенов В. В. Метод мониторинга состояния элементов киберфизических систем на основе анализа временных рядов // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22, № 6. С. 1150—1158. DOI: 10.17586/2226-1494-2022-22-6-1150-1158.Semenov V., Salakhutdinova K., Lebedev I., Sukhoparov M. Identification of abnormal functioning during the operation devices of cyber-physical systems, Journal of Applied Informatics, 2019, vol. 14, no. 6 (84), pp. 114—122, doi: 10.24411/1993-8314-2019-10053(in Russian).Семенов В. В., Салахутдинова К. И., Лебедев И. С., Сухопаров М. Е. Выявление аномальных отклонений при функционировании устройств киберфизических систем // Прикладная информатика. 2019. Т. 14, № 6 (84). С. 114—122. DOI: 10.24411/1993-8314-2019-10053.Loreti D., Visani G. Parallel approaches for a decision tree-based explainability algorithm, Future Generation Computer Systems, 2024, vol. 158, pp. 308—322, doi: 10.1016/j.future.2024.04.044.Loreti D., Visani G. Par allel approaches for a decision tree-based explainability algorithm // Future Generation Computer Systems. 2024. Vol. 158. P. 308—322. DOI: 10.1016/j.future.2024.04.044.Yuan S., Yang M., Reniers G. Integrated process safety and process security risk assessment of industrial cyber-physical systems in chemical plants, Computers in Industry, 2024, vol. 155, Article num. 104056, doi: 10.1016/j.compind.2023.104056.Yuan S., Yang M., Reniers G. Integrated process safety and process security risk assessment of industrial cyber-physical systems in chemical plants // Computers in Industry. 2024. Vol. 155. Article num. 104056. DOI: 10.1016/j.compind.2023.104056.Vlasov Yu. G., Bychkov E. A., Legin А. V. Chalcogenide glass chemical sensors: Research and analytical applications, Talanta, 1994, vol. 41 (6), pp. 1059—1063, doi: 10.1016/0039-9140(94)00124-3.Vlasov Yu. G., Bychkov E. A., Legin А. V. Chalcogenide glass chemical sensors: Research and analytical applications // Talanta. 1994. Vol. 41 (6). P. 1059—1063. DOI: 10.1016/0039-9140(94)00124-3.Semenov V., Volkov S., Khaydukova M., Fedorov A., Lisitsyna I., Kirsanov D., Legin А. Determination of three quality parameters in vegetable oils using potentiometric e-tongue, Journal of Food Composition and Analysis, 2019, vol. 75, pp. 75—80, doi: 10.1016/j.jfca.2018.09.015.Semenov V., Volkov S., Khaydukova M., Fedorov A., Lisitsyna I., Kirsanov D., Legin А. Determination of three quality parameters in vegetable oils using potentiometric e-tongue // Journal of Food Composition and Analysis. 2019. Vol. 75. P. 75—80. DOI: 10.1016/j.jfca.2018.09.015.Khan N., Ali S. Multi-sensor random sample consensus for instantaneous frequency estimation of multi-component signals, Digital Signal Processing, 2023, vol. 140, article num. 104129, doi: 10.1016/j.dsp.2023.104129.Khan N., Ali S. Multi-sensor random sample consensus for instantaneous frequency estimation of multi-component signals // Digital Signal Processing. 2023. Vol. 140. Article num. 104129. DOI: 10.1016/j.dsp.2023.104129.Khan S., Nath T., Hossain M., Mukherjee A., Hasnath H., Meem T., Khan U. Comparison of multiclass classification techniques using dry bean dataset, International Journal of Cognitive Computing in Engineering, 2023, vol. 4, pp. 6—20, doi: 10.1016/j.ijcce.2023.01.002.Khan S., Nath T., Hossain M., Mukherjee A., Hasnath H., Meem T., Khan U. Comparison of multiclass classification techniques using dry bean dataset // International Journal of Cognitive Computing in Engineering. 2023. Vol. 4. P. 6—20. DOI: 10.1016/j.ijcce.2023.01.002.