Automated failure detection in refrigerators using machine learning algorithms

Abstract

The sustainable functioning of refrigerators is crucial in residential and commercial settings. These appliances are used continuously throughout the day, and any failure can lead to food spoilage, negatively impacting brand reputation. Therefore, having an efficient failure detection system that can identify and diagnose any problems instantly is essential. This paper proposes a novel machine learning pipeline that uses online sensor data from the refrigerators of anonymous customers and a feedback mechanism to inform customer service about the detected failure remotely. The performance of the system is evaluated through a real-life pilot project, and the results indicate that the proposed method achieves high accuracy in detecting various types of failure. Applying the proposed approach prevents food spoilage, reduces maintenance costs while increasing customer satisfaction, and enhances the reliability and safety of refrigerators.

Buzdolaplarının sürdürülebilir çalışması, konut ve ticari alanlarda önemlidir. Bu cihazlar gün boyunca sürekli kullanılmakta ve herhangi bir arıza, gıda bozulmasına neden olarak marka itibarını olumsuz yönde etkileyebilmektedir. Bu nedenle, anında herhangi bir sorunu tespit edip teşhis edebilen verimli bir arıza tespit sistemine sahip olmak son derece önemlidir. Bu makale, anonim müşterilerin buzdolaplarından çevrimiçi sensör verilerini ve geri bildirim mekanizmasını kullanarak tespit edilen arızalar hakkında müşteri hizmetlerini uzaktan bilgilendiren bir makine öğrenimi akışı önermektedir. Sistem performansı, gerçek hayatta bir pilot proje aracılığıyla değerlendirildi ve sonuçlar, önerilen yöntemin çeşitli arızaları tespit etmede yüksek doğruluk sağladığını göstermektedir. Önerilen yaklaşımın uygulanması, gıda bozulmasını önler, bakım maliyetlerini azaltırken müşteri memnuniyetini artırır ve buzdolaplarının güvenilirliğini ve güvenliğini artırmaktadır.