ショーケース故障検知に対する学習率スケジューラを用いたCWGANs-GPによるデータ拡張を用いた故障検知手法の適用

カテゴリ：研究会(論文単位)

論文No：PSE25196,ST25025,SMF25045

グループ名：【B】電力・エネルギー部門 電力系統技術/【C】電子・情報・システム部門 システム/【D】産業応用部門 スマートファシリティ合同研究会

発行日：2025/10/28

タイトル(英語)：Fault Detection in Refrigerated Showcases with Data Augmentation by CWGANs-GP using Learning Rate Scheduler

著者名：小山 創央(明治大学),福山 良和(明治大学),村上 賢哉(富士電機),鈴木 聡(富士電機),飯坂 達也(富士電機)

著者名(英語)： So Koyama(Meiji university),Yoshikazu Fukuyama(Meiji university),Kenya Murakami(Fuji Electric Co., Ltd.),Satoshi Suzuki(Fuji Electric Co., Ltd.),Tatsuya Iizaka(Fuji Electric Co., Ltd.)

キーワード：冷凍・冷蔵ショーケース,故障検知,敵対的生成ネットワーク,データ拡張,生成ＡＩ,学習率スケジューラ,refrigerated showcases,fault detection,generative adversarial networks,data augmentation,generative AI,learning rate scheduler

要約(日本語)：本論文では，ショーケース故障検知問題に対して，学習率スケジューラを用いたCWGANs-GPの適用を提案する。ショーケース故障検知では，正常データに比べて故障データが少なくなる，データ不均衡が発生する。この問題を解決するために，生成AI手法の一種であるCWGANs-GPを用いて故障データを拡張し，データ不均衡を是正する。GANs系手法は学習が不安定になる特徴がある。CWGANs-GPの安定性向上のために，学習率スケジューラの適用を提案し有効性を確認した。

要約(英語)：This paper proposes fault detection in refrigerated showcases with data augmentation by CWGANs-GP using learning rate scheduler. GANs methods are known for their unstable training. This paper proposes applying learning rate scheduler to improve the stability of CWGANs-GP and have confirmed its effectiveness.

本誌：2025年10月31日電力系統技術/システム/スマートファシリティ合同研究会

本誌掲載ページ：47-52p

原稿種別：日本語

PDFファイルサイズ：1,283Kバイト