カーネルサイズ自動調整を用いたMaximum Correntropy Criterionに基づくAutoEncoderによるショーケースの故障検知手法の提案

カテゴリ: 部門大会

論文No: GS5-2

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Refrigerated Showcase Fault Detection by a Maximum Correntropy Criterion based AutoEncoder using the Adaptive Kernel Size Tuning Method

著者名: 五十嵐 匡人（明治大学）,福山 良和（明治大学）,島崎 祐一（富士電機）,長田 悠人（富士電機）,村上 賢哉（富士電機）,Adamo Santana（富士電機）,松井 哲郎（富士電機）,飯坂 達也（富士電機）

著者名(英語): Masato Igarashi (Meiji University),Yoshikazu Fukuyama (Meiji University),Yuichi Shimasaki (Fuji Electric Co., Ltd.),Yuto Osada (Fuji Electric Co., Ltd.),Kenya Murakami (Fuji Electric Co., Ltd.),Santana Adamo (Fuji Electric Co., Ltd.),Tetsuro Matsui (Fuji Electric Co., Ltd.),tatsuya Iizaka (Fuji Electric Co., Ltd.)

キーワード: ショーケース|故障検知|オートエンコーダ|Maximum Correntropy Criterion|カーネルサイズ自動調整異常値対応|Refrigerated showcase|Fault detection|Autoencoder|Maximum Correntropy Criterion|A daptive kernel size tuningOutlier correspondence

要約(日本語): スーパーマーケットやコンビニエンスストアなどで利用されている冷蔵・冷凍ショーケースでは，着霜や冷媒漏れなどの故障によって庫内が設定温度に保てなくなる可能性が稀にある。従って，高精度の故障判定を行うことは，顧客サービスの継続には欠かせない。本論文では，実際の数値とは異なる数値が保存されたデータを含むショーケースデータに対するエンジニアリング業務及びハイパーパラメータ調整のエンジニアリング業務軽減のため，カーネルサイズの自動調整を用いたMaximum Correntropy Criterionに基づくAutoEncoderを用いたショーケースに対する故障検知手法を提案する。従来のパラメータ学習法である最小二乗法を適用した手法及び固定値のカーネルサイズを用いたMaximum Correntropy Criterionを適用した手法との比較シミュレーションにより，提案法の有効性を確認した。