Contextual Outlier Interpretationによるガスタービン異常検知の説明

カテゴリ: 部門大会

論文No: GS9-4

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Explanation of Gas Turbine Generator anomaly detection using Contextual Outlier Interpretation

著者名: 尹 家輝（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）,飯坂 達也（富士電機）,松井 哲郎（富士電機）

著者名(英語): Jiahui Yin (Meiji University),Yoshikazu Fukuyama (Meiji University),Yuichi Shimasaki (Fuji Electric Co., Ltd.),Yuto Osada (Fuji Electric Co., Ltd.),Kenya Murakami (Fuji Electric Co., Ltd.),Tatsuya Iizaka (Fuji Electric Co., Ltd.),Tetsuro Matsui (Fuji Electric Co., Ltd.)

キーワード: 説明可能人工知能|contextual outlier interpretation|ガスタービン|異常検知|Explainable artificial intelligence|contextual outlier interpretation|gas turbine|anomaly detection

要約(日本語): 火力発電は，需給バランスの調整という役割を担っているため，高効率なガスタービン発電は重要であり，ガスタービンの異常検知は必要である。AIモデルを利用し，異常検知を行う場合，ユーザーが納得してAI異常検知モデルを利用できるように，モデルのブラックボックス部分を説明することが必要となる。このニーズを満たすために，著者らは，Local Interpretable Model-agnostic Explanations (以下，LIME) の適用により，ガスタービン故障検知を説明する可能性を確認した。しかし，LIMEはAI異常検知モデルを局所的に線形近似する手法であるため，ローカルな非線形特性は上手く説明できない。そこで本論文では，ローカルな非線形特性を説明できるContextual Outlier Interpretationを用いたガスタービン異常検知の説明を提案する。