ディープラーニングを利用した複数の時系列データによる異常予知システム

カテゴリ: 部門大会

論文No: TC23-2

グループ名: 【C】平成29年電気学会電子・情報・システム部門大会講演論文集

発行日: 2017/09/06

タイトル(英語): Abnormal State Prediction based on Deep Learning using Plural Time Series Process Data

著者名: 宋 文(早稲田大学),藤村 茂(早稲田大学)

著者名(英語): Wen Song|Shigeru Fujimura

キーワード: 時系列データ|ディープラーニング|異常状態予知異常状態予知|Time Series Data|Deep Learning|Abnormal State Prediction

要約(日本語): 製造プロセスでは莫大な過去の操業データが蓄積されている。そして、これらのデータの操業支援のための利用に対するニーズが高まっている。一方、操業支援については従来多くの研究が行われているが、個々の固有のプロセスに対する個別の開発あるいはパラメータチューニング等が必要でありシステム導入のために多大なコストを要していた。そこで、本研究では、膨大に蓄積された操業データからディープラーニング手法を利用して汎用的に適用できる操業支援を行う手法を検討している。関連のある複数の時系列情報に対して畳込みニューラルネットワークを利用して時系列間の有効な情報を活用して将来の挙動を予測するモデルである。本論文では、そのモデルの詳細と実データによるシミュレーションによる検証結果を示す。

PDFファイルサイズ: 301 Kバイト