多変量データからの新しい品質・異常要因推定方式

カテゴリ: 部門大会

論文No: GS7-1

グループ名: 【C】平成30年電気学会電子・情報・システム部門大会プログラム

発行日: 2018/09/05

タイトル(英語): A new method of identifying major quality/anomaly factors from multivariate data

著者名: 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): Kenya Murakami|Tatsuya Iizaka|Tetsuro Matsui

キーワード: 多変量データ|要因推定|品質|異常|multivariate data|factor identification|quality|anomaly

要約(日本語): 近年，IoT環境の発展に伴い産業分野や社会インフラ分野の各種設備において多数のセンサが設置され，設備のデータ（状態変数という）が計測されている。一方でこれらの設備で製造される製品の品質や設備の正常異常状態を表すデータ（一般に品質変数という）も評価されている。これらのデータを用いて，前者の状態変数を入力とし，後者の品質変数を出力とする統計モデル（品質推定モデルという）を作成し，この統計モデルを用いて品質変数（品質や異常）に影響が大きい状態変数（品質・異常因子）を特定することが行われている。しかし，状態変数が多数になると，それらを一括して扱う品質推定モデルでは，ノイズや多重共線性の影響で多数の状態変数の影響が互いに分離できずに適切な品質・異常因子が特定できないという問題があった。本論文ではこれに対してわかりやすく精度のよい因子特定手法を提案する。

PDFファイルサイズ: 375 Kバイト