ショーケースシステムの異常検知への変数選択手法に基づくKPCA-MSPCの適用

カテゴリ: 研究会(論文単位)

論文No: ST20033,SMF20032

グループ名: 【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: 2020/11/04

タイトル(英語): Kernel Principal Component Analysis based Multivariate Statistical Process Control using Feature Selection for Unsupervised Fault Detection of Refrigeration Showcase Systems

著者名: 新井 馨(明治大学),福山 良和(明治大学),村上 賢哉(富士電機),松井 哲郎(富士電機)

著者名(英語): Kiyo Arai(Meiji University),Yoshikazu Fukuyama(Meiji University),Kenya Murakami(Fuji Electric Co, Ltd.),Tetsuro Matsui(Fuji Electric Co, Ltd.)

キーワード: 異常検知|ショーケースシステム|変数選択|多変量統計的プロセス管理|カーネル主成分分析|ｍａｘｉｍａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔ|fault detection|showcase system|feature selection|multivariate statistical process control|kernel principal component analysis|maximal information coefficient

要約(日本語): 本論文は，変数間の非線形な相関関係に基づく変数選択手法であるMIC-KNN-FSを提案した。また，提案するMIC-KNN-FSと変数間の非線形な相関関係に対応でき，かつ正常データのみで異常検知できるカーネル主成分分析をベースとした多変量統計的プロセス管理（KPCA-MSPC）を組合せた異常検知手法をショーケースシステムへ適用することを提案した。提案するMIC-KNN-FSとKPCA-MSPCを組合せた手法は，他の手法と比較し，最も高精度な検知結果を安定的に得られることを確認した。

要約(英語): This paper proposes a kernel principal component analysis based multivariate statistical process control (KPCA-MSPC) method for unsupervised fault detection of refrigeration showcase systems using a feature selection method with maximal information coefficient (MIC). The effectiveness of the proposed method is verified by simulation results.

原稿種別: 日本語

PDFファイルサイズ: 963 Kバイト