ショーケースの故障解析に対する機械学習のアンサンブル手法の提案

カテゴリ: 全国大会

論文No: 4-175

グループ名: 【全国大会】平成30年電気学会全国大会論文集

発行日: 2018/03/05

タイトル(英語): An Ensemble Machine Learning Technique for Refrigeration Showcase Fault Analysis

著者名: 田中 慶輔(明治大学),奥山 怜(明治大学),福田 真由(明治大学),福山 良和(明治大学),川村 雄(富士電機),村上 賢哉(富士電機),Adamo Santana(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): Keisuke Tanaka(Meiji University),Rei Okuyama(Meiji University),Mayu Fukuda(Meiji University),Yoshikazu Fukuyama(Meiji University),Yu Kawamura(Fuji Electric),Kenya Mrakami(Fuji Electric),Adamo Santana(Fuji Electric),Tatsuya Iizaka(Fuji Electric),Tetsuro Matsui(Fuji Electric)

キーワード: ショーケース故障解析,機械学習,アンサンブル手法

要約(日本語): 機械学習手法は，専門家の知識を利用することなく，データを利用することで，自動的にルールやモデルを作成できる可能性がある。著者らは，これに基づき，ショーケースの故障解析に対し，様々な機械学習を用いたアンサンブル手法を提案したが，精度に改良の余地があった。本論文では，これまでの検討に加え，各々の手法にランダムアンダーサンプリングを用いたランダムフォレストを適用し，さらにアンサンブル手法を用いることでショーケースの着霜・冷媒漏れの判定結果精度を向上させる方式を提案する。

原稿種別: 日本語

PDFファイルサイズ: 268 Kバイト