クラスタリングベースアンダーサンプリングを用いたショーケース故障解析へのアンサンブル手法提案

カテゴリ: 全国大会

論文No: 3-068

グループ名: 【全国大会】平成31年電気学会全国大会論文集

発行日: 2019/03/01

タイトル(英語): An Ensemble Machine Learning Technique for Refrigeration Showcase Fault Analysis using Clustering-based Undersampling

著者名: 塚越 裕也(明治大学),酒井 航士(明治大学),加藤 綾重(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): yuya Tsukagoshi(Meiji University),Koshi Sakai(Meiji University),Ayae Kato(Meiji University),Yoshikazu Fukuyama(Meiji University),Yu Kawamura(Fuji Electric),Kenya Murakami(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,アンサンブル手法,アンダーサンプリング

要約(日本語): 冷凍・冷蔵ショーケースは，コンビニエンスストアやスーパーマーケットなどで食品の冷凍・冷蔵保存及び陳列に利用されている。ショーケースで故障が発生し，庫内が設定した温度に保てなくなると，食品の品質低下が生じ，店舗の信頼だけでなく，ショーケースメーカの信頼も揺るがす事態が起きてしまう可能性がある。本論文では，クラスタリングベースのアンダーサンプリング手法(以下，CUS)を用いたショーケース故障解析へのアンサンブル手法を提案する。提案法は，従来法と比較し，着霜・冷媒漏れの判定精度を向上することができた。

原稿種別: 日本語

PDFファイルサイズ: 279 Kバイト