文献

J-GLOBAL ID：201702217590582499   整理番号：17A0145828

製品小児障害のためのPCAとSVMに基づくビッグデータ指向根本原因同定法【Powered by NICT】

Big data oriented root cause identification approach based on PCA and SVM for product infant failure

著者 (3件)： He Zhenzhen (School of Reliability and Systems Engineering, Beihang University, Beijing, China) ,  He Yihai (School of Reliability and Systems Engineering, Beihang University, Beijing, China) ,  Wei Yi (School of Reliability and Systems Engineering, Beihang University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： PHM (Chengdu)  ページ： 1-5  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 製造における制御されない操作因子の増大する複雑さと膨大な数のために,生産された製品は,通常,例外的に高い小児故障率である,生成物小児破壊の根本原因同定は製造メーカにとって非常に挑戦的な課題となっている。特にビッグデータの時代における,多数のデータは容易に製品ライフサイクルから収集された,これらの高次元ビッグデータは常に多くのことを陽雑音情報だけでなく,精度が顕著ではないことを深刻な問題を起こしているを有するばかりでなく,モデル訓練時間は電流小データ駆動法のほとんどに冗長である可能性がある。さらに,伝統的な小データ指向解析技術は新しいビッグデータ環境には適用できない。このジレンマを解決するために,本論文では,主成分分析(PCA)およびサポートベクトルマシン(SVM)を用いたビッグデータから小児破壊の根本原因を同定するための新しい方法を提案した。,設計,製造,使用製品小児破壊機構に関連するから収集したデータは,訓練データとテストデータに分割した。第二に,PCAは,低次元空間における生データから元のプロセス特徴パラメータの冗長性と還元データ次元を除去するために適用した潜在的根本原因候補として重要な変数を抽出することができる。第三に,これらの候補の特徴データを分離するためのSVMに基づく最適超平面を提示し,法one-versus-all SVM分類器は動径基底カーネル関数による小児破壊の根本原因の最終リストを同定するように設計されている。最後に,提案した方法の実現可能性と有効性を計算機ボード故障解析の事例研究を通して実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 事例研究 ,  冗長性 ,  *サポートベクトルマシン ,  高次元 ,  故障率 ,  故障解析 ,  主成分分析 ,  生産者
準シソーラス用語： Kernel関数 ,  超平面 ,  訓練データ ,  データ駆動 ,  製品寿命 ,  *根本原因 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  データベースシステム  (JD03030U) ,  その他の情報処理  (JE15050M) ,  ディジタル計算機方式一般  (JC02010O)

タイトルに関連する用語 (7件)： 小児 ,  障害 ,  PCA ,  SVM ,  ビッグデータ ,  根本原因 ,  同定法