文献

J-GLOBAL ID：201802212631954949   整理番号：18A0327180

教師なし非線形データ可視化と故障同定のためのアプローチ併用生成的地形マッピングとグラフ理論について【Powered by NICT】

On Generative Topographic Mapping and Graph Theory combined approach for unsupervised non-linear data visualization and fault identification

著者 (3件)： Escobar Matheus S. (Chemical System Engineering Department, The University of Tokyo, Hongo 7-3-1, Bunkyo-ku, Tokyo 113-8656, Japan) ,  Kaneko Hiromasa (Chemical System Engineering Department, The University of Tokyo, Hongo 7-3-1, Bunkyo-ku, Tokyo 113-8656, Japan) ,  Funatsu Kimito (Chemical System Engineering Department, The University of Tokyo, Hongo 7-3-1, Bunkyo-ku, Tokyo 113-8656, Japan)
資料名： Computers & Chemical Engineering  (Computers & Chemical Engineering)
巻： 98  ページ： 113-127  発行年： 2017年 
JST資料番号： H0199C  ISSN： 0098-1354  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 化学プラントのプロセスモニタリングは二段階に依存する:異常(故障検出)を識別する,それら(故障同定)を特性化した。複合生成的地誌的マッピング(GTM)とグラフ理論(GT)アプローチを提案した。GTMはシステムの特徴を強調し,可変次元を低減し,試料間の類似性を計算するための戦略を提供する。GTをネットワークを用いてそれらをクラスター化,正常および異常なエントリを識別する。バイアスした正常および異常な標識のために,提案した方法論は,教師なし方式で,ラベルは存在しないことを意味している。三つの事例研究を考慮した:シミュレーションデータセット,Tennessee Eastmanプロセスと工業データセットした。主成分分析(PCA),動的PCAおよびカーネルPCA指数(QとT~2)GTMとGT独立したモニタリング方法論と共にを比較のために用い,教師つきおよび教師なし手法を考察した。産業シナリオのために,ソフトセンサは,識別性能を評価するために使用した。教師なしが,提案した方法は,教師付き戦略と同様に正常状態を識別し,その開発を正当化した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 主成分分析 ,  ネットワーク ,  事例研究 ,  類似性 ,  キャラクタリゼーション ,  *故障 ,  故障検出 ,  化学プラント ,  *グラフ理論 ,  クラスタ化
準シソーラス用語： ソフトセンサ ,  プロセス監視 ,  *データ可視化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 生成地形マッピング ,  グラフクラスタリング ,  故障検出 ,  故障同定 ,  プロセスモニタリング

分類 (2件)： 化学プロセスの解析  (XC01030R) ,  化学プロセスの測定,監視,計装  (XC02030Y)

タイトルに関連する用語 (8件)： 教師 ,  非線形 ,  データ可視化 ,  故障 ,  同定 ,  併用 ,  地形マッピング ,  グラフ理論