文献

J-GLOBAL ID：201802246066765965   整理番号：18A1509315

ケース温度データのみを用いたスーパーマーケット冷凍システムの予測保全【JST・京大機械翻訳】

Predictive Maintenance for Supermarket Refrigeration Systems Using Only Case Temperature Data

著者 (5件)： Kulkarni Kedar (IBM Research, Bangalore, India) ,  Devi Umamaheswari (IBM Research, Bangalore, India) ,  Sirighee Amith (IBM Research, Bangalore, India) ,  Hazra Jagabondhu (IBM Research, Bangalore, India) ,  Rao Praveen (IBM Global Business Services, Milwaukee, WI, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACC  ページ： 4640-4645  発行年： 2018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： 著者らは,次の望ましい特徴を持つ冷凍および冷蔵システムに現れる問題の早期検出のための機械学習に基づくアプローチを提示した。1)最小のセンサ依存性:2)冷凍事例からの温度読み出しと除霜状態のみを必要とする,2)高精度,3)学習モデルの高い一般化可能性。著者らは,分類問題として時系列予測問題をキャスティングすることによって,これを達成した。そこで著者らは,除霜および運転体制に特有の重要な時系列特性を捉える特徴の集合を,著者らは技術化した。著者らの特徴抽出は,動的時間ワーピングとクラスタ化を用いて,季節性傾向分解とパターン学習を採用した。抽出された特徴を用いて,任意の与えられた時間における任意の与えられた冷凍ケースにおける問題の存在または不在を示すことができるランダムな森林ベースの二値分類器を学習した。いくつかの大きなスーパーマーケットからの2265の冷凍事例からの実データに関する著者らのアプローチを検証した。このアプローチは89%の精度,約7日のリードタイム,および非見られたケースで評価したときの46%の再現率を達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： センサ ,  冷蔵 ,  クラスタ化 ,  調達期間 ,  特徴抽出 ,  *スーパーマーケット ,  除霜 ,  *凍結 ,  鋳造 ,  学習 ,  機械学習
準シソーラス用語： 再現率 ,  二値分類 ,  ワーピング ,  読出し , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 温度データ ,  スーパーマーケット ,  冷凍システム ,  予測保全