抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
異常検出システムのリアルタイム運用におけるいくつかの異常な挙動を発見するプロセスである。は困難な作業である,一般的な場合(多変量異常検出)の異常が必ずしもそれ自体異常行動しないいくつかのパラメータの挙動に関係する可能性があるが,それらの(複合体)関係がある異常(通常/正常ではない)。異常/異常値/異常として取り扱うべきであるか知るためにこれは正常な挙動の非常に効率的なモデリングが必要である。モデル作成のために選択されたパラメータに及ぼすそれらの焦点のために,古典的モデル駆動型アプローチは,システム全体の挙動をモデル化することができない。は百(千)のパラメータを考慮に入れるべきであるが異常検出のためのデータ駆動型手法は,工業使用事例に対してもより重要になってきている理由である。しかし,計算は非常に複雑であるので現在のアプローチは,通常,単変量異常検出(またはそのいくつかの変化),の関係全空間を観測することなく,に焦点を当てている。本論文では,モデリングと多次元空間の変化の流れを管理する基づいていることを多変量異常検出のための新しいアプローチを提案した。このアプローチの主な利点は,パラメータの大きな集合の変化の間の関係を観察し,「正常/通常」変動のクラスタを生成する可能性がある。スケーリング,最も挑戦的な要件の一つであることを確実にするためには,この手法はデータ分析タスク/計算を実現するためのビッグデータ技術の使用に基づいている。アプローチはD2Lab(データ診断研究所)フレームワークの一部として実現し,いくつかの工業的ユースケースに適用した。本論文では,製造/組立工程後の家庭電器の機能試験(特別な場合冷凍機における)のプロセスにおける異常検出のための興味ある利用を示した。大ベンダー(Whirlpool),この方法の試験と改良された顧客満足度の巨大な節約を期待したで行われてきた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
