文献

J-GLOBAL ID：201802278154608899   整理番号：18A0488440

ロバストなGauss混合モデルと移動エントロピーを用いた工業用多モードプロセスにおける品質関連故障の根本原因診断【Powered by NICT】

Root cause diagnosis of quality-related faults in industrial multimode processes using robust Gaussian mixture model and transfer entropy

著者 (3件)： Ma Liang (Key Laboratory of Knowledge Automation for Industrial Processes of Ministry of Education, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, PR China) ,  Dong Jie (Key Laboratory of Knowledge Automation for Industrial Processes of Ministry of Education, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, PR China) ,  Peng Kaixiang (Key Laboratory of Knowledge Automation for Industrial Processes of Ministry of Education, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 285  ページ： 60-73  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 現代の複雑な工業プロセスはしばしば種々の因子による多重操作モードを持つ,異なる製造戦略,原料および組成の変化,等に用いられている。本論文では,品質関連故障診断の実用的な技術または溶液は工業的多モードプロセスの為に提案した。伝統的なデータに基づく故障診断の方法とは異なり,代替アプローチは根本原因診断に焦点を当てた。新しいスキームを開発したロバストなGauss混合モデルと修正マハラノビス距離を用いた品質関連故障検出問題を取り上げて論じた。Bayes推論ベースロバストGauss混合貢献度指標は,潜在的な根本原因変数を解析するために設計した。一方,移動エントロピーと直接移動エントロピーに基づく原因と効果抽出方法の組み合わせは,品質関連故障の根本原因診断のために提案した。最後に,提案したフレームワークは,実際の工業的多モード仕上圧延機プロセスに適用し,性能と有効性を,実際の工業データから実証した。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： *故障 ,  故障診断 ,  故障検出 ,  Bayes推定 ,  多重化 ,  *ロバスト性 ,  *品質 ,  *多モード ,  運転モード
準シソーラス用語： Mahalanobis距離 ,  工業プロセス ,  *根本原因 ,  *Gauss混合モデル , 【Automatic Indexing@JST】

著者キーワード (6件)： 品質関連 ,  根は診断を引き起こす ,  多モード過程 ,  ロバストなGauss混合モデル ,  Bayes推論 ,  移動エントロピー

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： ロバスト ,  Gauss混合モデル ,  移動エントロピー ,  工業 ,  多モード ,  プロセス ,  故障 ,  根本原因 ,  診断