文献
J-GLOBAL ID:202002221056918929   整理番号:20A0329910

FMEAのためのコンポーネント故障モード行列を構築するためのデータ駆動アプローチ【JST・京大機械翻訳】

A data-driven approach for constructing the component-failure mode matrix for FMEA
著者 (4件):
資料名:
巻: 31  号:ページ: 249-265  発行年: 2020年 
JST資料番号: W0196A  ISSN: 0956-5515  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: ドイツ (DEU)  言語: 英語 (EN)
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。
故障モードと効果解析(FMEA)は,製品またはシステム故障解析のための典型的な構造化,系統的,および積極的な手法の一つである。FMEAにおける重要なステップは,製品サブシステム,コンポーネント,およびプロセスに対する潜在的な故障モードを同定しており,そのために,コンポーネント故障モード(CF)知識が,知識の重要なソースとして必要とされている。しかし,この知識は,通常,材料や故障解析報告のような歴史的文書に基づいて人手で獲得されている。これは,労働集約的で時間がかかるタスクであり,非効率性と多くの誤りを招いている。それにもかかわらず,正確なCF知識を自動的に獲得するための効果的で知的な手法を開発した研究はほとんどない。ギャップを埋めるために,本論文は,CF知識と同様にそれらを表現することと同様に,非構造化および短品質問題テキストとマッピングをマイニングすることによって,CFマトリックスを自動的に構築する方法を提案した。Aprioriアルゴリズムを通して故障モードの頻繁なアイテム集合をマイニングすることによって,この方法は,故障モードのセットにおける同義語を見つけるために意味論的辞書WordNetを使用して,それに基づいて,故障モードの標準セットを最終的に築き上げた。次に,以前の研究と構成要素セットに関して,著者らは成分-故障モードマトリックスマイニング(CFMM)アルゴリズムを設計して,それを非構造化品質問題テキストからCFマトリックスを確立するために適用した。最後に,提案した方法を検証するために事例研究として自動車会社の座席モジュールの品質データを調べた。結果は,標準化された特徴を有する故障モード抽出法がFP-成長とK-平均クラスタリング法より効果的に故障モードを抽出することができることを示した。一方,考案したCFMMアルゴリズムは,FP-成長法よりCFのより多くの組合せを抽出することができて,より豊富なCFマトリックスを構築することができた。異なる産業は明確な領域特性を持つが,提案した方法は製造だけでなく,製品とシステム信頼性を強化するためにFMEAを必要とする他の分野にも適用できる。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
化学プロセスの制御 

前のページに戻る