文献

J-GLOBAL ID：202002269137194052   整理番号：20A0962811

教師付き機械学習を用いた空調システムの予測保全【JST・京大機械翻訳】

Predictive Maintenance of Air Conditioning Systems Using Supervised Machine Learning

著者 (5件)： Trivedi Shrishti (Instrumentation and Control Engineering, Netaji Subhas University of Technology,New Delhi,India) ,  Bhola Sahil (Instrumentation and Control Engineering, Netaji Subhas University of Technology,New Delhi,India) ,  Talegaonkar Archit (Instrumentation and Control Engineering, Netaji Subhas University of Technology,New Delhi,India) ,  Gaur Prerna (Instrumentation and Control Engineering, Netaji Subhas University of Technology,New Delhi,India) ,  Sharma Shreya (Computer Science Engineering, Indraprastha Institute of Information Technology,New Delhi,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISAP  ページ： 1-6  発行年： 2019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： 種々のタイプの故障が空調機で発生し,効率の低下,エネルギー消費の上昇,維持コストの増加をもたらす。したがって,予測保全は重要になる。本論文では,決定木機械学習アルゴリズムを用いて,2つの最も一般的なタイプの故障,すなわち,ガス漏れとコンデンサ誤動作を検出した。故障および運転空調機のデータを,分散センサ,マイクロコントローラおよび専用回路を用いて収集し,MATLAB分類App学習器ツールボックスを用いて解析した。次に,故障検出と診断と負荷監視のためのディシジョンツリーによって得られた結果をサポートベクトルマシンによって得られた結果と比較して,ディシジョンツリーのための予測精度はより高いことがわかった。提示した研究作業は,事前に保守を行うための初期段階で故障のタイプを予測するだけでなく,故障のある空調機を同定することができる。Copyright 2020 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： コンデンサ ,  *学習 ,  故障検出 ,  空気調和装置 ,  ディシジョンツリー ,  保全費 ,  センサ ,  マイクロコントローラ ,  学習アルゴリズム ,  *空調システム ,  サポートベクトルマシン
準シソーラス用語： 予測精度 ,  ツールキット ,  MATLAB ,  *教師付き機械学習 , 【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 (3件)： 教師付き機械学習 ,  空調システム ,  予測保全