文献

J-GLOBAL ID：202202214003373693   整理番号：22A0457148

信頼性分布を予測するための最尤推定とLSTMニューラルネットワークの結合:糖エネルギー部門からの実データに基づく研究【JST・京大機械翻訳】

Combining maximum likelihood estimation and LSTM neural network to forecast reliability distributions: a study based on real data from the sugar-energy sector

著者 (3件)： Scavariello Guilherme Hering (Faculdade de Ciencias Aplicadas da UNICAMP - Universidade de Campinas. Sao Paulo, Brasi) ,  Picanco Ailson Renan Santos (ITA - UNIFESP. Sao Paulo, Brasil) ,  Torezzan Cristiano (Faculdade de Ciencias Aplicadas da UNICAMP - Universidade de Campinas.)
資料名： IEEE Latin America Transactions  (IEEE Latin America Transactions)
巻： 20  号： 4  ページ： 608-615  発行年： 2022年 
JST資料番号： W2450A  ISSN： 1548-0992  資料種別： 逐次刊行物 (A)
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： 信頼性工学と資産管理における最近の進歩は,産業がそれらの保全戦略を改善するために先進の数学的および統計的技術を使用することを可能にする。逆に,これらの方法の多くは,必ずしも利用できない資産の故障履歴の以前の知識を必要とする。本研究は,既知および未知の故障履歴を有する資産に対する分布を提供する保全管理決定を支援することが可能であることを示した。この手法は,データの実際の資産データと故障履歴に対する最適信頼性と故障分布を見出し予測するために,LSTMニューラルネットワークと最尤推定を組み合わせた。それは,結果セクションにおける実際的ビジネス状況のための効率的でおそらく有用なアプローチとして示した。Copyright 2022 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： 故障 ,  *信頼性 ,  保全 ,  *ニューラルネットワーク ,  *最尤法 ,  保守管理
準シソーラス用語： 資産管理 ,  信頼性工学 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (9件)： 分布 ,  予測 ,  最尤推定 ,  LSTM ,  ニューラルネットワーク ,  糖 ,  エネルギー ,  部門 ,  研究