研究課題/領域番号 |
17K00161
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
研究分野 |
マルチメディア・データベース
|
研究機関 | 東海大学 |
研究代表者 |
今村 誠 東海大学, 情報通信学部, 教授 (30780291)
|
研究期間 (年度) |
2017-04-01 – 2020-03-31
|
研究課題ステータス |
完了 (2019年度)
|
配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
キーワード | マルチメディア・データベース / ビッグデータ分析・活用 / 時系列データマイニング / Prognostics / Time series motif / Predicative maintenance / ビックデータの分析・活用 / 機械学習 / IoT / 信頼性工学 / 異常検知 / 故障診断 / 寿命予測 / ビックデータ分析・活用 |
研究成果の概要 |
IoTとビッグデータの普及に伴って,工場や設備の故障予知に,データマイニング技術が適用されるようになった。しかし,ソーシャルデータ分析やパターン認識に対して大成功を収めた機械学習も,機器データに対してはそれほど成功していない。その要因の一つは,既存の機械学習技術は,機器の内部状態が徐々に変化する劣化傾向を検出する教師なし学習が十分でないことによる。そこで,本研究では,「時間的に変化するパターンTime Series Chainの発見技術」と「パラメータフリーの高速な時系列上下変動の特徴量抽出技術」を開発した。開発技術は,素材やデバイスの製造工場に適用により,実用的であることを検証した。
|
研究成果の学術的意義や社会的意義 |
四次産業革命やSociety 5.0を実現するために, IoT(Internet of Things)普及に伴って飛躍的に増加するセンサーデータを分析する機番技術を確立する
|