Development of algorithms for manufacture informatics and its evaluation in steel industry

2022 Fiscal Year Final Research Report

• Project/Area Number: 19H04176
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Kyushu University
• Principal Investigator: saigo hiroto 九州大学, システム情報科学研究院, 准教授 (90586124)
• Co-Investigator(Kenkyū-buntansha): 齊藤 敬高 九州大学, 工学研究院, 准教授 (80432855)
• Project Period (FY): 2019-04-01 – 2023-03-31
• Keywords: 機械学習 / 異常検知 / 鉄鋼生産 / 外挿予測 / 転移学習 / ガウス過程 / 多相融体の粘度 / 深層学習

Outline of Final Research Achievements

In the "Anomaly Detection in Blast Furnaces" problem, we have developed approaches using unsupervised learning based on the work of Itakura et al. (IBIS2022), and supervised learning based on the work of Kizaki (IBIS2021). In the supervised learning approach using CNN, we have confirmed that utilizing data from 5 to 15 minutes prior leads to improved accuracy.

We have also developed a method for "Viscosity Prediction of High-Temperature States through Multi-Task Learning" as described in the study by Saigo et al. (Scientific Reports, 2022). In addition to robust extrapolation prediction, we have proposed a transfer learning method that leverages room temperature experimental data for high-temperature experiments.

Free Research Field

機械学習

Academic Significance and Societal Importance of the Research Achievements

教師なし学習は人手により教師ラベル作成の労力を減らすことを可能とする。現実世界の多くのデータは教師ラベルがないか、もしくはそのラベル付けに多大なコストが必要な場合が多いため、現実社会での実装において重要なテーマである。
一方で、機械学習手法の多くは過去のデータから学習し、その評価を交差検証に頼っているため、ロバストな外挿予測問題への取り組みは学術的に重要である。本研究では流体力学という現実の問題への解決策を示したものであり、同種の問題に適用可能である。