메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Taufik Nur Adi (Pusan National University) Hyerim Bae (Pusan National University) Nur Ahmad Wahid (Pusan National University)
저널정보
한국컴퓨터정보학회 한국컴퓨터정보학회논문지 한국컴퓨터정보학회 논문지 제24권 제2호(통권 제179호)
발행연도
2019.2
수록면
139 - 147 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
A false alarm, which is an incorrect report of an emergency, could trigger an unnecessary action. The predictive maintenance framework developed in our previous work has a feature whereby a machine alarm is triggered based on sensor data evaluation. The sensor data evaluator performs three essential evaluation steps. First, it evaluates each sensor data value based on its threshold (lower and upper bound) and labels the data value as “alarm” when the threshold is exceeded. Second, it calculates the duration of the occurrence of the alarm. Finally, in the third step, a domain expert is required to assess the results from the previous two steps and to determine, thereby, whether the alarm is true or false. There are drawbacks of the current evaluation method. It suffers from a high false-alarm ratio, and moreover, given the vast amount of sensor data to be assessed by the domain expert, the process of evaluation is prolonged and inefficient. In this paper, we propose a method for automatic false-alarm labeling that mimics how the domain expert determines false alarms. The domain expert determines false alarms by evaluating two critical factors, specifically the duration of alarm occurrence and identification of anomalies before or while the alarm occurs. In our proposed method, Hierarchical Temporal Memory (HTM) is utilized to detect anomalies. It is an unsupervised approach that is suitable to our main data characteristic, which is the lack of an example of the normal form of sensor data. The result shows that the technique is effective for automatic labeling of false alarms in sensor data.
#False-alarm detection #False-alarm labeling #anomaly detection #hierarchical temporal memory

목차

Abstract
Ⅰ. Introduction
Ⅱ. Preliminaries
Ⅲ. Proposed Method
Ⅳ. Implementation and Results
Ⅳ. Conclusions
REFERENCES

참고문헌 (23)

참고문헌 신청
ISA / 2009 / ANSI/ISA-18.2: Management of Alarm Systems for the Process Industries / International Society of Automation google schola Jain, P. / 2016 / Did we learn about risk control since Seveso? Yes, we surely did, but is it enough? An historical brief and problem analysis / Journal of Loss Prevention in the Process Industries google schola Stauffer, T. / 2010 / Get a Life (cycle)!Connecting Alarm Management and Safety Instrumented Systems / Paper presented at the ISA Safety & Security Symposium google schola Srinivasan, R. / 2004 / Intelligent alarm management in a petroleum refinery / Hydrocarbon Processing 83(11):47~54 google schola EEMUA / 2013 / 191-Alarm Systems: A Guide to Design, Management and Procurement Edition 3 google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝을 활용한 건화물선 운임 지수 예측
김도희 ,  김혜미 ,  심성현 외 3명 대한산업공학회지 2019 .04
베어링 샤프트 시스템의 고장 감지를 위한 다변량 센서 데이터 기반 지도 이산화 기법
백수정 ,  남궁기창 ,  오하영 대한기계학회 논문집 A권 2020 .01
Distributed Architecture for Extracting Process Mining Data from Blockchain Applications
Natanael YabesWi ,  awan ,  Be 외 5명 대한산업공학회 추계학술대회 논문집 2019 .11
월간 컨테이너 물동량 예측을 위한 TSG-Multi LSTM 방법론
김혜미 ,  심성현 ,  배혜림 외 2명 한국경영과학회 학술대회논문집 2019 .04

최근 본 자료

전체보기

댓글(0)

0