Feature reduction for anomaly detection in manufacturing with MapReduce GA/kNN
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Tanupabrungsun S., Achalakul T.
ผู้เผยแพร่: IEEE Computer Society
ปีที่เผยแพร่ (ค.ศ.): 2013
หน้าแรก: 639
หน้าสุดท้าย: 644
จำนวนหน้า: 6
ISBN: 9781479920815
นอก: 1521-9097
eISSN: 1521-9097
ภาษา: English-Great Britain (EN-GB)
ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์
บทคัดย่อ
Manufacturing data is an important source of knowledge that can be used to enhance the production capability. The detection of the causes of defects may possibly lead to an improvement in production. However, the production records generally contain an enormous set of features. It is almost impossible in practice to monitor all features at once. This research proposes the feature reduction technique, which is designed to identify a subset of informative features that are representatives of the whole dataset. In our methodology, manufacturing data are pre-processed and adopted as inputs. Subsequently, the feature selection process is performed by wrapping Genetic Algorithm (GA) with the k-Nearest Neighborhood (kNN) classifier. To improve the performance, the proposed technique was parallelized with MapReduce. The results show that the number of features can be reduced by 50% with 83.12% accuracy. In addition, with MapReduce on the cloud, the performance can be increased by 17.5 times. ฉ 2013 IEEE.
คำสำคัญ
Manufacturing Data, MapReduce
ติดต่อสอบถามเพิ่มเติมได้ที่