PCA 및 변수 중요도를 활용한 냉동컨테이너 고장 탐지 방법론 비교 연구
A Comparative Study on the Methodology of Failure Detection of Reefer Containers Using PCA and Feature Importance
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구는 H해운사에서 제공받은 Starcool사의 실제 냉동 컨테이너 운영데이터를 분석하였다. H사의 현장 전문가와 인터뷰를 통해 4가지 고장 알람 중 Critical 및 Fatal Alarm만 고장으로 정의하였고, 냉동 컨테이너 특성상 모든 변수를 사용하는 것은 비용측면에서 비효율을 초래하는 것을 확인하였다. 이에 본 연구는 특성 중요도 및 PCA 기법을 통한 냉동 컨테이너 고장 탐지 방법을 제시한다. 모델의 성능 향상을 위해 XGBoost, LGBoost 등과 같은 트리계열 모델을 통해 변수 중요도(Feature Importance)를 기반으로 변수 선택(Feature selcetion)을 하고 선택되지 않은 변수는 PCA를 사용하여 전체 변수의 차원을 축소시켜 각 모델별로 지도학습을 수행한다. 부스팅 기반의 XGBoost, LGBoost 기법은 본 연구에서 제안하는 모델의 결과가 62개의 모든 변수를 사용한 지도 학습의 결과보다 재현율(Recall)이 각각 0.36, 0.39씩 향상되는 되는 결과를 보였다.
Abstract
This study analyzed the actual frozen container operation data of Starcool provided by H Shipping. Through interviews with H's field experts, only Critical and Fatal Alarms among the four failure alarms were defined as failures, and it was confirmed that using all variables due to the nature of frozen containers resulted in cost inefficiency. Therefore, this study proposes a method for detecting failure of frozen containers through characteristic importance and PCA techniques. To improve the performance of the model, we select variables based on feature importance through tree series models such as XGBoost and LGBoost, and use PCA to reduce the dimension of the entire variables for each model. The boosting-based XGBoost and LGBoost techniques showed that the results of the model proposed in this study improved the reproduction rate by 0.36 and 0.39 respectively compared to the results of supervised learning using all 62 variables.
참고문헌 (21)
- Bob Castelein, "The reefer container market and academic research: A review study", Journal of Cleaner Production, 256, pp.120654~ (2020), Elsevier BV[DOI]
- Ankang Kan, "The characteristics of cargo temperature rising in reefer container under refrigeration-failure condition", International Journal of Refrigeration, 123, pp.1~8 (2021), Elsevier BV[DOI]
- Niclas Hoffmann, "A decision model on the repair and maintenance of shipping containers", Journal of Shipping and Trade, 5(1) (2020), Springer Science and Business Media LLC[DOI]
- 박상갑, "冷凍컨테이너 貨物損傷의 改善方案에 관한 硏究", 한국항해항만학회지, 36(10), pp.803~810 (2012), 한국항해항만학회[DOI]
- G. S. Gim, "Performance of PCA Algorithm for Multivariate Data Analysis", Proceedings of the Korea Information Processing Society Conference, pp.1264~1266 (2013), Korea Information Processing Society
- 이강배, "기계학습 기법을 이용한 CNC 공구 마모도 예측에 관한 연구", 한국융합학회논문지, 10(11), pp.15~21 (2019), 한국융합학회[DOI]
- 윤유동, "기계 학습 방법을 이용한 활동 프로파일 기반의 스마트 시니어 분류 모델 개발", 한국융합학회논문지, 8(1), pp.25~34 (2017), 한국융합학회[DOI]
- T. Chen, "Xgboost : A scalable tree boosting system", Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining, pp.785~794 (2016)
- A. Priyam, "Comparative analysis of decision tree classification algorithms", International Journal of current engineering and technology, 3(2), pp.334~337 (2013)
- Rui Tian, "Compound Fault Diagnosis of Stator Interturn Short Circuit and Air Gap Eccentricity Based on Random Forest and XGBoost", Mathematical Problems in Engineering, 2021, pp.1~10 (2021), Hindawi Limited[DOI]
- 오민지, "제조 설비 이상탐지를 위한 지도학습 및비지도학습 모델 설계에 관한 연구", 한국빅데이터학회 학회지, 6(1), pp.23~35 (2021), 사)한국빅데이터학회[DOI]
- Silvia Cateni, "Variable Selection and Feature Extraction Through Artificial Intelligence Techniques", Multivariate Analysis in Management, Engineering and the Sciences, pp.103~118 (2013), InTech[DOI]
- Zhimin Du, "Fault detection and diagnosis for buildings and HVAC systems using combined neural networks and subtractive clustering analysis", Building and Environment, 73, pp.1~11 (2014), Elsevier BV[DOI]
- Dinh Anh Tuan Tran, "An enhanced chiller FDD strategy based on the combination of the LSSVR-DE model and EWMA control charts", International Journal of Refrigeration, 72, pp.81~96 (2016), Elsevier BV[DOI]
- Dan Li, "A data-driven strategy for detection and diagnosis of building chiller faults using linear discriminant analysis", Energy and Buildings, 128, pp.519~529 (2016), Elsevier BV[DOI]
- Ronggeng Huang, "An effective fault diagnosis method for centrifugal chillers using associative classification", Applied Thermal Engineering, 136, pp.633~642 (2018), Elsevier BV[DOI]
- Guannan Li, "An improved fault detection method for incipient centrifugal chiller faults using the PCA-R-SVDD algorithm", Energy and Buildings, 116, pp.104~113 (2016), Elsevier BV[DOI]
- Rui Yan, "A decision tree based data-driven diagnostic strategy for air handling units", Energy and Buildings, 133, pp.37~45 (2016), Elsevier BV[DOI]
- 이강배, "냉동시스템 고장 진단 및 고장유형 분석을 위한 3단계 분류 알고리즘에 관한 연구", 한국융합학회논문지, 12(8), pp.31~37 (2021), 한국융합학회[DOI]
- Girish Chandrashekar, "A survey on feature selection methods", Computers & Electrical Engineering, 40(1), pp.16~28 (2014), Elsevier BV[DOI]
- 한지형, "머신러닝을 통한 가계의 재무스트레스 영향요인 예측 및 분석: XGBoost의 활용", 소비자학연구, 30(2), pp.21~43 (2019), 한국소비자학회[DOI]