FUJIMURA, Shigeru

写真a

Affiliation

Faculty of Science and Engineering, Graduate School of Information, Production, and Systems

Job title

Professor

Homepage URL

http://www.smartindustry.jp/

Concurrent Post 【 display / non-display

  • Faculty of Science and Engineering   School of Fundamental Science and Engineering

Research Institute 【 display / non-display

  • 2020
    -
    2022

    理工学術院総合研究所   兼任研究員

Degree 【 display / non-display

  • 早稲田大学(日本)   博士(工学)

Professional Memberships 【 display / non-display

  •  
     
     

    IEEE

  •  
     
     

    電気学会

  •  
     
     

    情報処理学会

 

Research Areas 【 display / non-display

  • Software

  • Intelligent informatics

  • Control and system engineering

  • Control and system engineering

Research Interests 【 display / non-display

  • 生産管理、生産スケジューリング、オブジェクト指向、エージェント、システム情報(知識)処理、生産システム工学、ヒューマンインターフェイス、人工知能アーキテクチャ、生産情報アーキテクチャ

Papers 【 display / non-display

  • Localization strategy for island model genetic algorithm to preserve population diversity

    Alfian Akbar Gozali, Shigeru Fujimura

    Studies in Computational Intelligence   719   149 - 161  2018

     View Summary

    Years after being firstly introduced by Fraser and remodeled for modern application by Bremermann, genetic algorithm (GA) has a significant progression to solve many kinds of optimization problems. GA also thrives into many variations of models and approaches. Multi-population or island model GA (IMGA) is one of the commonly used GA models. IMGA is a multi-population GA model objected to getting a better result (aimed to get global optimum) by intrinsically preserve its diversity. Localization strategy of IMGA is a new approach which sees an island as a single living environment for its individuals. An island’s characteristic must be different compared to other islands. Operator parameter configuration or even its core engine (algorithm) represents the nature of an island. These differences will incline into different evolution tracks which can be its speed or pattern. Localization strategy for IMGA uses three kinds of single GA core: standard GA, pseudo GA, and informed GA. Localization strategy implements migration protocol and the bias value to control the movement. The experiment results showed that localization strategy for IMGA succeeds to solve 3-SAT with an excellent performance. This brand new approach is also proven to have a high consistency and durability.

    DOI

  • Abnormal Data Analysis in Process Industries using Deep-Learning Method

    Wen Song

    2017 International Conference on Industrial Engineering and Engineering Management (IEEM 2017)    2017.12

  • Performance analysis of localization strategy for island model genetic algorithm

    Alfian Akbar Gozali, Shigeru Fujimura

    Proceedings - 18th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing, SNPD 2017     425 - 430  2017.08

     View Summary

    Genetic algorithm (GA) is one of the standard solutions to solve many optimization problems. One of a GA type used for solving a case is island model GA (IMGA). Localization strategy is a brand-new feature for IMGA to better preserves its diversity. In the previous research, localization strategy could carry out 3SAT problem almost perfectly. In this study, the proposed feature is aimed to solve real parameter single objective computationally expensive optimization problems. Differ with an issue in previous research which has a prior knowledge and binary, the computationally expensive optimization has not any prior knowledge and floating type problem. Therefore, the localization strategy and its GA cores must adapt. The primary goal of this research is to analyze further the localization strategy for IMGA's performance. The experiments show that the new feature is successfully modified to meet the new requirement. Localization strategy for IMGA can solve all computationally expensive functions consistently. Moreover, this new feature could make IMGA reaches leading ratio 0.47 among other current solvers.

    DOI

  • Performance analysis of localization strategy for island model genetic algorithm

    Alfian Akbar Gozali, Shigeru Fujimura

    Proceedings - 18th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing, SNPD 2017     327 - 332  2017.08

     View Summary

    Genetic algorithm (GA) is one of the standard solutions to solve many optimization problems. One of a GA type used for solving a case is island model GA (IMGA). Localization strategy is a brand-new feature for IMGA to better preserves its diversity. In the previous research, localization strategy could carry out 3SAT problem almost perfectly. In this study, the proposed feature is aimed to solve real parameter single objective computationally expensive optimization problems. Differ with an issue in previous research which has a prior knowledge and binary, the computationally expensive optimization has not any prior knowledge and floating type problem. Therefore, the localization strategy and its GA cores must adapt. The primary goal of this research is to analyze further the localization strategy for IMGA's performance. The experiments show that the new feature is successfully modified to meet the new requirement. Localization strategy for IMGA can solve all computationally expensive functions consistently. Moreover, this new feature could make IMGA reaches leading ratio 0.47 among other current solvers.

    DOI

  • Abnormal State Prediction based on Deep Learning using Multiple Time Series Production Process Data

    Shigeru Fujimura

    International Work-Conference on Time Series Analysis (ITISE 2017)    2017.07

display all >>

Industrial Property Rights 【 display / non-display

  • 挙動予測システム及び挙動予測方法

    藤村 茂

    Patent

Awards 【 display / non-display

  • (社)発明協会 関東地方表彰 発明奨励賞

    2003.11  

  • (社)電気学会 論文発表賞

    1994.10  

Research Projects 【 display / non-display

  • ディープラーニングを用いたプロセス産業のオペレータ支援機能に関する研究

    Project Year :

    2019.04
    -
    2022.03
     

     View Summary

    第4次産業革命の実現やIoT(Internet of Things)の導入を日本のプロセス産業で成功させるため,プロセス制御監視システムによって蓄積された時々刻々変化する時系列データを利用しディープラーニング技術を応用した実プロセスで利用可能なオペレータ支援機能を実現する.本研究課題のアプローチは,正常時の複数の時系列データを入力情報とし,1時系列データの将来の挙動を予測するものである.現場力を重んじる日本のプロセス産業において,熟練オペレータに対するポカミス防止,新人オペレータに対するプロセス知識において気づきを与える予測表示機能によるオペレータ支援機能を実現する

  • Spiral-Evolutional Production Scheduling System synchronized with improvement of Production and Business process

    Project Year :

    2015.04
    -
    2018.03
     

     View Summary

    This research aims to propose a spiral-evolutional production scheduling system which is built in synchronizing with improvement of production and business process itself. Spiral-evolution is a mechanism that a system changes itself to fit to surrounding environment which is affected by changes of business process and improvement of production process. A conventional production scheduling system has been built with specialized functions for each production and business process. On the other hand, if we use this proposed production scheduling system, firstly a system with simple functions is provided automatically, and evolved by using the spiral-evolutional mechanism. By using this evolutional mechanism, initialization and maintenance cost is reduced and this system can follow to any future changes

  • A Reference Model for Development of Production Scheduling Systems based on Business Process Modeling

    Project Year :

    2011.04
    -
    2014.03
     

     View Summary

    The purposes of this research are to make a generalized business process model of production scheduling work and to build a systematization reference model based on it. To make such a business process clear, various kinds of production work are analyzed and a generalized business process model is created. According to it, specifications for implementation modules and interfaces are designed and a systematization reference model combining these is proposed. In this research, the following two items are achieved. 1) A systematization reference model is proposed that overcomes several problems while scheduling systems are implemented. 2) A novel concept of spiral evolutional systematization which synchronizes system development with an environment changed by kaizen of production process is proposed. A systemization reference model for small and medium-sized enterprises based on this concept is proposed and a production scheduling system based on the model is developed and evaluated

  • 自己構築型生産スケジューリングシステムの開発

    Project Year :

    2007
    -
     
     

  • 半導体後工程生産負荷分散システムの構築

    Project Year :

    2007
    -
     
     

display all >>

Specific Research 【 display / non-display

  • 溶接作業のリアルタイム診断による作業者支援のための工知能システムの開発

    2020  

     View Summary

    作業の熟練度が製品の加工状態に大きな影響を与える作業として溶接作業を取り上げ、熟練者の作業モデルを開発し、そのモデルを利用した溶接作業診断システムの提案を行うことを目的とした。熟練者の“手の動き”を捉えるためには6軸モーションセンサ(3軸の加速度および3軸の角速度センサ)をどのように熟練者の技能継承に利用するかがポイントとなった。熟練者の作業と初心者の作業の違いがどのようなところに存在するかを調査し、それらの違いを感知するためのセンサを検討し、実データの収集・分析し、熟練者の作業との差異を識別して作業者に作業の状態の診断結果を示す人工知能のモデル(機械学習モデル)を実現した。

  • 熟練者の視線解析によるAR作業支援マニュアル構築手法に関する研究

    2019  

     View Summary

    本研究課題では,製造業の現場力に焦点をあて,熟練者が実施している作業を分析し,熟練者の知識を基盤とした作業支援マニュアルをAR(Augmented Reality : 拡張現実)技術を駆使して実現することを目的とした.そこで,まず,熟練者の視線の動きから熟練者の思考の過程を分析し,どのような情報を作業者に示すことが作業を遂行するために必要かを解析した.そして,解析結果を利用して,現在利用されている紙媒体(紙面)マニュアルや動画マニュアルの問題点や改善方法を解析した.そしてAR技術を利用して,いかに有用な情報を拡張視野に取り込み作業者支援できるかに関して検討した.

  • ディープラーニングを用いたプロセス産業のオペレータ支援機能に関する研究

    2018  

     View Summary

    第4次産業革命の実現やIoTの導入を日本のプロセス産業で成功させるため,プロセス制御監視システムによって蓄積されてきた時々刻々変化する時系列データを利用し,ディープラーニング技術を応用したオペレータ支援用のモデルを構築する.今年度は,プロセスオペレータの支援機能を実現する基本的なモデルを提案し,その有効性を確認した.このモデルは,複数のプロセス時系列データを入力として,予測したい一つのプロセス時系列データの将来の挙動を予測するモデルであり,予測した正常データと異常データの乖離から異常状態を検知しオペレータに通知できることを確認した.

  • ディープラーニングを利用したボイラープラント監視制御システムにおける異常予知に関する研究

    2018  

     View Summary

    本研究課題は,ボイラープラントのプロセス制御監視生産システムにおける異常予知システムの実現を目的としている.今年度は,ボイラープラントにおけるバーナー制御,燃料O2制御,チューブ劣化,ダンパー制御等の重要な部分の一部を対象とし,オペレータ支援機能を含む異常予知システムを実現するためのディープニューラルネットワークのモデルを提案した.まず,企業でのヒアリングを実施し,実際のプラントオペレーションの方法を解析した.そして,ボイラープラントの異常予知に汎用的に利用できる一つのディープラーニングのモデルを提案し,実プラントでのデータを利用してこのモデルの有効性を評価した.

  • 工場内の熟練者のノウハウ抽出のための動線・視線解析システムの開発

    2017  

     View Summary

     工場において生産性を向上させ作業者が快適に働ける環境を実現するために,IoTの導入は大変期待されている.また,工場における熟練者の存在はこれらの課題の解決に大きく寄与するが,暗黙知として熟練者が利用しているノウハウを解析しシステム化することは大変難しい.そこで,本研究課題では,実際の製造工場での熟練者の動きを解析し意思決定がどのように行なわれているかを解析する手法を検討した.具体的には,実際の製造工場での熟練者の視線の動きを解析し,熟練者のノウハウを形式知化するための視線移動解析手法を整理した.また,工場内の動線を簡易に比較的に安価で解析できる深層学習を利用したツールのプロトタイプを開発した.

display all >>

 

Syllabus 【 display / non-display

display all >>