藤村 茂 (フジムラ シゲル)

写真a

所属

理工学術院 大学院情報生産システム研究科

職名

教授

ホームページ

http://www.smartindustry.jp/

兼担 【 表示 / 非表示

  • 理工学術院   基幹理工学部

学内研究所等 【 表示 / 非表示

  • 2020年
    -
    2022年

    理工学術院総合研究所   兼任研究員

学位 【 表示 / 非表示

  • 早稲田大学(日本)   博士(工学)

所属学協会 【 表示 / 非表示

  •  
     
     

    IEEE

  •  
     
     

    電気学会

  •  
     
     

    情報処理学会

 

研究分野 【 表示 / 非表示

  • ソフトウェア

  • 知能情報学

  • 制御、システム工学

  • 制御、システム工学

研究キーワード 【 表示 / 非表示

  • 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

論文 【 表示 / 非表示

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

    Alfian Akbar Gozali, Shigeru Fujimura

    Studies in Computational Intelligence   719   149 - 161  2018年

     概要を見る

    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年12月

  • 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年08月

     概要を見る

    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年08月

     概要を見る

    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年07月

全件表示 >>

産業財産権 【 表示 / 非表示

  • 挙動予測システム及び挙動予測方法

    藤村 茂

    特許権

受賞 【 表示 / 非表示

  • (社)発明協会 関東地方表彰 発明奨励賞

    2003年11月  

  • (社)電気学会 論文発表賞

    1994年10月  

共同研究・競争的資金等の研究課題 【 表示 / 非表示

  • 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

    研究期間:

    2019年04月
    -
    2022年03月
     

     概要を見る

    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

  • 業務・生産プロセス改善と同期したスパイラル進化可能なスケジューリングシステム

    研究期間:

    2015年04月
    -
    2018年03月
     

     概要を見る

    本研究課題は,生産業務および生産プロセスの改善活動と同期したスパイラル進化可能な生産スケジューリングシステムを提案することを目的としている.スパイラル進化とは,システム導入後の生産業務・プロセスの改善活動による生産をとりまく環境の変化に対して,システムが逐次システム自身も変化させ適合していく仕組みである.従来の生産スケジューリングシステムは,個々の生産プロセスに特化した形で導入されてきたが,本システムは単純な機能から利用を開始し,徐々に変化していく仕組みを導入し,初期導入およびメンテナンスを容易にする

  • 生産スケジューリング業務プロセスモデリングによるシステム化規範構築に関する研究

    研究期間:

    2011年04月
    -
    2014年03月
     

     概要を見る

    本研究課題の目的は,生産スケジューリングの業務プロセスモデリングを行い,システム化規範を構築することである.具体的には業務プロセスモデルを明確にし,そのモデルに適合するシステム化モジュールの機能およびインタフェース仕様を定め,システム化モジュールを用いたシステム化規範を提案することである.本研究課題では,(1)現状のシステム構築の問題点を整理し,その問題点を克服するためのシステム化規範をまとめ,(2)スケジューリング業務と製造プロセスの改善作業を同期させ進化させるスパイラル進化型システム開発規範をまとめ,それに従った生産スケジューリングシステムを開発しその有効性を評価した

  • 自己構築型生産スケジューリングシステムの開発

    研究期間:

    2007年
    -
     
     

  • 半導体後工程生産負荷分散システムの構築

    研究期間:

    2007年
    -
     
     

全件表示 >>

特定課題研究 【 表示 / 非表示

  • 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年  

     概要を見る

    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年  

     概要を見る

    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年  

     概要を見る

    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年  

     概要を見る

    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年  

     概要を見る

     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.

全件表示 >>

 

現在担当している科目 【 表示 / 非表示

全件表示 >>