JMP機械学習技術を適用したローラベアリングリアルタイム異常検知監視システムの構築（2020-JP-30MP-709）レベル: 上級
ローラベイリングのリアルタイム異常検知監視システムを構築するためにローラベイリングの加速度信号を0.5秒単位で前処理した後、前処理した加速度信号に様々な統計指標を適用し、ローラベアリングのNOR(normal)、ORF(outer race) fault）、IRF（inner race fault）のパターンを定義した後、機械学習技法でパターンを学習し、リアルタイムで異常検知を監視するシステムを構築する。 JMPの統計方法論を適用し、ころ軸受加速度信号のNOR(normal)、ORF(outer race fault)、IRF(inner race fault)パターンを認知する統計指標をSkewnessとKurtosisに選定し、パターン認識はJMPが提供機械学習方法論であるANN（Artificial Neural Network）、SVM（Support Vector Machines）とロジスティック回帰であるNL（Nominal Logistics）を適用して異常検知モデルを構築した。
高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査実験計画法予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析
