Adaptive-Sensorless Monitoring of Shipping Containers
Created by
- Haebom
Category
Empty
저자
Lingqing Shen, Chi Heem Wong, Misaki Mito, Arnab Chakrabarti
개요
화물 운송 중 품질 저하를 방지하기 위해 컨테이너 내부 온도 및 습도 모니터링이 필수적입니다. 본 논문에서는 외부 요인을 사용하여 컨테이너 내부 조건을 예측하는 기계 학습 모델인 센서리스 모니터링의 대안으로, 라이브 원격 측정 데이터를 관찰한 후 센서리스 모델의 체계적인 편향을 보정하기 위한 일반적인 프레임워크인 잔차 보정 방법을 소개합니다. 이 모델을 "적응형 센서리스" 모니터링이라고 부릅니다. 348만 개의 데이터 포인트를 사용하여 모델을 훈련 및 평가하였으며, 센서리스 모델보다 일관된 개선을 보였습니다.
시사점, 한계점
•
시사점:
◦
적응형 센서리스 모델은 센서리스 모델보다 더 정확한 화물 모니터링을 제공합니다.
◦
조기 위험 감지를 가능하게 합니다.
◦
글로벌 배송에서 완전한 연결성에 대한 의존성을 줄여줍니다.
◦
온도 예측의 평균 MAE는 2.242.31°C(센서리스 모델 2.43°C), 습도 예측의 평균 MAE는 5.727.09%(센서리스 모델 7.99%)를 달성했습니다.
◦
온도 예측의 RMSE는 3.193.26°C(센서리스 모델 3.38°C), 습도 예측의 RMSE는 7.709.12%(센서리스 모델 10.0%)를 달성했습니다.
•
한계점:
◦
논문에 구체적인 한계점에 대한 언급은 없습니다.
