論文の概要: Towards Leveraging End-of-Life Tools as an Asset: Value Co-Creation based on Deep Learning in the Machining Industry

• arxiv url: http://arxiv.org/abs/2008.01053v1
• Date: Fri, 24 Jul 2020 07:06:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 07:15:07.941430
• Title: Towards Leveraging End-of-Life Tools as an Asset: Value Co-Creation based on Deep Learning in the Machining Industry
• Title（参考訳）: エンド・オブ・ライフ・ツールの資産活用に向けて--加工産業におけるディープラーニングに基づく価値共同創造
• Authors: Jannis Walk, Niklas K\"uhl and Jonathan Sch\"afer
• Abstract要約: エンド・オブ・ライフの製品は、リサイクル可能な資産としての価値に加えて、生産者や消費者に付加価値をもたらすことを提案します。 特に機械加工業界では, 加工工具の自動的特徴について論じる。 本稿では, 側面装具と切削用具の自動分類のための深層学習型コンピュータビジョンシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Sustainability is the key concept in the management of products that reached their end-of-life. We propose that end-of-life products have -- besides their value as recyclable assets -- additional value for producer and consumer. We argue this is especially true for the machining industry, where we illustrate an automatic characterization of worn cutting tools to foster value co-creation between tool manufacturer and tool user (customer) in the future. In the work at hand, we present a deep-learning-based computer vision system for the automatic classification of worn tools regarding flank wear and chipping. The resulting Matthews Correlation Coefficient of 0.878 and 0.644 confirms the feasibility of our system based on the VGG-16 network and Gradient Boosting. Based on these first results we derive a research agenda which addresses the need for a more holistic tool characterization by semantic segmentation and assesses the perceived business impact and usability by different user groups.
• Abstract（参考訳）: 持続可能性(Sustainability)は、製品管理における重要な概念である。 エンド・オブ・ライフの製品は、リサイクル可能な資産としての価値に加えて、生産者や消費者に付加価値をもたらすことを提案します。 これは加工産業において特に当てはまり、将来的には工具製造者と工具利用者(顧客)のコクリエーションを促進するための切削工具の自動的特徴を説明する。 そこで本研究では,身に着ける道具の自動分類を行うための,ディープラーニングを用いたコンピュータビジョンシステムを提案する。 0.878と0.644のマシューズ相関係数は、VGG-16ネットワークとグラディエントブースティングに基づくシステムの実現可能性を確認する。 これらの最初の結果に基づいて、セマンティックセグメンテーションによるより包括的なツールのキャラクタリゼーションの必要性に対処し、異なるユーザグループによる認識されたビジネスへの影響とユーザビリティを評価する。

関連論文リスト

• Efficient Cutting Tool Wear Segmentation Based on Segment Anything Model [0.16666049492586987]
  本稿では,U-Netを自動プロンプトジェネレータとして統合したセグメンテーションモデルに基づく効率的なツールウェアセグメンテーション手法を提案する。 その結果、U-Netに対するアプローチのアドバンテージを一貫して強調し、限られたトレーニングデータセットでも正確な摩耗セグメンテーションを実現する能力を強調した。
  論文  参考訳（メタデータ） (2024-07-01T11:57:53Z)
• EcoVal: An Efficient Data Valuation Framework for Machine Learning [11.685518953430554]
  機械学習におけるデータアセスメントのための既存のShapley値ベースのフレームワークは、計算コストが高い。 機械学習モデルのデータを高速かつ実用的な方法で推定するために,効率的なデータアセスメントフレームワークであるEcoValを導入する。
  論文  参考訳（メタデータ） (2024-02-14T16:21:47Z)
• Learning to Extract Structured Entities Using Language Models [52.281701191329]
  機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。 タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。 我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
  論文  参考訳（メタデータ） (2024-02-06T22:15:09Z)
• Reliability in Semantic Segmentation: Can We Use Synthetic Data? [69.28268603137546]
  セマンティックセグメンテーションモデルの現実的信頼性を総合的に評価するために、合成データを具体的に生成する方法を初めて示す。 この合成データは、事前訓練されたセグメンタの堅牢性を評価するために使用される。 セグメンタのキャリブレーションとOOD検出能力を向上するために,我々のアプローチをどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2023-12-14T18:56:07Z)
• Tool-Augmented Reward Modeling [58.381678612409]
  本稿では,外部環境へのアクセスによるRMの強化により,制約に対処するツール拡張された嗜好モデリング手法であるThemisを提案する。 我々の研究は、外部ツールをRMに統合し、様々な外部ソースとの相互作用を可能にすることを目的としている。 人間の評価では、テミスで訓練されたRLHFはベースラインと比較して平均32%の勝利率を得る。
  論文  参考訳（メタデータ） (2023-10-02T09:47:40Z)
• LLM-based Interaction for Content Generation: A Case Study on the Perception of Employees in an IT department [85.1523466539595]
  本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。 以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。 分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-18T15:35:43Z)
• Artificial Intelligence for Sustainability: Facilitating Sustainable Smart Product-Service Systems with Computer Vision [0.0]
  この研究は、生産および製品利用の持続可能性を高めるために、ディープラーニングをどのように活用できるかを示している。 深層学習に基づくコンピュータビジョンを用いて製品の摩耗状態を決定する。 我々は, 加工ツールと回転X線アノードの2つの製品に対するアプローチを実証する。
  論文  参考訳（メタデータ） (2023-03-17T16:01:39Z)
• Performance of different machine learning methods on activity recognition and pose estimation datasets [0.0]
  本稿では、リッチポーズ推定(OpenPose)とHARデータセットにおける古典的アプローチとアンサンブルアプローチを用いる。 その結果,無作為林はADLの分類において最も正確であることが示唆された。 相対的にすべてのモデルは、ロジスティック回帰とAdaBoostを除いて、両方のデータセットで優れたパフォーマンスを持つ。
  論文  参考訳（メタデータ） (2022-10-19T02:07:43Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
  Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。 このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
  論文  参考訳（メタデータ） (2022-05-24T02:28:58Z)
• Strategic Evaluation in Optimizing the Internal Supply Chain Using TOPSIS: Evidence In A Coil Winding Machine Manufacturer [1.6114012813668934]
  本研究は、内部サプライチェーンの性能に影響を及ぼす要因について批判的に考察する。 その結果、サプライヤー関係と在庫計画が、製品のオンタイムデリバリに肯定的な影響を及ぼす主な要因であったことが示唆された。
  論文  参考訳（メタデータ） (2020-07-08T12:46:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。