論文の概要: AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes
- arxiv url: http://arxiv.org/abs/2008.12987v1
- Date: Sat, 29 Aug 2020 14:57:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 16:52:00.821720
- Title: AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes
- Title(参考訳): スマート製造プロセスのためのAIに基づくモデリングとデータ駆動評価
- Authors: Mohammadhossein Ghahramani, Yan Qiao, MengChu Zhou, Adrian OHagan, and
James Sweeney
- Abstract要約: 本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 56.65379135797867
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart Manufacturing refers to optimization techniques that are implemented in
production operations by utilizing advanced analytics approaches. With the
widespread increase in deploying Industrial Internet of Things (IIoT) sensors
in manufacturing processes, there is a progressive need for optimal and
effective approaches to data management. Embracing Machine Learning and
Artificial Intelligence to take advantage of manufacturing data can lead to
efficient and intelligent automation. In this paper, we conduct a comprehensive
analysis based on Evolutionary Computing and Deep Learning algorithms toward
making semiconductor manufacturing smart. We propose a dynamic algorithm for
gaining useful insights about semiconductor manufacturing processes and to
address various challenges. We elaborate on the utilization of a Genetic
Algorithm and Neural Network to propose an intelligent feature selection
algorithm. Our objective is to provide an advanced solution for controlling
manufacturing processes and to gain perspective on various dimensions that
enable manufacturers to access effective predictive technologies.
- Abstract(参考訳): スマートマニュファクチャリング(smart manufacturing)とは、高度な分析手法を駆使して製品運用に実装される最適化技術を指す。
産業用IoT(Industrial Internet of Things, IIoT)センサーが製造プロセスに広く導入されるにつれて、データ管理に対する最適かつ効果的なアプローチが徐々に求められている。
機械学習と人工知能を製造業データを活用することは、効率的でインテリジェントな自動化につながる。
本稿では,半導体製造をスマートにするための進化的コンピューティングとディープラーニングアルゴリズムに基づく包括的分析を行う。
半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案し,様々な課題に対処する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを用いて,インテリジェントな特徴選択アルゴリズムを提案する。
我々の目標は、製造プロセスを制御するための高度なソリューションを提供し、製造業者が効果的な予測技術にアクセスできるようにする様々な次元の視点を得ることである。
関連論文リスト
- Reinforced In-Context Black-Box Optimization [67.02295929937829]
RIBBOは、オフラインデータからエンドツーエンドでBBOアルゴリズムを強化学習する手法である。
RIBBOは、複数の動作アルゴリズムとタスクによって生成された最適化履歴を学習するために、表現的なシーケンスモデルを使用している。
提案手法の中心となるのは,履歴の累積的後悔に基づくアルゴリズムの性能を表現するために,後悔から後悔へのトークンで最適化履歴を増大させることである。
論文 参考訳(メタデータ) (2024-02-27T11:32:14Z) - Machine learning for industrial sensing and control: A survey and
practical perspective [7.678648424345052]
プロセス産業で実際に成功している重要な統計および機械学習技術を特定する。
ソフトセンシングは、統計学と機械学習の手法の多くの産業応用を含んでいる。
データ駆動最適化と制御のための2つの異なるフレーバーについて考察する。
論文 参考訳(メタデータ) (2024-01-24T22:27:04Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳(メタデータ) (2024-01-11T15:02:15Z) - Artificial Intelligence for Operations Research: Revolutionizing the
Operations Research Process [16.39425391829825]
人工知能(AI)技術の急速な進歩により、オペレーティングリサーチ(OR)を含む様々な分野に革命をもたらす新たな機会が開かれた。
本稿では,AIのORプロセス(AI4OR)への統合について検討し,その有効性と効率を複数の段階にわたって向上させる。
AIとORの相乗効果は、多くの領域において、大幅な進歩と新しいソリューションを推し進める可能性がある。
論文 参考訳(メタデータ) (2024-01-06T15:55:14Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-14T10:37:34Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳(メタデータ) (2022-03-06T10:12:56Z) - AI/ML Algorithms and Applications in VLSI Design and Technology [3.1171750528972204]
本稿では、VLSIの設計・製造において過去に導入されたAI/ML自動化アプローチについて概説する。
将来、VLSI設計の分野に革命をもたらすため、様々な抽象化レベルでAI/MLアプリケーションの範囲について論じる。
論文 参考訳(メタデータ) (2022-02-21T07:01:27Z) - Towards Explainable Artificial Intelligence in Banking and Financial
Services [0.0]
説明可能な人工知能(XAI)の手法とツールを用いた最近の研究を研究・分析する。
我々は,高レベルの学習性能を維持しつつ,説明可能なモデルの作成を容易にする新しいXAIプロセスを導入する。
我々は,アルゴリズム結果との対話を容易にするデジタルダッシュボードを開発した。
論文 参考訳(メタデータ) (2021-12-14T08:02:13Z) - A Survey on Large-scale Machine Learning [67.6997613600942]
機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。
ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。
大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
論文 参考訳(メタデータ) (2020-08-10T06:07:52Z)
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。