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

• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Intelligent Cross-Organizational Process Mining: A Survey and New Perspectives [40.62773366902451]
  本稿では,プロセスマイニングの分野に関する具体的な見解を提唱する。 まず、プロセスマイニングの枠組み、一般的な産業応用、そして人工知能と組み合わされた最新の進歩について要約する。 この視点は、複雑な多組織データ分析のための洗練されたソリューションを提供するために人工知能を活用することによって、プロセスマイニングに革命をもたらすことを目的としている。
  論文  参考訳（メタデータ） (2024-07-15T23:30:34Z)
• Informatics & dairy industry coalition: AI trends and present challenges [5.014059576916173]
  この研究は、AIを活用可能な産業上の課題を包括的に記述し、乳製品産業に焦点を当てている。 結論は、牛のモニタリングと農家に対する新しいアプローチを、彼らのニーズに先進的な技術ソリューションを提案して適用する上で有効である。
  論文  参考訳（メタデータ） (2024-06-18T16:39:21Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• Reinforced In-Context Black-Box Optimization [64.25546325063272]
  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る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,テキストレグレット・ツー・ゴートークンによる最適化履歴の増大である。
  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)
• 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)
• 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)

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。