論文の概要: XAI4Wind: A Multimodal Knowledge Graph Database for Explainable Decision
Support in Operations & Maintenance of Wind Turbines
- arxiv url: http://arxiv.org/abs/2012.10489v2
- Date: Wed, 24 Feb 2021 04:38:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 18:16:11.958584
- Title: XAI4Wind: A Multimodal Knowledge Graph Database for Explainable Decision
Support in Operations & Maintenance of Wind Turbines
- Title（参考訳）: xai4wind:風力発電機の運転・保守における意思決定支援のためのマルチモーダルナレッジグラフデータベース
- Authors: Joyjit Chatterjee, Nina Dethlefs
- Abstract要約: コンディションベースのモニタリング(CBM)は、タービンの操作上の不一致や故障を監視するために風力業界で広く利用されています。
既存の研究は、運用と保守における説明可能な意思決定支援を容易にする具体的な基礎を提示していない。
XAI4Windは実世界の運転タービンにおける意思決定支援のためのマルチモーダル知識グラフである。
- 参考スコア（独自算出の注目度）: 1.713291434132985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Condition-based monitoring (CBM) has been widely utilised in the wind
industry for monitoring operational inconsistencies and failures in turbines,
with techniques ranging from signal processing and vibration analysis to
artificial intelligence (AI) models using Supervisory Control & Acquisition
(SCADA) data. However, existing studies do not present a concrete basis to
facilitate explainable decision support in operations and maintenance (O&M),
particularly for automated decision support through recommendation of
appropriate maintenance action reports corresponding to failures predicted by
CBM techniques. Knowledge graph databases (KGs) model a collection of
domain-specific information and have played an intrinsic role for real-world
decision support in domains such as healthcare and finance, but have seen very
limited attention in the wind industry. We propose XAI4Wind, a multimodal
knowledge graph for explainable decision support in real-world operational
turbines and demonstrate through experiments several use-cases of the proposed
KG towards O&M planning through interactive query and reasoning and providing
novel insights using graph data science algorithms. The proposed KG combines
multimodal knowledge like SCADA parameters and alarms with natural language
maintenance actions, images etc. By integrating our KG with an Explainable AI
model for anomaly prediction, we show that it can provide effective
human-intelligible O&M strategies for predicted operational inconsistencies in
various turbine sub-components. This can help instil better trust and
confidence in conventionally black-box AI models. We make our KG publicly
available and envisage that it can serve as the building ground for providing
autonomous decision support in the wind industry.
- Abstract（参考訳）: コンディションベースの監視(CBM)は、信号処理や振動解析から、SCADA(Supervisory Control & Acquisition)データを用いた人工知能(AI)モデルまで、タービンの運用上の不整合や故障の監視に広く利用されている。
しかし、既存の研究では、特にCBM技術が予測した障害に対応する適切な保守行動報告を推奨することで、O&M(O&M)における説明可能な意思決定支援を促進するための具体的な基盤を提示していない。
知識グラフデータベース(KG)は、ドメイン固有の情報の集合をモデル化し、医療や金融などの領域における現実的な意思決定支援において本質的な役割を担っているが、風力産業において非常に注目されている。
XAI4Windは,実世界の運転タービンにおける説明可能な意思決定支援のためのマルチモーダル知識グラフであり,対話型クエリと推論によるO&M計画に向けたKGのいくつかのユースケースを実証し,グラフデータ科学アルゴリズムを用いた新たな洞察を提供する。
提案したKGは、SCADAパラメータやアラームなどのマルチモーダルな知識と、自然言語のメンテナンスアクション、イメージなどを組み合わせたものだ。
異常予測のための説明可能なAIモデルとKGを統合することにより, タービンサブコンポーネントの動作不整合を予測するために, 効果的に人間知能なO&M戦略を提供できることを示す。
これにより、従来のブラックボックスaiモデルの信頼性と信頼性が向上する。
我々はKGを公に公開し、風力産業における自律的な意思決定支援のためのビルディンググラウンドとして利用できるようにする。
関連論文リスト
- MOKA: Open-World Robotic Manipulation through Mark-Based Visual Prompting [97.52388851329667]
我々は,自由形式の言語命令で指定されたロボット操作タスクを解決するために,マーキングオープンワールドキーポイントアフォード(Moka)を導入する。
我々のアプローチの中心は、VLMの観測画像と物理世界におけるロボットの行動に関する予測を橋渡しする、コンパクトな点ベースの可測性表現である。
ツールの使用,変形可能な身体操作,オブジェクト再構成など,さまざまなテーブルトップ操作タスクにおけるMokaの性能評価と解析を行った。
論文 参考訳（メタデータ） (2024-03-05T18:08:45Z) - Does Your Model Think Like an Engineer? Explainable AI for Bearing Fault
Detection with Deep Learning [20.488966890562004]
本研究では,振動信号から転がり要素軸受の欠陥を検知する作業に焦点をあてる。
本稿では,モデルの基本となる論理が専門家の推論とどの程度うまく対応しているかを評価するための,新しい,ドメイン固有の属性フレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-19T17:58:11Z) - MinT: Boosting Generalization in Mathematical Reasoning via Multi-View
Fine-Tuning [53.90744622542961]
数学領域における推論は、小言語モデル(LM)にとって重要な課題である。
多様なアノテーションスタイルで既存の数学的問題データセットを利用する新しい手法を提案する。
実験結果から,LLaMA-7Bモデルが先行手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-07-16T05:41:53Z) - Explainable Predictive Maintenance [6.274171448205146]
本稿では,既存のXAI手法と産業応用における説明の具体的要件とのギャップを浮き彫りにする。
本稿では,予測保守作業の概要と,それに対応する説明の必要性と目的を強調する。
次に、文献で一般的に使われているXAIテクニックをリストアップし、記述し、PdMタスクに適合性について論じる。
論文 参考訳（メタデータ） (2023-06-08T11:42:47Z) - An XAI framework for robust and transparent data-driven wind turbine
power curve models [0.8547032097715571]
風力タービン動力曲線モデルは周囲の条件をタービン出力に変換する。
近年、複雑化する機械学習手法がこのタスクの最先端となっている。
本稿では,データ駆動パワーカーブモデルから得られた戦略を検証し,検証するための説明可能な人工知能フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-19T17:37:58Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - XAI for transparent wind turbine power curve models [0.0]
我々はShapley値とXAIを使って、機械学習モデルが運用風力タービンデータから学んだ戦略を明らかにする。
この結果から,テストセットのパフォーマンスを重視した,より大規模なモデルアーキテクチャへのトレンドが,物理的に理解不能なモデル戦略をもたらすことが判明した。
本稿では,風力タービン性能モニタリングの文脈における根本原因解析の実践的手法を提案する。
論文 参考訳（メタデータ） (2022-10-21T16:59:06Z) - Scientometric Review of Artificial Intelligence for Operations &
Maintenance of Wind Turbines: The Past, Present and Future [1.370633147306388]
コンディションベースモニタリング(CBM)とタービンの性能評価・分析は、効率的な運転・保守の確保に不可欠である。
データ駆動による意思決定技術は、過去10年間に風力産業におけるこのようなO&Mタスクの急速な進化を目撃してきた。
私たちは、データ可用性と品質における現在の重要な課題、ブラックボックスに飽和したAIモデルの透明性の欠如、そして、リアルタイムな意思決定サポートのためのモデルをデプロイする際の一般的な問題について、未来と現在の展望を提供しています。
論文 参考訳（メタデータ） (2022-03-30T21:42:21Z) - Beyond Explaining: Opportunities and Challenges of XAI-Based Model
Improvement [75.00655434905417]
説明可能な人工知能(XAI)は、高度に複雑な機械学習(ML)モデルに透明性をもたらす新たな研究分野である。
本稿では,機械学習モデルの諸特性を改善するために,XAIを実用的に応用する手法を概観する。
実験では,モデル一般化能力や推論などの特性を改善する上で,説明がどのように役立つのかを,おもちゃと現実的な設定で実証的に示す。
論文 参考訳（メタデータ） (2022-03-15T15:44:28Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳（メタデータ） (2022-03-03T20:52:47Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z)
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。