論文の概要: Integrating 2D and 3D Digital Plant Information Towards Automatic
Generation of Digital Twins
- arxiv url: http://arxiv.org/abs/2104.01854v1
- Date: Mon, 5 Apr 2021 11:07:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 14:46:18.731321
- Title: Integrating 2D and 3D Digital Plant Information Towards Automatic
Generation of Digital Twins
- Title（参考訳）: デジタル双生児自動生成のための2次元および3次元デジタル植物情報の統合
- Authors: Seppo Sierla (1), Mohammad Azangoo (1), Alexander Fay (2), Valeriy
Vyatkin (1 and 3), and Nikolaos Papakonstantinou (4) ((1) Department of
Electrical Engineering and Automation, Aalto University, Espoo, Finland, (2)
Department of Automation Engineering, Helmut Schmidt University, Hamburg,
Germany, (3) Department of Computer Science, Electrical and Space
Engineering, Lule{\aa} University of Technology, Lule{\aa}, Sweden, (4) VTT
Technical Research Centre of Finland Ltd, Espoo, Finland)
- Abstract要約: 業界4.0の標準化は、パイプとインスツルメンテーションダイアグラムのツールベンダー中立表現と3Dパイプルーティングをサポートする。
配管・インスツルメンテーション図や3次元CADモデルからタンクやポンプなどの対応する要素を識別するアルゴリズムを開発する必要がある。
本稿では,グラフマッチングの前提条件として,グラフの自動生成に焦点を当てる。
- 参考スコア（独自算出の注目度）: 35.37983668316551
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ongoing standardization in Industry 4.0 supports tool vendor neutral
representations of Piping and Instrumentation diagrams as well as 3D pipe
routing. However, a complete digital plant model requires combining these two
representations. 3D pipe routing information is essential for building any
accurate first-principles process simulation model. Piping and instrumentation
diagrams are the primary source for control loops. In order to automatically
integrate these information sources to a unified digital plant model, it is
necessary to develop algorithms for identifying corresponding elements such as
tanks and pumps from piping and instrumentation diagrams and 3D CAD models. One
approach is to raise these two information sources to a common level of
abstraction and to match them at this level of abstraction. Graph matching is a
potential technique for this purpose. This article focuses on automatic
generation of the graphs as a prerequisite to graph matching. Algorithms for
this purpose are proposed and validated with a case study. The paper concludes
with a discussion of further research needed to reprocess the generated graphs
in order to enable effective matching.
- Abstract（参考訳）: 産業4.0の標準化は、パイプとインスツルメンテーション図のツールベンダー中立表現と3Dパイプルーティングをサポートする。
しかし、完全なデジタル植物モデルはこれら2つの表現を組み合わせる必要がある。
3dパイプルーティング情報は、正確な第一原理過程シミュレーションモデルを構築するのに不可欠である。
配管図とインスツルメンテーション図は、制御ループの主要なソースである。
これらの情報ソースを統合型デジタルプラントモデルに自動的に統合するためには、配管やインスツルメンテーション図、三次元CADモデルからタンクやポンプなどの対応する要素を識別するアルゴリズムを開発する必要がある。
1つのアプローチは、これら2つの情報ソースを共通の抽象化レベルに上げ、それらをこの抽象化レベルに合わせることである。
グラフマッチングは、この目的のための潜在的なテクニックである。
本稿では,グラフマッチングの前提条件として,グラフの自動生成に焦点を当てる。
この目的のためのアルゴリズムを提案し、ケーススタディで検証する。
提案論文は,効率的なマッチングを実現するために生成したグラフを再処理するために必要なさらなる研究の議論から締めくくっている。
関連論文リスト
- Seismic First Break Picking in a Higher Dimension Using Deep Graph Learning [6.021171669112303]
1D信号、2Dソース収集、または3Dソース受信者が収集する。
本稿では,DGL-FB と呼ばれる深層グラフ学習手法を提案する。
DGL-FBは、ディープグラフエンコーダを用いて、サブグラフをグローバルな特徴に符号化し、その後、符号化されたグローバルな特徴をローカルノード信号と組み合わせて、FB検出のためのResUNetベースの1Dセグメンテーションネットワークに入力する。
論文 参考訳（メタデータ） (2024-04-12T11:36:24Z) - 3DiffTection: 3D Object Detection with Geometry-Aware Diffusion Features [70.50665869806188]
3DiffTectionは、単一の画像から3Dオブジェクトを検出する最先端の方法である。
拡散モデルを微調整し、単一の画像に条件付けされた新しいビュー合成を行う。
さらに、検出監視により、ターゲットデータ上でモデルをトレーニングする。
論文 参考訳（メタデータ） (2023-11-07T23:46:41Z) - Instance Segmentation Based Graph Extraction for Handwritten Circuit
Diagram Images [4.365209337828563]
本稿では, インスタンス分割とキーポイント抽出の手法を用いて, 電気的成分(端末とテキストの記述を含む)を抽出するアプローチについて述べる。
得られたグラフ抽出プロセスは、モデル推論と自明な幾何学的キーポイントマッチングの2段階からなる。
論文 参考訳（メタデータ） (2023-01-09T03:00:20Z) - An adaptive human-in-the-loop approach to emission detection of Additive
Manufacturing processes and active learning with computer vision [76.72662577101988]
In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。
このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。
本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
論文 参考訳（メタデータ） (2022-12-12T15:11:18Z) - Real-time Detection of 2D Tool Landmarks with Synthetic Training Data [0.0]
本稿では,ハンマーやスクリュードライバーなどの物理ツールのランドマークの2次元位置をリアルタイムで検出する深層学習アーキテクチャを提案する。
手動ラベリングの労力を避けるため、ネットワークは合成されたデータに基づいて訓練される。
本論文では, 中間熱マップモデル (Intermediate Heatmap Model, IHM) と命名し, 合成データを用いて実画像に一般化した。
論文 参考訳（メタデータ） (2022-10-21T14:31:43Z) - What does Transformer learn about source code? [26.674180481543264]
トランスをベースとした表現モデルは、多くのタスクで最先端(SOTA)のパフォーマンスを達成した。
本稿では,変換器が学習した構造情報を調べる手法であるアグリゲートアテンションスコアを提案する。
また、事前学習したモデルからプログラムグラフを自動的に抽出する新しい方法である、集約されたアテンショングラフも提案した。
論文 参考訳（メタデータ） (2022-07-18T09:33:04Z) - Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams [58.720142291102135]
建物からP&IDのシンボルや接続を自動で認識する手法を提案する。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
論文 参考訳（メタデータ） (2021-08-31T15:09:39Z) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳（メタデータ） (2020-12-26T08:02:56Z) - Auto-decoding Graphs [91.3755431537592]
生成モデルは、潜在コードからグラフを合成することを学ぶ自動デコーダである。
グラフは、おそらく接続パターンを特定するためにトレーニングされた自己アテンションモジュールを使用して合成される。
論文 参考訳（メタデータ） (2020-06-04T14:23:01Z)
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。