論文の概要: Transfer Learning as an Enhancement for Reconfiguration Management of Cyber-Physical Production Systems

• arxiv url: http://arxiv.org/abs/2105.14730v1
• Date: Mon, 31 May 2021 06:50:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 17:25:54.260392
• Title: Transfer Learning as an Enhancement for Reconfiguration Management of Cyber-Physical Production Systems
• Title（参考訳）: サイバー物理生産システムの再構成管理のための伝達学習
• Authors: Benjamin Maschler, Timo M\"uller, Andreas L\"ocklin and Michael Weyrich
• Abstract要約: 製造システムの要求の頻繁な変更により、再構成需要が増加している。 近年のアプローチでは、最適な構成を選択可能な構成代替案を検討することを目的としている。 本稿では,伝達学習による総合的再構成管理の強化を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reconfiguration demand is increasing due to frequent requirement changes for manufacturing systems. Recent approaches aim at investigating feasible configuration alternatives from which they select the optimal one. This relies on processes whose behavior is not reliant on e.g. the production sequence. However, when machine learning is used, components' behavior depends on the process' specifics, requiring additional concepts to successfully conduct reconfiguration management. Therefore, we propose the enhancement of the comprehensive reconfiguration management with transfer learning. This provides the ability to assess the machine learning dependent behavior of the different CPPS configurations with reduced effort and further assists the recommissioning of the chosen one. A real cyber-physical production system from the discrete manufacturing domain is utilized to demonstrate the aforementioned proposal.
• Abstract（参考訳）: 製造システムの要求の頻繁な変更により、再構成需要が増加している。 近年のアプローチでは、最適な構成を選択可能な構成代替案を検討することを目指している。 これは、例えば、振る舞いが依存しないプロセスに依存する。 生産の順序です しかしながら、機械学習が使用される場合、コンポーネントの振る舞いはプロセスの仕様に依存し、再設定管理を成功させるために追加の概念を必要とする。 そこで我々は,伝達学習による総合的再構成管理の強化を提案する。 これにより、異なるCPPS構成の機械学習依存挙動を、労力を削減して評価し、選択した構成の再起動を支援することができる。 上記提案を実証するために、離散製造領域からの真のサイバー物理生産システムを利用する。

関連論文リスト

• Variability Modeling of Products, Processes, and Resources in Cyber-Physical Production Systems Engineering [1.6333646796408297]
  CPPSは製品ポートフォリオから製品を製造するための一連の生産手順を実行する。 CPPSエンジニアリングでは、ドメインの専門家が手動で実行可能な生産段階のシーケンスとリソースを決定することから始める。 本稿では,製品,プロセス,資源の変動モデルを導出するための拡張反復プロセスシーケンス探索手法を提案する。
  論文  参考訳（メタデータ） (2024-02-15T11:08:54Z)
• 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)
• Reinforcement Learning of Display Transfer Robots in Glass Flow Control Systems: A Physical Simulation-Based Approach [6.229216953398305]
  フロー制御システムは製造システムの生産能力を高めるための重要な概念である。 フロー制御に関するスケジューリング最適化問題を解決するため、既存の手法はドメイン・ヒューマン・エキスパートによる設計に依存している。 本稿では,物理シミュレーション環境を実装し,ディスプレイ製造における移動ロボットを用いた現実的なフロー制御システムの設計を提案する。
  論文  参考訳（メタデータ） (2023-10-12T02:10:29Z)
• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• On Conditional and Compositional Language Model Differentiable Prompting [75.76546041094436]
  プロンプトは、下流タスクでうまく機能するために、凍結した事前訓練言語モデル(PLM)を適応するための効果的な方法であることが示されている。 タスク命令や入力メタデータを連続的なプロンプトに変換することを学習する新しいモデル Prompt Production System (PRopS) を提案する。
  論文  参考訳（メタデータ） (2023-07-04T02:47:42Z)
• Learning Multi-Objective Curricula for Deep Reinforcement Learning [55.27879754113767]
  深部強化学習(DRL)のサンプル効率と最終性能を向上させるために,各種自動カリキュラム学習(ACL)手法が提案されている。 本稿では,多目的だがコヒーレントなカリキュラムを作成するための統合された自動カリキュラム学習フレームワークを提案する。 既存の手設計のカリキュラムパラダイムに加えて,抽象カリキュラムを学習するためのフレキシブルなメモリ機構を設計する。
  論文  参考訳（メタデータ） (2021-10-06T19:30:25Z)
• Few-shot Quality-Diversity Optimization [50.337225556491774]
  品質多様性(QD)の最適化は、強化学習における知覚的最小値とスパース報酬を扱う上で効果的なツールであることが示されている。 本稿では,タスク分布の例から,パラメータ空間の最適化によって得られる経路の情報を利用して,未知の環境でQD手法を初期化する場合,数発の適応が可能であることを示す。 ロボット操作とナビゲーションベンチマークを用いて、疎密な報酬設定と密集した報酬設定の両方で実施された実験は、これらの環境でのQD最適化に必要な世代数を著しく削減することを示している。
  論文  参考訳（メタデータ） (2021-09-14T17:12:20Z)
• Enhancing an Intelligent Digital Twin with a Self-organized Reconfiguration Management based on Adaptive Process Models [0.0]
  製品ライフサイクルの短縮と生産の個別化の増大は、産業自動化システムにおける再構成需要の増大につながる。 本稿では,適応プロセスモデルに基づく自己組織的再構成管理により,インテリジェントなディジタルツインを強化する手法を提案する。
  論文  参考訳（メタデータ） (2021-07-07T16:02:53Z)
• MLComp: A Methodology for Machine Learning-based Performance Estimation and Adaptive Selection of Pareto-Optimal Compiler Optimization Sequences [10.200899224740871]
  組込みソフトウェア最適化のための新しい強化学習型ポリシー手法を提案する。 異なる機械学習モデルが自動的にテストされ、最適なものを選択する。 また、ターゲットとするプラットフォームやアプリケーションドメインに対して、フレームワークを効率的にトレーニングできることも示しています。
  論文  参考訳（メタデータ） (2020-12-09T19:13:39Z)
• Many-Objective Software Remodularization using NSGA-III [17.487053547108516]
  NSGA-IIIを用いた多目的探索手法を提案する。 このプロセスは、パッケージの構造を改善し、変更数を最小化し、セマンティクスの一貫性を保ち、変更の歴史を再利用する最適な再モジュール化ソリューションを見つけることを目的としている。
  論文  参考訳（メタデータ） (2020-05-13T18:34:15Z)

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。