論文の概要: An IIoT machine model for achieving consistency in product quality in manufacturing plants

• arxiv url: http://arxiv.org/abs/2109.12964v1
• Date: Mon, 27 Sep 2021 11:42:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 23:20:31.737910
• Title: An IIoT machine model for achieving consistency in product quality in manufacturing plants
• Title（参考訳）: 製造プラントにおける製品品質の整合性を実現するiiotマシンモデル
• Authors: Abhik Banerjee, Abdur Rahim Mohammad Forkan, Dimitrios Georgakopoulos, Josip Karabotic Milovac, Prem Prakash Jayaraman
• Abstract要約: 本稿では,植物機械の効率的な監視と制御を可能にする産業用IoT(Industrial Internet of Things)マシンモデルを提案する。 提案アルゴリズムは製品の品質を高い精度で予測し,効率的な生産監視と制御を可能にする。
• 参考スコア（独自算出の注目度）: 0.5574339026647824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Consistency in product quality is of critical importance in manufacturing. However, achieving a target product quality typically involves balancing a large number of manufacturing attributes. Existing manufacturing practices for dealing with such complexity are driven largely based on human knowledge and experience. The prevalence of manual intervention makes it difficult to perfect manufacturing practices, underscoring the need for a data-driven solution. In this paper, we present an Industrial Internet of Things (IIoT) machine model which enables effective monitoring and control of plant machinery so as to achieve consistency in product quality. We present algorithms that can provide product quality prediction during production, and provide recommendations for machine control. Subsequently, we perform an experimental evaluation of the proposed solution using real data captured from a food processing plant. We show that the proposed algorithms can be used to predict product quality with a high degree of accuracy, thereby enabling effective production monitoring and control.
• Abstract（参考訳）: 製品品質の一貫性は製造において重要である。 しかし、ターゲットとする製品の品質を達成するには、通常、多数の製造特性のバランスをとる必要がある。 このような複雑さに対処するための既存の製造プラクティスは、主に人間の知識と経験に基づいている。 手動介入の普及は、データ駆動ソリューションの必要性を強調して、製造プラクティスの完成を困難にしている。 本稿では,製品品質の整合性を実現するために,植物機械の効率的なモニタリングと制御を可能にする産業用モノのインターネット(IIoT)マシンモデルを提案する。 我々は,製品品質予測を生産中に行うアルゴリズムと,機械制御のレコメンデーションを提案する。 次に,食品加工プラントから収集した実データを用いて,提案溶液を実験的に評価する。 提案手法は,高い精度で製品品質を予測できるため,効率的な生産監視と制御が可能となる。

関連論文リスト

• 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)
• A Systematic Review of Available Datasets in Additive Manufacturing [56.684125592242445]
  視覚およびその他のセンサー技術を組み込んだその場監視により、追加製造プロセス中に広範なデータセットの収集が可能になる。 これらのデータセットは、製造された出力の品質を判断し、機械学習を使用して欠陥を検出する可能性がある。 本稿では,AMプロセスから派生したオープン画像ベースデータセットの利用可能性について検討する。
  論文  参考訳（メタデータ） (2024-01-27T16:13:32Z)
• Knowledge Distillation-based Information Sharing for Online Process Monitoring in Decentralized Manufacturing System [2.742441483588685]
  先進的な製造において、センサー技術の導入は効率的なプロセス監視を実現する機会を提供する。 分散型製造システムでは、関連するユニットが同一または類似の製品を製造し、オンラインプロセス監視のために独自の機械学習モデルをデプロイすることができる。 本稿では, 優れたモデルから情報的知識を抽出可能な, 新規な知識蒸留に基づく情報共有フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-08T23:31:35Z)
• Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
  我々はミネラルウールのための視覚品質管理システムを開発した。 ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。 我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
  論文  参考訳（メタデータ） (2022-11-01T13:58:02Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Positioning Fog Computing for Smart Manufacturing [1.0965065178451106]
  リアルタイム産業品質管理のための機械学習システムについて検討する。 自動品質管理システムを開発する上では、機械学習が有効な選択肢だと考えています。 本稿では,機械学習による品質管理の必要性を満たすため,自動化制御の標準階層に新しいフォグコンピューティング層を導入することを提案する。
  論文  参考訳（メタデータ） (2022-05-22T16:03:29Z)
• Towards the Automation of a Chemical Sulphonation Process with Machine Learning [0.0]
  本稿では,化学吸音過程における機械学習手法の適用結果について述べる。 プロセスパラメータからのデータを用いてランダムフォレスト、ニューラルネットワーク、線形回帰などの異なるモデルのトレーニングを行った。 実験の結果,これらの製品の品質値を精度良く予測することが可能であり,時間短縮の可能性があることが判明した。
  論文  参考訳（メタデータ） (2020-09-25T10:56:41Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  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。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)
• One-Shot Recognition of Manufacturing Defects in Steel Surfaces [1.0987465819113238]
  本稿では,課題のワンショット認識にシームズ畳み込みニューラルネットワークを適用することを提案する。 本研究は, 鋼表面欠陥の同定により, 鋼の品質管理にワンショット学習が有効であることを示すものである。
  論文  参考訳（メタデータ） (2020-05-12T14:30:03Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。