論文の概要: Demand-Driven Asset Reutilization Analytics
- arxiv url: http://arxiv.org/abs/2201.07921v1
- Date: Tue, 28 Dec 2021 11:28:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-23 22:09:34.947592
- Title: Demand-Driven Asset Reutilization Analytics
- Title（参考訳）: 需要駆動資産再利用分析
- Authors: Abbas Raza Ali, Pitipong J. Lin
- Abstract要約: 本稿では,新規ビルドにおける再使用性を高めるために,調達データに対する高度な分析を適用する。
これにより、新しい製品ユニットを作るための新しい購入部品の「支出」が削減される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Manufacturers have long benefited from reusing returned products and parts.
This benevolent approach can minimize cost and help the manufacturer to play a
role in sustaining the environment, something which is of utmost importance
these days because of growing environment concerns. Reuse of returned parts and
products aids environment sustainability because doing so helps reduce the use
of raw materials, eliminate energy use to produce new parts, and minimize waste
materials. However, handling returns effectively and efficiently can be
difficult if the processes do not provide the visibility that is necessary to
track, manage, and re-use the returns. This paper applies advanced analytics on
procurement data to increase reutilization in new build by optimizing
Equal-to-New (ETN) parts return. This will reduce 'the spend' on new buy parts
for building new product units. The process involves forecasting and matching
returns supply to demand for new build. Complexity in the process is the
forecasting and matching while making sure a reutilization engineering process
is available. Also, this will identify high demand/value/yield parts for
development engineering to focus. Analytics has been applied on different
levels to enhance the optimization process including forecast of upgraded
parts. Machine Learning algorithms are used to build an automated
infrastructure that can support the transformation of ETN parts utilization in
the procurement parts planning process. This system incorporate returns
forecast in the planning cycle to reduce suppliers liability from 9 weeks to 12
months planning cycle, e.g., reduce 5% of 10 million US dollars liability.
- Abstract（参考訳）: 製造業者は長い間、返品品や部品の再利用の恩恵を受けてきた。
この有利なアプローチは、コストを最小限に抑え、製造業者が環境を維持する上で重要な役割を果たします。
返却された部品や製品の再利用は、原料の使用を減少させ、新しい部品を生産するためのエネルギー使用をなくし、廃棄物を最小化するので、環境持続性に役立つ。
しかし、プロセスがリターンを追跡、管理、再使用するのに必要な可視性を提供していない場合、効果的で効率的なリターン処理は困難である。
本稿では,調達データの高度な分析を行い,etn (equal-to-new) 部品の返却を最適化することで,新規ビルドの再利用性を向上させる。
これにより、新製品製造のための新規購入部品の「支出」が削減される。
このプロセスには、新しいビルドの需要に対するリターンの予測と一致が含まれる。
プロセスの複雑さは予測とマッチングであり、再利用エンジニアリングプロセスが利用可能であることを確認します。
また、これは開発エンジニアリングが集中するための高需要/価値/利益の部分を特定する。
アナリティクスは、アップグレードされた部品の予測を含む最適化プロセスを強化するために、さまざまなレベルに適用されている。
機械学習アルゴリズムは、調達部品計画プロセスにおけるETN部品利用の変換を支援する自動化インフラストラクチャを構築するために使用される。
このシステムでは、サプライヤーの負債を9週間から12ヶ月の計画サイクル、例えば1000万ドルの負債の5%まで削減するために、計画サイクルにおけるリターン予測を組み込んでいる。
関連論文リスト
- Representation Learning of Complex Assemblies, An Effort to Improve Corporate Scope 3 Emissions Calculation [0.276240219662896]
政府、企業、市民も同様に、製造品やサービスの提供による気候への影響を正確に評価する必要がある。
プロセスライフサイクル分析(pLCA)は、生産、使用、廃棄の気候への影響を評価するために用いられる。
代用部品を特定するための半教師付き学習ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-21T06:21:31Z) - Measuring the Recyclability of Electronic Components to Assist Automatic Disassembly and Sorting Waste Printed Circuit Boards [4.0998481751764]
本稿では, 廃プリント基板(WPCB)からの廃電子部品(WEC)のリサイクル性の測定に, 数学的革新モデルを用いて着目する。
この革新的なアプローチは、WECのリサイクルとリサイクルの難しさを評価し、分解とソートを改善するAIモデルを統合する。
論文 参考訳（メタデータ） (2024-06-24T12:33:56Z) - AdaIR: Exploiting Underlying Similarities of Image Restoration Tasks with Adapters [57.62742271140852]
AdaIRは、パフォーマンスを犠牲にすることなく、低コストで効率的なトレーニングを可能にする新しいフレームワークである。
AdaIRは軽量でタスク固有のモジュールのトレーニングのみを必要とし、より効率的なストレージとトレーニング体制を確保する。
論文 参考訳（メタデータ） (2024-04-17T15:31:06Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳（メタデータ） (2024-02-01T07:22:52Z) - 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) - Causally Learning an Optimal Rework Policy [0.0]
生産ロットの再作業には、最終製品が要求仕様を満たすように調整された前の生産段階を繰り返すことが含まれる。
光電子半導体製造における色変換過程における再加工工程の条件処理効果を機械学習を用いて推定する。
論文 参考訳（メタデータ） (2023-06-07T07:58:58Z) - Machine Learning Approaches in Agile Manufacturing with Recycled
Materials for Sustainability [2.132096006921048]
本研究は, リサイクル・再生材料を用いたアジャイル製造における意思決定支援を通じて, 材料科学における環境持続可能性について論じる。
本稿では,機械学習モデルを用いて予測分析を行い,製造における意思決定支援を支援することによって,AIにおけるデータ駆動手法を提案する。
論文 参考訳（メタデータ） (2023-03-15T00:39:31Z) - Actively Learning Costly Reward Functions for Reinforcement Learning [56.34005280792013]
複雑な実世界の環境でエージェントを訓練することは、桁違いに高速であることを示す。
強化学習の手法を新しい領域に適用することにより、興味深く非自明な解を見つけることができることを示す。
論文 参考訳（メタデータ） (2022-11-23T19:17:20Z) - A Simulation Environment and Reinforcement Learning Method for Waste
Reduction [50.545552995521774]
本稿では, 流通の観点から, 食料品店の在庫を消耗品で補充する際の問題点を考察する。
目的は、ごみを最小化しながら販売を最大化することであり、衣料品の実際の消費について不確実性がある。
我々は, エージェントの行動に合わせた行動を示す新しい強化学習タスクとして, 在庫再備の枠組みを定めている。
論文 参考訳（メタデータ） (2022-05-30T22:48:57Z) - ItemSage: Learning Product Embeddings for Shopping Recommendations at
Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。
このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文 参考訳（メタデータ） (2022-05-24T02:28:58Z) - Transfer Learning as an Enhancement for Reconfiguration Management of
Cyber-Physical Production Systems [0.0]
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。
論文 参考訳（メタデータ） (2021-05-31T06:50:58Z)
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。