論文の概要: Optimization paper production through digitalization by developing an
assistance system for machine operators including quality forecast: a concept
- arxiv url: http://arxiv.org/abs/2206.11581v1
- Date: Thu, 23 Jun 2022 09:54:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-24 13:45:11.260978
- Title: Optimization paper production through digitalization by developing an
assistance system for machine operators including quality forecast: a concept
- Title（参考訳）: 品質予測を含む機械運転者支援システムの構築によるデジタル化による紙生産の最適化:概念
- Authors: Moritz Schroth, Felix Hake, Konstantin Merker, Alexander Becher,
Tilman Klaeger, Robin Huesmann, Detlef Eichhorn, Lukas Oehm
- Abstract要約: 廃紙からの紙の製造は、特にエネルギー消費の観点からも、依然として非常に資源集約的な課題である。
我々は,その利用方法の欠如を特定し,操作支援システムと最先端の機械学習技術を用いた概念の実装を行った。
我々の主な目的は、利用可能なデータを活用するマシンオペレーターに状況に応じた知識を提供することである。
- 参考スコア（独自算出の注目度）: 50.591267188664666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays cross-industry ranging challenges include the reduction of
greenhouse gas emission and enabling a circular economy. However, the
production of paper from waste paper is still a highly resource intensive task,
especially in terms of energy consumption. While paper machines produce a lot
of data, we have identified a lack of utilization of it and implement a concept
using an operator assistance system and state-of-the-art machine learning
techniques, e.g., classification, forecasting and alarm flood handling
algorithms, to support daily operator tasks. Our main objective is to provide
situation-specific knowledge to machine operators utilizing available data. We
expect this will result in better adjusted parameters and therefore a lower
footprint of the paper machines.
- Abstract（参考訳）: 現在、産業横断の課題は、温室効果ガス排出量の削減と循環経済の実現である。
しかし, 廃紙からの紙の生産は, 特にエネルギー消費の観点から, 資源集約的な課題である。
紙製機械は大量のデータを生成する一方で,その利用の欠如を認識し,オペレータ支援システムと最先端機械学習技術(分類,予測,警報洪水処理など)を用いて日常業務を支援する概念を実装した。
私たちの主な目的は、利用可能なデータを利用するマシンオペレーターに状況固有の知識を提供することです。
これにより、調整パラメータが向上し、紙マシンのフットプリントが低下することを期待している。
関連論文リスト
- Strategic Data Augmentation with CTGAN for Smart Manufacturing:
Enhancing Machine Learning Predictions of Paper Breaks in Pulp-and-Paper
Production [3.2381236440149257]
パルプ・アンド・ペーパー産業における予測保守の重要な課題は、製紙工程における紙の破損の頻度である。
本稿では, 紙の破断が比較的稀であるが, 経済的な影響が大きい製紙機から, 運用データを解析する。
本研究では,CTGAN(Conditional Generative Adrial Networks)とSMOTE(Synthetic Minority Oversampling Technique)の協力を得て,新たなデータ拡張フレームワークを実装した。
論文 参考訳（メタデータ） (2023-11-15T19:47:15Z) - 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) - Online Job Failure Prediction in an HPC System [2.2284709230738544]
この研究は、イタリアのHPCセンターCINECAでホストされている生産機械から抽出されたデータセットに基づいている。
実行中に失敗するジョブは、他のジョブを遅らせる可能性のあるリソースを不必要に占有し、システムのパフォーマンスとエネルギー消費に悪影響を及ぼした。
我々の斬新さは、(i)これらのアルゴリズムと自然言語処理(NLP)ツールを組み合わせることで、ジョブを表現し、(ii)実際のシステムでオンライン方式で作業するためのアプローチの設計にあります。
論文 参考訳（メタデータ） (2023-06-30T07:40:59Z) - Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A
Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。
地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。
本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-17T02:12:30Z) - Agnostic Learning for Packing Machine Stoppage Prediction in Smart
Factories [0.0]
サイバー物理コンバージェンス(サイバー物理コンバージェンス)は、産業界に新たなビジネスチャンスを開こうとしている。
サイバーと物理世界の深い統合の必要性は、新しいシステムとネットワークエンジニアリングのアプローチを統合するための豊富なビジネスアジェンダを確立する。
このデータ豊かでサイバー物理学的でスマートな工場環境から生まれた、最も実りある研究と実践の分野の1つは、データ駆動のプロセス監視分野である。
論文 参考訳（メタデータ） (2022-12-12T23:45:59Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - Machine learning on Crays to optimise petrophysical workflows in oil and
gas exploration [0.0]
本稿では、Cray XC30上で教師付き機械学習を用いて、Rock Solid Images(RSI)と共同で作業を行う。
生のウェルログデータを用いて訓練された数学的モデルの使用について述べる。
これらのモデルからの予測は、人間の石油物理学者の解釈とどのように比較されるのかを考察する。
論文 参考訳（メタデータ） (2020-10-01T10:14:58Z) - A Multi-Agent Deep Reinforcement Learning Approach for a Distributed
Energy Marketplace in Smart Grids [58.666456917115056]
本稿では,マイクログリッドを支配下に置くために,強化学習に基づくエネルギー市場を提案する。
提案する市場モデルにより,リアルタイムかつ需要に依存した動的価格設定環境が実現され,グリッドコストが低減され,消費者の経済的利益が向上する。
論文 参考訳（メタデータ） (2020-09-23T02:17:51Z) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
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。