Fugu-MT 論文翻訳(概要): MBSE analysis for energy sustainability improvement in manufacturing industry

論文の概要: MBSE analysis for energy sustainability improvement in manufacturing industry

arxiv url: http://arxiv.org/abs/2208.01514v1
Date: Tue, 2 Aug 2022 15:00:13 GMT
ステータス: 処理完了
システム内更新日: 2022-08-03 13:07:22.282325
Title: MBSE analysis for energy sustainability improvement in manufacturing industry
Title（参考訳）: 製造業におけるエネルギー持続可能性向上のためのMBSE分析
Authors: Romain Delabeye (QUARTZ ), Olivia Penas (QUARTZ ), Martin Ghienne (ISAE-Supm\'eca), Arkadiusz Kosecki (IEMN), Jean-Luc Dion (LISMMA)
Abstract要約: 本稿では,産業用自律型エネルギー管理システムの総合的な開発を行うための総合的なアプローチを提案する。このアプローチは System Modeling Language (SysML) で実装された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the ever increasing complexity of Industry 4.0 systems, plant energy management systems developed to improve energy sustainability become equally complex. Based on a Model-Based Systems Engineering analysis, this paper aims to provide a general approach to perform holistic development of an autonomous energy management system for manufacturing industries. This Energy Management System (EMS) will be capable of continuously improving its ability to assess, predict, and act, in order to improve by monitoring and controlling the energy sustainability of manufacturing systems. The approach was implemented with the System Modeling Language (SysML).
Abstract（参考訳）: 産業4.0システムの複雑さが増すにつれて、エネルギー持続可能性を改善するために植物エネルギー管理システムが同様に複雑になる。本稿では, モデルに基づくシステム工学解析に基づいて, 産業用自律型エネルギー管理システムの総合的な開発を行うための一般的なアプローチを提案する。このエネルギ管理システム(ems)は、製造システムのエネルギ持続可能性の監視と制御により改善するために、評価、予測、行動する能力を継続的に改善することができる。このアプローチは System Modeling Language (SysML) で実装された。

関連論文リスト

Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文参考訳（メタデータ） (2024-08-02T10:47:10Z)
Reinforcement Learning for Efficient Design and Control Co-optimisation of Energy Systems [0.0]
本研究では,エネルギーシステムの設計と制御の協調最適化に適した新しい強化学習フレームワークを提案する。 RLのモデルフリー機能を活用することで、このフレームワークは明示的なシステムモデリングの必要性を排除します。この貢献により、エネルギー管理における高度なRL応用の道が開かれ、再生可能エネルギー源をより効率的に効果的に利用できるようになった。
論文参考訳（メタデータ） (2024-06-28T11:01:02Z)
EcoMLS: A Self-Adaptation Approach for Architecting Green ML-Enabled Systems [1.0923877073891446]
ソフトウェアシステム内での省エネの可能性で認識されている自己適応技術は、マシンラーニングの実現可能なシステムにおいて、まだ広く研究されていない。本研究は、インテリジェントランタイム適応によるMLSサステナビリティ向上の可能性を明らかにする。
論文参考訳（メタデータ） (2024-04-17T14:12:47Z)
Empowering Distributed Solutions in Renewable Energy Systems and Grid Optimization [3.8979646385036175]
機械学習(ML)の進歩は再生可能エネルギー源の強化とグリッド管理の改善に重要な役割を果たしている。ビッグデータとMLをスマートグリッドに組み込むことは、エネルギー効率の向上など、いくつかのメリットを提供する。しかし、大規模なデータボリュームの処理、サイバーセキュリティの確保、専門知識の獲得といった課題に対処する必要がある。
論文参考訳（メタデータ） (2023-10-24T02:45:16Z)
Combating Uncertainties in Wind and Distributed PV Energy Sources Using Integrated Reinforcement Learning and Time-Series Forecasting [2.774390661064003]
再生可能エネルギーの予測不能は電力供給会社や電力会社に課題をもたらします i)Long-Short Term Memory (LSTM) ソリューションを用いた時系列予測と,(ii)Deep Deterministic Policy Gradient (DDPG)アルゴリズムを用いたマルチエージェント強化学習による分散動的意思決定フレームワークの確立という,スマートグリッドにおける再生可能エネルギーの不確実性に対処する新たなフレームワークを提案する。
論文参考訳（メタデータ） (2023-02-27T19:12:50Z)
Distributed Energy Management and Demand Response in Smart Grids: A Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文参考訳（メタデータ） (2022-11-29T01:18:58Z)
Evaluating Distribution System Reliability with Hyperstructures Graph Convolutional Nets [74.51865676466056]
本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2022-11-14T01:29:09Z)
MetaEMS: A Meta Reinforcement Learning-based Control Framework for Building Energy Management System [3.1692938090731584]
本稿では,RLとメタラーニングの利点を生かして,エネルギー管理性能の向上を支援するメタEMSを提案する。実験の結果,提案したMetaEMSは環境変化に迅速に適応でき,多くの状況において他のベースラインと比較して優れた性能を発揮することがわかった。
論文参考訳（メタデータ） (2022-10-23T01:56:30Z)
Developing an AI-enabled IIoT platform -- Lessons learned from early use case validation [47.37985501848305]
本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
論文参考訳（メタデータ） (2022-07-10T18:51:12Z)
Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
産業用AIは、より効率的な将来の産業用制御システムを約束する。 Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
論文参考訳（メタデータ） (2020-10-30T20:33:05Z)
Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文参考訳（メタデータ） (2020-02-20T04:58:07Z)

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。