Fugu-MT 論文翻訳(概要): A Reference Model for Common Understanding of Capabilities and Skills in Manufacturing

論文の概要: A Reference Model for Common Understanding of Capabilities and Skills in Manufacturing

arxiv url: http://arxiv.org/abs/2209.09632v1
Date: Thu, 15 Sep 2022 20:45:00 GMT
ステータス: 処理完了
システム内更新日: 2022-09-25 17:23:19.726398
Title: A Reference Model for Common Understanding of Capabilities and Skills in Manufacturing
Title（参考訳）: 生産における能力と技能の共通理解のための参照モデル
Authors: Aljosha K\"ocher, Alexander Belyaev, Jesko Hermann, J\"urgen Bock, Kristof Meixner, Magnus Volkmann, Michael Winter, Patrick Zimmermann, Stephan Grimm, and Christian Diedrich
Abstract要約: 製造業では、Industrial 4.0の多くのユースケースはベンダーニュートラルおよびマシン可読情報モデルを必要とする。本稿では,Plattform Industrie 4.0のワーキンググループにおいて,様々な組織のメンバーが共同で開発したリファレンスモデルを提案する。
参考スコア（独自算出の注目度）: 46.118331027975366
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In manufacturing, many use cases of Industry 4.0 require vendor-neutral and machine-readable information models to describe, implement and execute resource functions. Such models have been researched under the terms capabilities and skills. Standardization of such models is required, but currently not available. This paper presents a reference model developed jointly by members of various organizations in a working group of the Plattform Industrie 4.0. This model covers definitions of most important aspects of capabilities and skills. It can be seen as a basis for further standardization efforts.
Abstract（参考訳）: 製造において、Industrial 4.0の多くのユースケースは、リソース機能を記述、実装、実行するためにベンダーニュートラルおよびマシン可読な情報モデルを必要とする。このようなモデルは、能力と技術によって研究されている。このようなモデルの標準化は必要だが、現在は利用できない。本稿では,Plattform Industrie 4.0のワーキンググループにおいて,様々な組織のメンバーが共同で開発したリファレンスモデルを提案する。このモデルは能力とスキルの最も重要な側面を定義します。これはさらなる標準化努力の基盤と見なすことができる。

関連論文リスト

An overview of domain-specific foundation model: key technologies, applications and challenges [25.146374189455784]
この記事では、ドメイン固有の基礎モデルをカスタマイズするための方法論について、タイムリーかつ網羅的に概説する。基本的な概念を導入し、一般的なアーキテクチャの概要を説明し、ドメイン固有のモデルを構築するための重要な方法を調査します。
論文参考訳（メタデータ） (2024-09-06T13:24:22Z)
Learning-based Models for Vulnerability Detection: An Extensive Study [3.1317409221921144]
我々は、最先端の学習ベースアプローチの2つのタイプを広範かつ包括的に調査する。本稿では,シーケンスベースモデルの優先度と,グラフベースモデルの限定能力について実験的に検証する。
論文参考訳（メタデータ） (2024-08-14T13:01:30Z)
Constraint based Modeling according to Reference Design [0.0]
ベストプラクティスという形での参照モデルは、再利用のための設計としての知識を確保するための重要な要素である。本稿では,セマンティック技術を用いた参照モデルの形式記述のための汎用的アプローチとその応用について述べる。システム設計の文脈で複数の参照モデルを使用することが可能である。
論文参考訳（メタデータ） (2024-06-17T07:41:27Z)
EduNLP: Towards a Unified and Modularized Library for Educational Resources [78.8523961816045]
我々はEduNLPという,統一された,モジュール化された,広範なライブラリを紹介し,教育資源の理解に焦点をあてる。このライブラリでは、ワークフロー全体を4つのキーモジュールに分離し、データ構成、処理、モデル実装、モデル評価など、一貫したインターフェースを提供します。現在のバージョンでは、主に4つのカテゴリから10の典型的なモデルを提供し、教育領域における5つのダウンストリーム評価タスクを、ユーザの使用に対して8つの被験者に提供します。
論文参考訳（メタデータ） (2024-06-03T12:45:40Z)
Learn From Model Beyond Fine-Tuning: A Survey [78.80920533793595]
Learn From Model (LFM) は、モデルインターフェースに基づいた基礎モデル(FM)の研究、修正、設計に焦点を当てている。 LFM技術の研究は、モデルチューニング、モデル蒸留、モデル再利用、メタラーニング、モデル編集の5つの分野に大別できる。本稿では, LFM の観点から, FM に基づく現在の手法を概観する。
論文参考訳（メタデータ） (2023-10-12T10:20:36Z)
Foundation models in brief: A historical, socio-technical focus [2.5991265608180396]
ディープラーニングをスケールアップすることで、将来のAI開発には、ファンデーションモデルが破壊的になる可能性がある。モデルは自然言語処理やコンピュータビジョンといった分野における様々なタスクにおいて最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-12-17T22:11:33Z)
Learnware: Small Models Do Big [69.88234743773113]
自然言語処理やコンピュータビジョンの応用で目覚ましい成果を上げてきた、一般的なビッグモデルパラダイムは、これらの問題にまだ対応していないが、炭素排出量の深刻な源となっている。この記事では、マシンラーニングモデルをスクラッチから構築する必要がないようにするための学習ソフトウェアパラダイムの概要を紹介します。
論文参考訳（メタデータ） (2022-10-07T15:55:52Z)
Concept for a Technical Infrastructure for Management of Predictive Models in Industrial Applications [0.0]
モデル管理システムの技術的概念について述べる。このコンセプトには、データのバージョニングストレージ、さまざまな機械学習アルゴリズムのサポート、モデルの微調整、その後のモデルのデプロイ、デプロイ後のモデルパフォーマンスの監視が含まれる。
論文参考訳（メタデータ） (2021-07-29T08:38:46Z)
Explainable Matrix -- Visualization for Global and Local Interpretability of Random Forest Classification Ensembles [78.6363825307044]
本研究では,ランダムフォレスト (RF) 解釈のための新しい可視化手法である Explainable Matrix (ExMatrix) を提案する。単純なマトリックスのようなメタファで、行はルール、列は特徴、セルはルールを述語する。 ExMatrixの適用性は、異なる例を通じて確認され、RFモデルの解釈可能性を促進するために実際にどのように使用できるかを示している。
論文参考訳（メタデータ） (2020-05-08T21:03:48Z)
Model Reuse with Reduced Kernel Mean Embedding Specification [70.044322798187]
現在のアプリケーションで有用なモデルを見つけるための2段階のフレームワークを提案する。アップロードフェーズでは、モデルがプールにアップロードされている場合、モデルの仕様としてカーネル平均埋め込み(RKME)を縮小する。デプロイフェーズでは、RKME仕様の値に基づいて、現在のタスクと事前訓練されたモデルの関連性を測定する。
論文参考訳（メタデータ） (2020-01-20T15:15:07Z)

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。