論文の概要: An Ontology for Defect Detection in Metal Additive Manufacturing
- arxiv url: http://arxiv.org/abs/2210.04772v1
- Date: Thu, 29 Sep 2022 13:35:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 16:20:16.833853
- Title: An Ontology for Defect Detection in Metal Additive Manufacturing
- Title（参考訳）: 金属添加物製造における欠陥検出オントロジー
- Authors: Massimo Carraturo, Andrea Mazzullo
- Abstract要約: 産業用 4.0 アプリケーションのキーは、データ統合とセマンティック相互運用性の問題に対処できる制御システムを開発することである。
金属添加物製造文献から知られているプロセス誘起欠陥の分類について述べる。
我々の知識基盤は、さらなる欠陥分析用語を付加することにより、付加的な製造能力を向上させることを目的としている。
- 参考スコア（独自算出の注目度）: 3.997680012976965
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: A key challenge for Industry 4.0 applications is to develop control systems
for automated manufacturing services that are capable of addressing both data
integration and semantic interoperability issues, as well as monitoring and
decision making tasks. To address such an issue in advanced manufacturing
systems, principled knowledge representation approaches based on formal
ontologies have been proposed as a foundation to information management and
maintenance in presence of heterogeneous data sources. In addition, ontologies
provide reasoning and querying capabilities to aid domain experts and end users
in the context of constraint validation and decision making. Finally,
ontology-based approaches to advanced manufacturing services can support the
explainability and interpretability of the behaviour of monitoring, control,
and simulation systems that are based on black-box machine learning algorithms.
In this work, we provide a novel ontology for the classification of
process-induced defects known from the metal additive manufacturing literature.
Together with a formal representation of the characterising features and
sources of defects, we integrate our knowledge base with state-of-the-art
ontologies in the field. Our knowledge base aims at enhancing the modelling
capabilities of additive manufacturing ontologies by adding further defect
analysis terminology and diagnostic inference features.
- Abstract（参考訳）: 業界4.0アプリケーションにとっての鍵となる課題は、データ統合とセマンティック相互運用性の問題、監視と意思決定のタスクの両方に対処できる自動製造サービスの制御システムを開発することである。
このような問題に対処するために,異種データソースの存在下での情報管理と維持のための基礎として,形式的オントロジーに基づく知識表現手法が提案されている。
さらにオントロジは、制約検証と意思決定のコンテキストにおいて、ドメインの専門家やエンドユーザを支援するための推論とクエリ機能を提供します。
最後に、高度な製造サービスに対するオントロジーベースのアプローチは、ブラックボックス機械学習アルゴリズムに基づく監視、制御、シミュレーションシステムの振る舞いの説明可能性と解釈可能性をサポートする。
本研究は,金属添加物製造文献から知られているプロセス誘起欠陥の分類のための新しいオントロジーを提供する。
特徴と欠陥源を形式的に表現した上で,我々は知識基盤を最先端のオントロジーと統合する。
我々の知識ベースは、さらなる欠陥分析用語と診断推論機能の追加により、付加的生産オントロジーのモデリング能力を向上させることを目的としている。
関連論文リスト
- Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。
パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。
得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
論文 参考訳（メタデータ） (2024-09-09T06:55:37Z) - AIOps Solutions for Incident Management: Technical Guidelines and A Comprehensive Literature Review [0.29998889086656577]
本研究では,AIOpsの用語と分類について提案し,構造化されたインシデント管理手順を確立し,AIOpsフレームワークを構築するためのガイドラインを提供する。
目標は、インシデント管理のためのAIOpsの技術的および研究的な側面の包括的なレビューを提供することであり、知識を構造化し、ギャップを特定し、この分野における将来の発展の基礎を確立することを目的としている。
論文 参考訳（メタデータ） (2024-04-01T17:32:22Z) - What Does Evaluation of Explainable Artificial Intelligence Actually Tell Us? A Case for Compositional and Contextual Validation of XAI Building Blocks [16.795332276080888]
本稿では,説明可能な人工知能システムのためのきめ細かい検証フレームワークを提案する。
技術的ビルディングブロック,ユーザによる説明的成果物,ソーシャルコミュニケーションプロトコルといった,モジュール構造の本質を認識します。
論文 参考訳（メタデータ） (2024-03-19T13:45:34Z) - Integrating LLMs for Explainable Fault Diagnosis in Complex Systems [0.0]
本稿では,原子力プラントなどの複雑なシステムにおける故障診断の説明可能性を高めるための統合システムを提案する。
物理に基づく診断ツールとLarge Language Modelを組み合わせることで、障害を識別するだけでなく、その原因と意味を明確かつ理解可能な説明を提供する新しいソリューションを提供する。
論文 参考訳（メタデータ） (2024-02-08T22:11:21Z) - 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) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - 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) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z) - An Interactive Explanatory AI System for Industrial Quality Control [0.8889304968879161]
我々は,ループ間対話型アプローチに向けて,欠陥検出タスクを拡張することを目的としている。
本稿では,産業品質管理環境における分類のための対話型支援システムを提案する。
論文 参考訳（メタデータ） (2022-03-17T09:04:46Z) - Technical Language Supervision for Intelligent Fault Diagnosis in
Process Industry [1.8574771508622119]
プロセス産業では,人的専門家を支援する自動故障診断手法による状態監視システムにより,メンテナンス効率,プロセス持続可能性,職場の安全が向上する。
インテリジェント障害診断(IFD)における大きな課題は、モデルのトレーニングと検証に必要なラベルの正確なデータセットを開発することである。
産業データセットにおける技術的言語アノテーションとしての、障害特性と重大性差別に関するドメイン固有知識。
これにより、産業データに基づくIFDシステムのための技術言語監視(TLS)ソリューションを開発する機会が生まれる。
論文 参考訳（メタデータ） (2021-12-11T18:59:40Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z)
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。