論文の概要: Machine Learning Approaches in Agile Manufacturing with Recycled
Materials for Sustainability
- arxiv url: http://arxiv.org/abs/2303.08291v1
- Date: Wed, 15 Mar 2023 00:39:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 15:15:14.046989
- Title: Machine Learning Approaches in Agile Manufacturing with Recycled
Materials for Sustainability
- Title(参考訳): 持続可能なリサイクル材料を用いたアジャイルマニュファクチャリングにおける機械学習アプローチ
- Authors: Aparna S. Varde, Jianyu Liang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.132096006921048
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: It is important to develop sustainable processes in materials science and
manufacturing that are environmentally friendly. AI can play a significant role
in decision support here as evident from our earlier research leading to tools
developed using our proposed machine learning based approaches. Such tools
served the purpose of computational estimation and expert systems. This
research addresses environmental sustainability in materials science via
decision support in agile manufacturing using recycled and reclaimed materials.
It is a safe and responsible way to turn a specific waste stream to value-added
products. We propose to use data-driven methods in AI by applying machine
learning models for predictive analysis to guide decision support in
manufacturing. This includes harnessing artificial neural networks to study
parameters affecting heat treatment of materials and impacts on their
properties; deep learning via advances such as convolutional neural networks to
explore grain size detection; and other classifiers such as Random Forests to
analyze phrase fraction detection. Results with all these methods seem
promising to embark on further work, e.g. ANN yields accuracy around 90\% for
predicting micro-structure development as per quench tempering, a heat
treatment process. Future work entails several challenges: investigating
various computer vision models (VGG, ResNet etc.) to find optimal accuracy,
efficiency and robustness adequate for sustainable processes; creating
domain-specific tools using machine learning for decision support in agile
manufacturing; and assessing impacts on sustainability with metrics
incorporating the appropriate use of recycled materials as well as the
effectiveness of developed products. Our work makes impacts on green technology
for smart manufacturing, and is motivated by related work in the highly
interesting realm of AI for materials science.
- Abstract(参考訳): 環境に優しい材料科学や製造における持続可能なプロセスを開発することが重要である。
aiは、私たちの提案する機械学習ベースのアプローチを使用して開発されたツールに先立つ以前の研究から明らかなように、この決定支援において重要な役割を果たすことができます。
このようなツールは、計算の見積もりとエキスパートシステムに役立った。
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。
これは、特定の廃棄物ストリームを付加価値製品に変換する安全で責任ある方法です。
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。
これには、材料の熱処理に影響を及ぼすパラメータと特性に影響を与えるパラメータの研究、畳み込みニューラルネットワークによる粒度検出の探索による深層学習、ランダムフォレスト(Random Forests)などの分類器によるフレーズ分画検出の解析などが含まれる。
例えば、ANNは熱処理プロセスであるクエンチ・テンパリング(en:quench tempering)において、微細構造の発生を予測するのに約90%の精度が得られる。
さまざまなコンピュータビジョンモデル(VGG、ResNetなど)を調査して、持続可能なプロセスに適した最適な正確性、効率、堅牢性を見つけること、アジャイル製造における意思決定を支援するために機械学習を使用してドメイン固有のツールを作成すること、リサイクルされた素材の適切な使用と開発製品の有効性を取り入れたメトリクスによる持続可能性への影響を評価すること。
私たちの研究は、スマートマニュファクチャリングのためのグリーン技術に影響を与え、材料科学のためのaiの非常に興味深い領域における関連作業によって動機づけられています。
関連論文リスト
- Time-Series Pattern Recognition in Smart Manufacturing Systems: A
Literature Review and Ontology [3.5097082077065003]
本稿では,製造における時系列パターン認識の現状について,構造化された視点を提供する。
それは、実用的で実用的なガイドラインと、時系列分析の進歩のための推奨を提供することを目的としている。
論文 参考訳(メタデータ) (2023-01-29T17:18:59Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳(メタデータ) (2022-11-27T13:07:14Z) - Artificial intelligence approaches for materials-by-design of energetic
materials: state-of-the-art, challenges, and future directions [0.0]
我々は,AIによる材料設計の進歩とそのエネルギー材料への応用についてレビューする。
文献における手法を,少数のデータから学習する能力の観点から評価する。
本稿では,メタラーニング,アクティブラーニング,ベイズラーニング,半/弱教師付きラーニングなど,EM教材の今後の研究方向性について提案する。
論文 参考訳(メタデータ) (2022-11-15T14:41:11Z) - Sustainable AI: Environmental Implications, Challenges and Opportunities [13.089123643565724]
我々は、産業規模の機械学習ユースケースにおけるモデル開発サイクルを調べることで、AIコンピューティングの炭素フットプリントを特徴づける。
ハードウェア・ソフトウェア設計と大規模最適化がAIのカーボンフットプリント全体の削減にどのように役立つのかを、エンドツーエンドで分析する。
論文 参考訳(メタデータ) (2021-10-30T23:36:10Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳(メタデータ) (2021-10-14T15:14:33Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳(メタデータ) (2021-03-03T18:51:46Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-08-29T14:57:53Z) - Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。
その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。
結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文 参考訳(メタデータ) (2020-06-13T17:28:52Z) - Towards CRISP-ML(Q): A Machine Learning Process Model with Quality
Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。
第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。
第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文 参考訳(メタデータ) (2020-03-11T08:25:49Z) - Towards Intelligent Pick and Place Assembly of Individualized Products
Using Reinforcement Learning [0.0]
我々は,強化学習を実装することで,作業の選択と配置をうまく行うように協調的なロボットに教えることを目指している。
連続的に変化する製造環境における個別化製品の組み立てには、シミュレーションされた幾何学的パラメータと動的パラメータが変化する。
このロボットは、センサー、エリアスキャンカメラ、そして環境とオブジェクトの高度マップを生成するために使用される3Dカメラから入力データを取得する。
論文 参考訳(メタデータ) (2020-02-11T15:32:28Z)
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。