論文の概要: Artificial Intelligence for Sustainability: Facilitating Sustainable
Smart Product-Service Systems with Computer Vision
- arxiv url: http://arxiv.org/abs/2303.13540v2
- Date: Mon, 27 Mar 2023 07:53:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 21:25:38.964612
- Title: Artificial Intelligence for Sustainability: Facilitating Sustainable
Smart Product-Service Systems with Computer Vision
- Title（参考訳）: 持続可能性のための人工知能:コンピュータビジョンによる持続可能なスマートプロダクトサービスシステムの実現
- Authors: Jannis Walk, Niklas K\"uhl, Michael Saidani, J\"urgen Schatte
- Abstract要約: この研究は、生産および製品利用の持続可能性を高めるために、ディープラーニングをどのように活用できるかを示している。
深層学習に基づくコンピュータビジョンを用いて製品の摩耗状態を決定する。
我々は, 加工ツールと回転X線アノードの2つの製品に対するアプローチを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The usage and impact of deep learning for cleaner production and
sustainability purposes remain little explored. This work shows how deep
learning can be harnessed to increase sustainability in production and product
usage. Specifically, we utilize deep learning-based computer vision to
determine the wear states of products. The resulting insights serve as a basis
for novel product-service systems with improved integration and result
orientation. Moreover, these insights are expected to facilitate product usage
improvements and R&D innovations. We demonstrate our approach on two products:
machining tools and rotating X-ray anodes. From a technical standpoint, we show
that it is possible to recognize the wear state of these products using
deep-learning-based computer vision. In particular, we detect wear through
microscopic images of the two products. We utilize a U-Net for semantic
segmentation to detect wear based on pixel granularity. The resulting mean dice
coefficients of 0.631 and 0.603 demonstrate the feasibility of the proposed
approach. Consequently, experts can now make better decisions, for example, to
improve the machining process parameters. To assess the impact of the proposed
approach on environmental sustainability, we perform life cycle assessments
that show gains for both products. The results indicate that the emissions of
CO2 equivalents are reduced by 12% for machining tools and by 44% for rotating
anodes. This work can serve as a guideline and inspire researchers and
practitioners to utilize computer vision in similar scenarios to develop
sustainable smart product-service systems and enable cleaner production.
- Abstract（参考訳）: よりクリーンな生産と持続可能性の目的でのディープラーニングの利用と影響は、まだほとんど研究されていない。
この研究は、生産および製品利用の持続可能性を高めるために、ディープラーニングをどのように活用できるかを示している。
具体的には、深層学習に基づくコンピュータビジョンを用いて製品の摩耗状態を決定する。
結果として得られる洞察は、統合性と結果の方向性を改善した、新しい製品サービスシステムの基盤となる。
さらに、これらの洞察は製品利用の改善と研究開発の革新を促進することが期待されている。
我々は, 加工ツールと回転X線アノードの2つの製品に対するアプローチを実証する。
技術的観点から,深層学習型コンピュータビジョンを用いて,これらの製品の摩耗状態を認識することができることを示す。
特に,2つの製品の顕微鏡画像から摩耗を検出する。
セマンティックセグメンテーションにU-Netを用いて,画素の粒度に基づいて摩耗を検出する。
得られた平均サイス係数0.631と0.603は、提案手法の有効性を示している。
その結果、例えば、マシニングプロセスパラメータを改善するために、専門家はより良い決定を下すことができる。
提案手法が環境持続可能性に与える影響を評価するため,両製品に利益をもたらすライフサイクル評価を行った。
その結果, 加工工具のCO2排出量を12%, 回転アノードの44%削減できることが示唆された。
この研究はガイドラインとなり、研究者や実践者に同様のシナリオでコンピュータビジョンを活用させ、持続可能なスマート製品サービスシステムを開発し、よりクリーンな生産を可能にする。
関連論文リスト
- Self-Refinement Strategies for LLM-based Product Attribute Value Extraction [51.45146101802871]
本稿では,製品属性値抽出タスクに2つの自己補充手法を適用した。
実験の結果, 2つの自己補充技術は, 処理コストを大幅に増大させながら, 抽出性能を著しく向上させることができないことがわかった。
開発データを持つシナリオでは、ファインチューニングが最もパフォーマンスが高いのに対して、ファインチューニングの上昇コストは製品記述の量が増加するにつれてバランスがとれる。
論文 参考訳（メタデータ） (2025-01-02T12:55:27Z) - Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。
我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。
本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
論文 参考訳（メタデータ） (2024-05-20T09:28:23Z) - TSCM: A Teacher-Student Model for Vision Place Recognition Using Cross-Metric Knowledge Distillation [6.856317526681759]
視覚的位置認識は、移動ロボットの自律的な探索とナビゲーションにおいて重要な役割を果たす。
既存の手法では、強力だが大規模なネットワークを利用することでこれを克服している。
本稿では,TSCMと呼ばれる高性能な教師と軽量な学生蒸留フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-02T02:29:41Z) - Learning Lightweight Object Detectors via Multi-Teacher Progressive
Distillation [56.053397775016755]
本稿では,教師検出器の知識を学生に段階的に伝達する,知識蒸留への逐次的アプローチを提案する。
私たちの知識を最大限に活用するために、私たちはTransformerベースの教師検出器から、畳み込みベースの学生まで、初めて知識を抽出しました。
論文 参考訳（メタデータ） (2023-08-17T17:17:08Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - Machine Learning Approaches in Agile Manufacturing with Recycled
Materials for Sustainability [2.132096006921048]
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。
論文 参考訳（メタデータ） (2023-03-15T00:39:31Z) - 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) - GreenDB -- A Dataset and Benchmark for Extraction of Sustainability
Information of Consumer Goods [58.31888171187044]
毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。
製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。
本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
論文 参考訳（メタデータ） (2022-07-21T19:59:42Z) - Can Online Customer Reviews Help Design More Sustainable Products? A
Preliminary Study on Amazon Climate Pledge Friendly Products [0.0]
この論文は、Amazonの製品レビューを調査し分析し、以下の質問に新たな光を当てている。
スター格付けによって均等に分配された上位100のレビューは、3つの製品カテゴリが収集され、手動で注釈付けされ、分析され、解釈される。
レビューの12%から20%の間、直接または間接的に言及されたアスペクトや属性は、持続可能性の観点からこれらの製品の設計を改善するために利用することができる。
論文 参考訳（メタデータ） (2021-12-20T08:57:37Z) - Can Machine Learning Tools Support the Identification of Sustainable
Design Leads From Product Reviews? Opportunities and Challenges [0.0]
本稿では,オンライン製品レビューから持続可能なデザインインサイトを自動的に取得する統合型機械学習ソリューションを開発することを目的とする。
既存のフレームワークが提供する機会と課題は、アドホックな機械学習プロセスに沿って議論され、説明され、配置されます。
論文 参考訳（メタデータ） (2021-12-17T08:53:58Z) - Towards Leveraging End-of-Life Tools as an Asset: Value Co-Creation
based on Deep Learning in the Machining Industry [0.0]
エンド・オブ・ライフの製品は、リサイクル可能な資産としての価値に加えて、生産者や消費者に付加価値をもたらすことを提案します。
特に機械加工業界では, 加工工具の自動的特徴について論じる。
本稿では, 側面装具と切削用具の自動分類のための深層学習型コンピュータビジョンシステムを提案する。
論文 参考訳（メタデータ） (2020-07-24T07:06:57Z)
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。