論文の概要: Causally Learning an Optimal Rework Policy
- arxiv url: http://arxiv.org/abs/2306.04223v1
- Date: Wed, 7 Jun 2023 07:58:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 15:36:57.888376
- Title: Causally Learning an Optimal Rework Policy
- Title(参考訳): 最適リワーク政策の因果学習
- Authors: Oliver Schacht, Sven Klaassen, Philipp Schwarz, Martin Spindler,
Daniel Gr\"unbaum, Sebastian Imhof
- Abstract要約: 生産ロットの再作業には、最終製品が要求仕様を満たすように調整された前の生産段階を繰り返すことが含まれる。
光電子半導体製造における色変換過程における再加工工程の条件処理効果を機械学習を用いて推定する。
- 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: In manufacturing, rework refers to an optional step of a production process
which aims to eliminate errors or remedy products that do not meet the desired
quality standards. Reworking a production lot involves repeating a previous
production stage with adjustments to ensure that the final product meets the
required specifications. While offering the chance to improve the yield and
thus increase the revenue of a production lot, a rework step also incurs
additional costs. Additionally, the rework of parts that already meet the
target specifications may damage them and decrease the yield. In this paper, we
apply double/debiased machine learning (DML) to estimate the conditional
treatment effect of a rework step during the color conversion process in
opto-electronic semiconductor manufacturing on the final product yield. We
utilize the implementation DoubleML to develop policies for the rework of
components and estimate their value empirically. From our causal machine
learning analysis we derive implications for the coating of monochromatic LEDs
with conversion layers.
- Abstract(参考訳): 製造において、リワーク(rework)とは、望ましい品質基準を満たさないエラーや製品の改善を目的とした生産プロセスの任意のステップを指す。
生産ロットの再作業には、最終製品が要求仕様を満たすように調整された前の生産段階を繰り返すことが含まれる。
生産量を改善する機会を提供し、生産ロットの収益を増やす一方で、再作業のステップは追加コストもたらします。
さらに、既に目標仕様を満たしている部品のリワークは、それらを傷つけ、収率を低下させる可能性がある。
本稿では,光電子半導体製造における色変換過程におけるリワークステップの条件処理効果を最終生成物収率で推定するために,dml(double/debiased machine learning)を適用した。
実装のDoubleMLを利用して、コンポーネントのリワークのポリシーを開発し、その価値を経験的に見積もる。
因果機械学習解析から、単色LEDを変換層でコーティングすることの意味を導出した。
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) - Industrial-scale Prediction of Cement Clinker Phases using Machine Learning [3.600969417368042]
セメントの生産量は410億トンを超え、年間2.4トンのCO2を生産している。
セメント製造の伝統的なプロセスモデルは、鉱物学的相の予測能力に制限のある定常状態に限られている。
ここでは, 産業用セメントプラントからの総合的な2年間の運用データセットを利用して, プロセスデータからクリンカー鉱物学を正確に予測する機械学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-12-16T17:03:04Z) - Pre-training Distillation for Large Language Models: A Design Space Exploration [54.67324039434781]
予習蒸留は、大きな教師モデルからより小さな学生モデルに知識を移すことを目的としている。
我々は, プレトレーニング蒸留の設計空間を探索し, より良い構成を求める実験を行った。
我々は, 設計分野の探究が, 予修蒸留の今後の実践に影響を及ぼすことを期待している。
論文 参考訳(メタデータ) (2024-10-21T17:16:13Z) - Attribute Controlled Fine-tuning for Large Language Models: A Case Study on Detoxification [76.14641982122696]
本稿では,属性制御付き大規模言語モデル(LLM)の制約学習スキーマを提案する。
提案手法は, ベンチマーク上での競合性能と毒性検出タスクを達成しながら, 不適切な応答を少ないLCMに導出することを示す。
論文 参考訳(メタデータ) (2024-10-07T23:38:58Z) - VinePPO: Unlocking RL Potential For LLM Reasoning Through Refined Credit Assignment [66.80143024475635]
VinePPOは不偏のモンテカルロ推定を計算するための簡単な手法である。
我々は、VinePPOが、MATHおよびGSM8Kデータセット間でPPOや他のRLフリーベースラインを一貫して上回ることを示す。
論文 参考訳(メタデータ) (2024-10-02T15:49:30Z) - Multi-Granularity Semantic Revision for Large Language Model Distillation [66.03746866578274]
LLM蒸留における多粒性セマンティックリビジョン法を提案する。
シーケンスレベルでは、シーケンス修正と再生戦略を提案する。
トークンレベルでは、蒸留目的関数として、Kulback-Leibler損失を補正する分布適応クリッピングを設計する。
スパンレベルでは、シーケンスのスパン前処理を利用して、スパン内の確率相関を計算し、教師と学生の確率相関を一貫性に制約する。
論文 参考訳(メタデータ) (2024-07-14T03:51:49Z) - Management Decisions in Manufacturing using Causal Machine Learning -- To Rework, or not to Rework? [0.5772546394254112]
本稿では,製造システムにおける最適リワークポリシーを推定するためのデータ駆動モデルを提案する。
我々は、任意の再作業ステップを可能にする、多段階のロットベースシステム内の単一のプロダクションステージについて検討する。
本研究では、因果機械学習、特にDML(Double/debiased Machine Learning)の手法を用いて、データから条件付き処理効果を推定する。
論文 参考訳(メタデータ) (2024-06-17T08:14:40Z) - Novel End-to-End Production-Ready Machine Learning Flow for
Nanolithography Modeling and Correction [0.0]
最先端の研究は、ランタイムと計算能力を減らすために機械学習(ML)技術を模索した。
本稿では,ML-RETの修正が可能な,スケーラブルなエンドツーエンドフローを提案する。
論文 参考訳(メタデータ) (2024-01-04T20:53:43Z) - Optimizing the switching operation in monoclonal antibody production:
Economic MPC and reinforcement learning [0.0]
モノクローナル抗体(mAbs)は、医学において欠かせない存在であり、現在、生物医薬品開発の最前線にある。
工業的なmAb生産のプロセスのほとんどはバッチ処理に依存しており、結果として大幅なダウンタイムが発生する。
完全に継続的かつ統合された製造プロセスへの移行は、製品の生産量と品質を高める可能性を秘めている。
論文 参考訳(メタデータ) (2023-08-07T22:12:48Z) - A Modular Test Bed for Reinforcement Learning Incorporation into
Industrial Applications [1.5136939451642133]
本稿では、あらかじめ定義されたルールに従って、モデルファクトリを通じて商品を輸送・組み立てする作業を行うユースケースを提案する。
目的は、商品を組立ステーションに搬送し、各製品に2つのリベットを設置し、上部を下部に接続することである。
本研究は, この課題に対処し, 生産プロセスの効率化を図るため, 強化学習技術の応用に焦点を当てた。
論文 参考訳(メタデータ) (2023-06-02T11:00:46Z) - Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
我々はミネラルウールのための視覚品質管理システムを開発した。
ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。
我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
論文 参考訳(メタデータ) (2022-11-01T13:58:02Z)
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。