論文の概要: Neuro-symbolic Empowered Denoising Diffusion Probabilistic Models for Real-time Anomaly Detection in Industry 4.0

• arxiv url: http://arxiv.org/abs/2307.06975v2
• Date: Tue, 18 Jul 2023 21:27:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 16:36:43.654581
• Title: Neuro-symbolic Empowered Denoising Diffusion Probabilistic Models for Real-time Anomaly Detection in Industry 4.0
• Title（参考訳）: 産業4.0における実時間異常検出のためのニューロシンボリックエンパワードノイズ拡散確率モデル
• Authors: Luigi Capogrosso, Alessio Mascolini, Federico Girella, Geri Skenderi, Sebastiano Gaiardelli, Nicola Dall'Ora, Francesco Ponzio, Enrico Fraccaroli, Santa Di Cataldo, Sara Vinco, Enrico Macii, Franco Fummi, Marco Cristani
• Abstract要約: 本稿では,産業4.0プロセスにおけるリアルタイム異常予測のための拡散モデルを提案する。 ニューロシンボリックアプローチを用いて、我々は産業をモデルに統合し、スマートマニュファクチャリングに関するフォーマルな知識を付加する。
• 参考スコア（独自算出の注目度）: 9.903035948408316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industry 4.0 involves the integration of digital technologies, such as IoT, Big Data, and AI, into manufacturing and industrial processes to increase efficiency and productivity. As these technologies become more interconnected and interdependent, Industry 4.0 systems become more complex, which brings the difficulty of identifying and stopping anomalies that may cause disturbances in the manufacturing process. This paper aims to propose a diffusion-based model for real-time anomaly prediction in Industry 4.0 processes. Using a neuro-symbolic approach, we integrate industrial ontologies in the model, thereby adding formal knowledge on smart manufacturing. Finally, we propose a simple yet effective way of distilling diffusion models through Random Fourier Features for deployment on an embedded system for direct integration into the manufacturing process. To the best of our knowledge, this approach has never been explored before.
• Abstract（参考訳）: 産業 4.0は、IoT、ビッグデータ、AIといったデジタル技術が製造プロセスと産業プロセスに統合され、効率と生産性が向上する。 これらの技術が相互接続され相互依存的になるにつれて、業界 4.0システムはより複雑になり、製造プロセスに障害を引き起こす可能性のある異常を特定し、停止することが難しくなる。 本稿では,産業4.0プロセスにおけるリアルタイム異常予測のための拡散モデルを提案する。 ニューロシンボリックアプローチを用いて,産業オントロジーをモデルに統合し,スマートマニュファクチャリングに関する形式的知識を付加する。 最後に, 製造プロセスへの直接統合のための組込みシステムへの展開のために, ランダムフーリエ機能を通して拡散モデルを蒸留する方法を提案する。 私たちの知る限りでは、このアプローチはこれまでに検討されたことがない。

関連論文リスト

• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• The Artificial Neural Twin -- Process Optimization and Continual Learning in Distributed Process Chains [3.79770624632814]
  本稿では,モデル予測制御,ディープラーニング,センサネットワークの概念を組み合わせた人工ニューラルツインを提案する。 我々のアプローチでは、分散プロセスのステップの状態を推定するために、微分可能なデータ融合を導入します。 相互接続されたプロセスステップを準ニューラルネットワークとして扱うことで、プロセス最適化やモデル微調整のための損失勾配をプロセスパラメータにバックプロパゲートすることができる。
  論文  参考訳（メタデータ） (2024-03-27T08:34:39Z)
• A Cost-Sensitive Transformer Model for Prognostics Under Highly Imbalanced Industrial Data [1.6492989697868894]
  本稿では,体系的なワークフローの一部として開発された新しいコスト感応型トランスフォーマーモデルを提案する。 その結果,最先端手法と比較して性能が大幅に向上した。 本研究は, 産業環境における故障予測の独特な課題に対処する上での本手法の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-01-16T15:09:53Z)
• Agnostic Learning for Packing Machine Stoppage Prediction in Smart Factories [0.0]
  サイバー物理コンバージェンス(サイバー物理コンバージェンス)は、産業界に新たなビジネスチャンスを開こうとしている。 サイバーと物理世界の深い統合の必要性は、新しいシステムとネットワークエンジニアリングのアプローチを統合するための豊富なビジネスアジェンダを確立する。 このデータ豊かでサイバー物理学的でスマートな工場環境から生まれた、最も実りある研究と実践の分野の1つは、データ駆動のプロセス監視分野である。
  論文  参考訳（メタデータ） (2022-12-12T23:45:59Z)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• Leveraging Industry 4.0 -- Deep Learning, Surrogate Model and Transfer Learning with Uncertainty Quantification Incorporated into Digital Twin for Nuclear System [2.530807828621263]
  IoT(Internet of Things)と機械学習(ML)の出現により、サロゲートモデリングの概念はさらに有効になった。 この章は、代理モデリング、トランスファーラーニング、IoT、デジタルツインという概念の概要から始まる。 その後、デジタルツインに関連付けられた代理モデルに対する不確実性、不確実性定量化フレームワーク、および不確実性定量化手法の詳細について概説する。
  論文  参考訳（メタデータ） (2022-09-30T20:19:04Z)
• 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)
• On a Uniform Causality Model for Industrial Automation [61.303828551910634]
  産業自動化の様々な応用分野に対する一様因果モデルを提案する。 得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。 このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
  論文  参考訳（メタデータ） (2022-09-20T11:23:51Z)
• Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
  産業用AIは、より効率的な将来の産業用制御システムを約束する。 Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
  論文  参考訳（メタデータ） (2020-10-30T20:33:05Z)
• 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)

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。