論文の概要: Literal-Aware Knowledge Graph Embedding for Welding Quality Monitoring:
A Bosch Case
- arxiv url: http://arxiv.org/abs/2308.01105v1
- Date: Wed, 2 Aug 2023 12:22:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-03 13:00:12.021815
- Title: Literal-Aware Knowledge Graph Embedding for Welding Quality Monitoring:
A Bosch Case
- Title（参考訳）: 溶接品質モニタリングのためのリテラルアウェア知識グラフ埋め込み:boschの場合
- Authors: Zhipeng Tan, Baifan Zhou, Zhuoxun Zheng, Ognjen Savkovic, Ziqi Huang,
Irlan-Grangel Gonzalez, Ahmet Soylu, Evgeny Kharlamov
- Abstract要約: 本稿では, 製造業における溶接品質モニタリングという重要な課題に対して, 知識グラフ埋め込み(KGE)をどの程度活用できるかについて検討する。
この論文は、溶接スポットの直径がどれだけ大きいのか、溶接スポットがどの車体に属しているのかという、非常に難しい2つの質問に同時に取り組む。
リンク予測として問題を定式化し,リテラルを考慮したKGE手法を実業界データ上で実験した。
- 参考スコア（独自算出の注目度）: 7.824621590434853
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently there has been a series of studies in knowledge graph embedding
(KGE), which attempts to learn the embeddings of the entities and relations as
numerical vectors and mathematical mappings via machine learning (ML). However,
there has been limited research that applies KGE for industrial problems in
manufacturing. This paper investigates whether and to what extent KGE can be
used for an important problem: quality monitoring for welding in manufacturing
industry, which is an impactful process accounting for production of millions
of cars annually. The work is in line with Bosch research of data-driven
solutions that intends to replace the traditional way of destroying cars, which
is extremely costly and produces waste. The paper tackles two very challenging
questions simultaneously: how large the welding spot diameter is; and to which
car body the welded spot belongs to. The problem setting is difficult for
traditional ML because there exist a high number of car bodies that should be
assigned as class labels. We formulate the problem as link prediction, and
experimented popular KGE methods on real industry data, with consideration of
literals. Our results reveal both limitations and promising aspects of adapted
KGE methods.
- Abstract（参考訳）: 近年、知識グラフ埋め込み(KGE)の研究が続けられており、機械学習(ML)による数値ベクトルや数学的マッピングとしての実体や関係の埋め込みの学習が試みられている。
しかし、製造業における産業問題にkgeを適用する研究は限られている。
本稿では,KGEが製造業界における溶接品質モニタリングにおいて,毎年何百万台もの自動車の生産に影響を及ぼすプロセスである,重要な問題にどの程度有効かを検討する。
この研究は、データ駆動ソリューションに関するboschの研究では、非常にコストがかかり、無駄を生み出す、従来の自動車破壊方法を置き換えることを意図している。
この論文は、溶接スポットの直径がどれだけ大きいのか、溶接スポットがどの車体に属しているのかという、非常に難しい2つの質問に同時に取り組む。
従来のMLでは、クラスラベルとして割り当てられるべき多数の車体が存在するため、問題設定は困難である。
リンク予測として問題を定式化し,リテラルを考慮したKGE手法を実業界データ上で実験した。
本結果は,適応KGE手法の限界と有望性の両方を明らかにした。
関連論文リスト
- Towards a Deep Learning-based Online Quality Prediction System for
Welding Processes [4.923235962860045]
溶接プロセスは, 材料特性, プロセス条件, 溶接品質の複雑な原因-効果関係を特徴とする。
ディープラーニングは、利用可能なプロセスデータ内の関係を特定し、プロセス観察から溶接品質を予測する能力を提供する。
本稿では,GMAWにおけるディープラーニングに基づく予測品質システムの概念を提案する。
論文 参考訳（メタデータ） (2023-10-19T10:35:50Z) - Named Entity Resolution in Personal Knowledge Graphs [8.185725740857594]
本章では、個人知識グラフ(PKG)の文脈における名前付きERの具体的問題について論じる。
まず、問題の形式的定義と、高品質で効率的なERに必要なコンポーネントから始める。
次に、既存の技術がPKGにどのように適用できるかに焦点をあてて、簡単な文献レビューを行う。
論文 参考訳（メタデータ） (2023-07-22T21:39:35Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳（メタデータ） (2023-04-28T10:27:38Z) - Industrial Engineering with Large Language Models: A case study of
ChatGPT's performance on Oil & Gas problems [0.0]
大規模言語モデル(LLM)は、様々な分野で複雑な問題を解く大きな可能性を示している。
本稿では, 石油・ガス工学の分野において, 現在のLCMアプローチ, 特にChatGPTの限界を明らかにする。
論文 参考訳（メタデータ） (2023-04-27T17:33:49Z) - Unsupervised Self-Driving Attention Prediction via Uncertainty Mining
and Knowledge Embedding [51.8579160500354]
本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。
結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-03-17T00:28:33Z) - 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) - Learning to Identify Drilling Defects in Turbine Blades with Single
Stage Detectors [15.842163335920954]
タービンブレードのX線画像における網膜ドリル欠陥に基づくモデルを提案する。
このアプリケーションは、欠陥が非常に小さく、一般的に使用されるアンカーサイズによって捉えられにくい画像解像度のため、難しい。
このモデルを3ドルのクロスバリデーションで検証し,欠陥のある画像の同定に極めて高い精度を示す。
論文 参考訳（メタデータ） (2022-08-08T18:44:51Z) - Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。
ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文 参考訳（メタデータ） (2021-03-08T10:56:38Z) - Constraint Programming Algorithms for Route Planning Exploiting
Geometrical Information [91.3755431537592]
本稿では,経路計画問題に対する新しいアルゴリズムの開発に関する現在の研究動向について概説する。
これまでの研究は、特にユークリッド旅行セールスパーソン問題(ユークリッドTSP)に焦点を当ててきた。
目的は、将来ユークリッド自動車問題(ユークリッドVRP)など、同じカテゴリーの他の問題にも得られる結果を活用することである。
論文 参考訳（メタデータ） (2020-09-22T00:51:45Z) - An Evaluation of Knowledge Graph Embeddings for Autonomous Driving Data:
Experience and Practice [0.0]
自律運転(AD)業界は、車載センサーから生成される大量の異種データを管理するために知識グラフ(KG)の利用を検討している。
知識グラフ埋め込み(KGE)に関する最近の研究により、機械学習モデルの予測性能が向上することが示されている。
本研究では,自律運転データに対するKGEの生成と評価について検討する。
論文 参考訳（メタデータ） (2020-02-29T20:33:48Z)
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。