論文の概要: Stochastic Deep Koopman Model for Quality Propagation Analysis in Multistage Manufacturing Systems

• arxiv url: http://arxiv.org/abs/2309.10193v1
• Date: Mon, 18 Sep 2023 22:53:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 17:06:21.231478
• Title: Stochastic Deep Koopman Model for Quality Propagation Analysis in Multistage Manufacturing Systems
• Title（参考訳）: 多段階製造システムの品質伝搬解析のための確率的ディープクープマンモデル
• Authors: Zhiyi Chen, Harshal Maske, Huanyi Shui, Devesh Upadhyay, Michael Hopka, Joseph Cohen, Xingjian Lai, Xun Huan, Jun Ni
• Abstract要約: 本研究では、MMSの複雑な振る舞いをモデル化するための深いクープマン(SDK)フレームワークを紹介する。 本稿では,変分オートエンコーダから抽出した臨界品質情報を伝搬するクープマン演算子の新たな応用法を提案する。
• 参考スコア（独自算出の注目度）: 1.178566843877027
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The modeling of multistage manufacturing systems (MMSs) has attracted increased attention from both academia and industry. Recent advancements in deep learning methods provide an opportunity to accomplish this task with reduced cost and expertise. This study introduces a stochastic deep Koopman (SDK) framework to model the complex behavior of MMSs. Specifically, we present a novel application of Koopman operators to propagate critical quality information extracted by variational autoencoders. Through this framework, we can effectively capture the general nonlinear evolution of product quality using a transferred linear representation, thus enhancing the interpretability of the data-driven model. To evaluate the performance of the SDK framework, we carried out a comparative study on an open-source dataset. The main findings of this paper are as follows. Our results indicate that SDK surpasses other popular data-driven models in accuracy when predicting stagewise product quality within the MMS. Furthermore, the unique linear propagation property in the stochastic latent space of SDK enables traceability for quality evolution throughout the process, thereby facilitating the design of root cause analysis schemes. Notably, the proposed framework requires minimal knowledge of the underlying physics of production lines. It serves as a virtual metrology tool that can be applied to various MMSs, contributing to the ultimate goal of Zero Defect Manufacturing.
• Abstract（参考訳）: 多段階製造システム(MMS)のモデリングは、学術と産業の両方から注目を集めている。 近年のディープラーニング手法の進歩は、コストと専門知識を減らしてこの課題を達成する機会を提供する。 本研究では,MMSの複雑な振る舞いをモデル化する確率的ディープ・クープマン(SDK)フレームワークを提案する。 具体的には,変分オートエンコーダによって抽出された臨界品質情報を伝播するクープマン演算子の新たな応用を提案する。 この枠組みにより, 伝達線形表現を用いて製品品質の一般的な非線形進化を効果的に捉えることができ, データ駆動モデルの解釈可能性を高めることができる。 SDKフレームワークの性能を評価するため,オープンソースデータセットの比較研究を行った。 本論文の主な発見は以下の通りである。 以上の結果から,SDKはMMS内の製品品質を段階的に予測する際に,他の一般的なデータ駆動モデルよりも精度が高いことが示唆された。 さらに,SDKの確率潜在空間における特異な線形伝搬特性により,プロセス全体の品質変化のトレーサビリティが向上し,根本原因解析スキームの設計が容易になる。 特に、提案するフレームワークは、生産ラインの基礎となる物理に関する最小限の知識を必要とする。 様々なmmssに適用可能な仮想メトロロジーツールとして機能し、欠陥製造をゼロという究極の目標に寄与する。

関連論文リスト

• Rare Class Prediction Model for Smart Industry in Semiconductor Manufacturing [1.3955252961896323]
  本研究では, 半導体製造プロセスから収集したIn situデータに対して, 希少なクラス予測手法を開発した。 第一の目的は、ノイズとクラス不均衡の問題に対処し、クラス分離を強化するモデルを構築することである。 ROC曲線はAUCが0.95、精度が0.66、リコールが0.96である。
  論文  参考訳（メタデータ） (2024-06-06T22:09:43Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Exploring Precision and Recall to assess the quality and diversity of LLMs [82.21278402856079]
  我々はtextscLlama-2 や textscMistral のような大規模言語モデル (LLM) のための新しい評価フレームワークを提案する。 このアプローチにより、コーパスの整合を必要とせず、生成したテキストの品質と多様性を微妙に評価できる。
  論文  参考訳（メタデータ） (2024-02-16T13:53:26Z)
• An Augmented Surprise-guided Sequential Learning Framework for Predicting the Melt Pool Geometry [4.021352247826289]
  メタリック・アダプティブ・マニュファクチャリング(MAM)は、複雑な設計、最小限の廃棄物、迅速なプロトタイピング、素材の汎用性、カスタマイズされたソリューションなどの利点を提供する製造業を再構築した。 MAMの成功の重要な側面は、プロセスパラメータとメルトプール特性の関係を理解することである。 従来の機械学習(ML)メソッドは、有効ではあるが、複雑な関係をキャプチャするための大規模なデータセットに依存している。 本研究は,新たなサプライズ誘導型シーケンシャルラーニングフレームワークであるSurpriseAF-BOを導入し,MAMの大幅な変化を示唆するものである。
  論文  参考訳（メタデータ） (2024-01-10T23:05:23Z)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。 例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
  論文  参考訳（メタデータ） (2023-11-06T00:21:44Z)
• Enhanced LFTSformer: A Novel Long-Term Financial Time Series Prediction Model Using Advanced Feature Engineering and the DS Encoder Informer Architecture [0.8532753451809455]
  本研究では,拡張LFTSformerと呼ばれる長期金融時系列の予測モデルを提案する。 このモデルは、いくつかの重要なイノベーションを通じて、自分自身を区別する。 さまざまなベンチマークストックマーケットデータセットに関するシステマティックな実験は、強化LFTSformerが従来の機械学習モデルより優れていることを示している。
  論文  参考訳（メタデータ） (2023-10-03T08:37:21Z)
• From Quantity to Quality: Boosting LLM Performance with Self-Guided Data Selection for Instruction Tuning [52.257422715393574]
  本稿では,Large Language Models (LLMs) の自己誘導手法を導入し,オープンソースデータセットからサクラサンプルを自動識別し,選択する。 我々の重要な革新である命令追従困難度(IFD)メトリックは、モデルが期待する応答と本質的な生成能力の相違を識別するための重要な指標として現れます。
  論文  参考訳（メタデータ） (2023-08-23T09:45:29Z)
• Understanding Self-attention Mechanism via Dynamical System Perspective [58.024376086269015]
  SAM(Self-attention mechanism)は、人工知能の様々な分野で広く使われている。 常微分方程式(ODE)の高精度解における固有剛性現象(SP)は,高性能ニューラルネットワーク(NN)にも広く存在することを示す。 SAMは、本質的なSPを測定するためのモデルの表現能力を高めることができる剛性対応のステップサイズ適応器でもあることを示す。
  論文  参考訳（メタデータ） (2023-08-19T08:17:41Z)
• A hybrid machine learning framework for clad characteristics prediction in metal additive manufacturing [0.0]
  金属添加物製造(MAM)は大きな発展を遂げており、多くの注目を集めている。 MAMプロセスの複雑な性質から,MAMプリントクラッドの特性に対する処理パラメータの影響を予測することは困難である。 機械学習(ML)技術は、プロセスの基礎となる物理と処理パラメータをクラッド特性に結びつけるのに役立つ。
  論文  参考訳（メタデータ） (2023-07-04T18:32:41Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
  我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。 提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
  論文  参考訳（メタデータ） (2022-10-03T16:19:27Z)

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。