論文の概要: Topological Data Analysis in smart manufacturing processes -- A survey
on the state of the art
- arxiv url: http://arxiv.org/abs/2310.09319v1
- Date: Fri, 13 Oct 2023 13:03:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 02:15:57.708149
- Title: Topological Data Analysis in smart manufacturing processes -- A survey
on the state of the art
- Title(参考訳): スマート・マニュファクチャリング・プロセスにおけるトポロジカルデータ分析 -最先端技術に関する調査-
- Authors: Martin Uray, Barbara Giunti, Michael Kerber, Stefan Huber
- Abstract要約: トポロジカル・データ・アナリティクス(TDA)は、トポロジの技法を用いて複雑な多次元データの解析を行う数学的手法である。
本調査は、産業4.0の文脈における工業生産と生産という、TDAの別の応用分野における技術の現状をまとめたものである。
- 参考スコア(独自算出の注目度): 0.8739101659113157
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Topological Data Analysis (TDA) is a mathematical method using techniques
from topology for the analysis of complex, multi-dimensional data that has been
widely and successfully applied in several fields such as medicine, material
science, biology, and others. This survey summarizes the state of the art of
TDA in yet another application area: industrial manufacturing and production in
the context of Industry 4.0. We perform a rigorous and reproducible literature
search of applications of TDA on the setting of industrial production and
manufacturing. The resulting works are clustered and analyzed based on their
application area within the manufacturing process and their input data type. We
highlight the key benefits of TDA and their tools in this area and describe its
challenges, as well as future potential. Finally, we discuss which TDA methods
are underutilized in (the specific area of) industry and the identified types
of application, with the goal of prompting more research in this profitable
area of application.
- Abstract(参考訳): トポロジカルデータ解析(英: topological data analysis、tda)は、医学、物質科学、生物学などいくつかの分野において広く、かつうまく適用されてきた複雑な多次元データの解析のためのトポロジーからの手法を用いた数学的手法である。
本調査は、産業4.0の文脈における工業生産と生産という、TDAの別の応用分野における技術の現状をまとめたものである。
産業生産・製造分野におけるtdaの応用について, 厳密かつ再現可能な文献検索を行う。
得られた作業は、製造プロセス内のアプリケーション領域と入力データタイプに基づいてクラスタ化され、分析される。
我々は、この分野におけるTDAとそのツールの重要な利点を強調し、その課題と将来の可能性を説明する。
最後に、この利益のあるアプリケーション分野のさらなる研究を促進することを目的として、業界(特定分野)におけるTDA手法と特定タイプのアプリケーションについて検討する。
関連論文リスト
- Machine learning for industrial sensing and control: A survey and
practical perspective [7.678648424345052]
プロセス産業で実際に成功している重要な統計および機械学習技術を特定する。
ソフトセンシングは、統計学と機械学習の手法の多くの産業応用を含んでいる。
データ駆動最適化と制御のための2つの異なるフレーバーについて考察する。
論文 参考訳(メタデータ) (2024-01-24T22:27:04Z) - Leveraging Large Language Model for Automatic Evolving of Industrial
Data-Centric R&D Cycle [20.30730316993658]
データ駆動型ソリューションは、無数の産業課題に対処するための強力なツールとして登場しています。
データ中心のR&Dはこれらのソリューションを活用する上で重要な役割を担っているが、人間、計算、時間資源といった面では大きなコストが伴うことが多い。
本稿では,データ中心R&Dの進化サイクルを早めるために,大規模言語モデル(LLM)の可能性について検討する。
論文 参考訳(メタデータ) (2023-10-17T13:18:02Z) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳(メタデータ) (2023-10-16T09:06:00Z) - Integration of Domain Expert-Centric Ontology Design into the CRISP-DM
for Cyber-Physical Production Systems [63.62764375279861]
機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。
しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。
このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチを提供することを目的としている。
論文 参考訳(メタデータ) (2023-07-21T15:04:00Z) - Application of Transformers based methods in Electronic Medical Records:
A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文 参考訳(メタデータ) (2023-04-05T22:19:42Z) - Time-Series Pattern Recognition in Smart Manufacturing Systems: A
Literature Review and Ontology [3.5097082077065003]
本稿では,製造における時系列パターン認識の現状について,構造化された視点を提供する。
それは、実用的で実用的なガイドラインと、時系列分析の進歩のための推奨を提供することを目的としている。
論文 参考訳(メタデータ) (2023-01-29T17:18:59Z) - 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) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳(メタデータ) (2022-07-18T11:38:32Z) - Knowledge Graphs in Manufacturing and Production: A Systematic
Literature Review [0.0]
製造と生産におけるナレッジグラフは、生産ラインをより効率的で柔軟にし、高品質の出力を目指しています。
これにより、知識グラフは企業が産業の4.0の目標に達するのを魅力的にしている。
この分野の既存の研究は非常に予備的であり、ナレッジグラフをどのように適用できるかを分析する研究がさらに必要である。
論文 参考訳(メタデータ) (2020-12-16T16:15:28Z) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳(メタデータ) (2020-05-23T20:57:12Z)
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。