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
- Digital Twins in Additive Manufacturing: A Systematic Review [0.4218593777811082]
デジタルツイン (DT) は添加性製造 (AM) で人気が高まっている
機械学習(ML)、拡張現実(AR)、シミュレーションベースのモデルは、DTの開発において重要な役割を果たす。
論文 参考訳（メタデータ） (2024-09-02T00:11:48Z) - Artificial Intelligence Approaches for Predictive Maintenance in the Steel Industry: A Survey [9.088208602104105]
予測保守(PdM)は産業4.0の柱の一つとして登場した。
この調査は、鉄鋼業界におけるAIベースのPdM分野における知識の現状を総合するものである。
論文 参考訳（メタデータ） (2024-05-21T13:32:46Z) - 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) - Industrial Segment Anything -- a Case Study in Aircraft Manufacturing,
Intralogistics, Maintenance, Repair, and Overhaul [1.7183906167272582]
ビジョン・ファンデーション・モデル(VFM)に関する最近の研究のアドバンテージは、高い一般化能力を持つタスクとモデルの新たな領域を開放した。
本論文は, 航空機生産特化ユースケースにおけるSAMの応用を調査することによって貢献する。
論文 参考訳（メタデータ） (2023-07-24T10:24:13Z) - A Comprehensive Survey on Source-free Domain Adaptation [69.17622123344327]
ソースフリードメイン適応(SFDA)の研究は近年注目を集めている。
SFDAの最近の進歩を包括的に調査し、それらを統一的な分類体系に整理する。
一般的な3つの分類基準で30以上のSFDA法を比較検討した。
論文 参考訳（メタデータ） (2023-02-23T06:32:09Z) - The Technological Emergence of AutoML: A Survey of Performant Software
and Applications in the Context of Industry [72.10607978091492]
Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。
このレビューは、このトピックに関する知識に2つの主要な貢献をしている。
オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
論文 参考訳（メタデータ） (2022-11-08T10:42:08Z) - 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) - Proceedings of TDA: Applications of Topological Data Analysis to Data
Science, Artificial Intelligence, and Machine Learning Workshop at SDM 2022 [0.0]
トポロジカルデータ分析(TDA)は、幾何学的および代数的トポロジからテクニックを借りる厳密なフレームワークである。
現在、純粋数学者の活発なコミュニティがあり、TDAの理論的・計算的な側面を開発し、探求することに興味がある。
このワークショップの主な目的は、TDAに対するより広い関心のコミュニティを成長させることである。
論文 参考訳（メタデータ） (2022-04-03T19:40:11Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳（メタデータ） (2021-03-03T16:12:22Z) - 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) - Multi-source Domain Adaptation in the Deep Learning Era: A Systematic
Survey [53.656086832255944]
マルチソースドメイン適応(MDA)は、ラベル付きデータを複数のソースから収集できる強力な拡張である。
MDAは学術と産業の両方で注目を集めている。
論文 参考訳（メタデータ） (2020-02-26T08:07:58Z)
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。