論文の概要: Topological Data Analysis in smart manufacturing

• arxiv url: http://arxiv.org/abs/2310.09319v2
• Date: Fri, 17 May 2024 10:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-20 20:33:24.060869
• Title: Topological Data Analysis in smart manufacturing
• Title（参考訳）: スマートマニュファクチャリングにおけるトポロジカルデータ解析
• 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(英: Topological Data Analysis)は、代数的トポロジ手法を適用して複雑な多次元データを分析する分野である。 本調査は, 動的かつ有望な応用分野である工業生産・生産分野におけるTDA技術の現状を概観する。 我々は、この文脈におけるTDAツールの主な利点を強調し、遭遇した課題とこの分野の将来の可能性に対処する。
• 参考スコア（独自算出の注目度）: 0.7999703756441756
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Topological Data Analysis (TDA) is a discipline that applies algebraic topology techniques to analyze complex, multi-dimensional data. Although it is a relatively new field, TDA has been widely and successfully applied across various domains, such as medicine, materials science, and biology. This survey provides an overview of the state of the art of TDA within a dynamic and promising application area: industrial manufacturing and production, particularly within the Industry 4.0 context. We have conducted a rigorous and reproducible literature search focusing on TDA applications in industrial production and manufacturing settings. The identified works are categorized based on their application areas within the manufacturing process and the types of input data. We highlight the principal advantages of TDA tools in this context, address the challenges encountered and the future potential of the field. Furthermore, we identify TDA methods that are currently underexploited in specific industrial areas and discuss how their application could be beneficial, with the aim of stimulating further research in this field. This work seeks to bridge the theoretical advancements in TDA with the practical needs of industrial production. Our goal is to serve as a guide for practitioners and researchers applying TDA in industrial production and manufacturing systems. We advocate for the untapped potential of TDA in this domain and encourage continued exploration and research.
• Abstract（参考訳）: トポロジカル・データ・アナリティクス(TDA)は、複雑な多次元データを分析するために代数的トポロジ手法を適用する分野である。 比較的新しい分野であるが、TDAは医学、材料科学、生物学など様々な分野に広く応用されている。 本調査は、工業生産と生産、特に産業4.0の文脈における、動的かつ有望な分野におけるTDAの現状の概要を提供する。 我々は、工業生産および製造環境におけるTDA応用に焦点を当てた厳密で再現可能な文献検索を行った。 特定された作業は、製造プロセス内の適用領域と入力データの種類に基づいて分類される。 我々は、この文脈におけるTDAツールの主な利点を強調し、遭遇した課題とこの分野の将来の可能性に対処する。 さらに, 特定の産業分野において未開拓のTDA法を同定し, 今後の研究の促進をめざして, 適用のメリットについて論じる。 この研究は、TDAの理論的進歩と工業生産の実践的ニーズを橋渡ししようとしている。 我々の目標は、産業生産・製造システムにTDAを適用する実践者や研究者のためのガイドとして機能することである。 我々は、この領域におけるTDAの未解決の可能性を主張し、調査と研究の継続を奨励する。

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。