論文の概要: Framework for continuous transition to Agile Systems Engineering in the Automotive Industry

• arxiv url: http://arxiv.org/abs/2311.12502v1
• Date: Tue, 21 Nov 2023 10:21:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 01:06:12.537716
• Title: Framework for continuous transition to Agile Systems Engineering in the Automotive Industry
• Title（参考訳）: 自動車産業におけるアジャイルシステムエンジニアリングへの継続的移行のためのフレームワーク
• Authors: Jan Heine, Herbert Palm
• Abstract要約: 我々は、新しいアジリティ要求を満たすために、自動車産業のためのアジャイルシステムエンジニアリング(SE)フレームワークを提案します。 方法論的背景に加えて,ドイツの自動車メーカーのシャシー開発部門におけるパイロットプロジェクトの結果も提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing pressure within VUCA (volatility, uncertainty, complexity and ambiguity) driven environments causes traditional, plan-driven Systems Engineering approaches to no longer suffice. Agility is then changing from a "nice-to-have" to a "must-have" capability for successful system developing organisations. The current state of the art, however, does not provide clear answers on how to map this need in terms of processes, methods, tools and competencies (PMTC) and how to successfully manage the transition within established industries. In this paper, we propose an agile Systems Engineering (SE) Framework for the automotive industry to meet the new agility demand. In addition to the methodological background, we present results of a pilot project in the chassis development department of a German automotive manufacturer and demonstrate the effectiveness of the newly proposed framework. By adopting the described agile SE Framework, companies can foster innovation and collaboration based on a learning, continuous improvement and self-reinforcing base.
• Abstract（参考訳）: vuca(volatility, uncertainty, complexity and ambiguity)駆動環境内のプレッシャーの増加は、従来の計画駆動のシステムエンジニアリングアプローチをもはや不十分にさせる。 アジャイルはその後、成功しているシステム開発組織のために、“ニッチ・トゥ・ハヴ”から“マスト・ハヴ”の能力に変わりつつある。 しかし、現在の技術状況は、プロセス、メソッド、ツール、能力(pmtc)、および確立された業界における移行をうまく管理する方法について、このニーズをどのようにマッピングするか、明確な答えを提供していない。 本稿では,新たなアジリティ要求を満たすために,自動車産業のためのアジャイルシステムエンジニアリング(se)フレームワークを提案する。 この方法論の背景に加えて,ドイツの自動車メーカーであるシャシー開発部門におけるパイロットプロジェクトの成果を提示し,新たに提案する枠組みの有効性を実証する。 先に述べたagile seフレームワークを採用することで、企業は学習、継続的改善、自己情報ベースに基づくイノベーションとコラボレーションを育むことができる。

関連論文リスト

• Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
  このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。 提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。 この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
  論文  参考訳（メタデータ） (2024-11-20T11:57:43Z)
• An Exploration of Agile Methods in the Automotive Industry: Benefits, Challenges and Opportunities [0.589889361990138]
  本稿では,自動車産業におけるアジャイル手法導入のメリットと課題について考察する。 私たちの調査結果は、コラボレーションの改善や市場投入までの時間短縮など、アジャイルアプローチの潜在的なメリットを浮き彫りにしています。 本稿では,既存の研究と実践的な洞察を合成することによって,自動車ソフトウェア開発の将来を形作る上でのアジャイル手法の役割を理解することを目的とする。
  論文  参考訳（メタデータ） (2024-09-19T11:43:38Z)
• Hierarchical and Decoupled BEV Perception Learning Framework for Autonomous Driving [52.808273563372126]
  本稿では,基本認識モジュールとユーザフレンドリなグラフィカルインタフェースのライブラリの提供を目的とした,新しい階層的BEV知覚パラダイムを提案する。 我々は,大規模公開データセットと合理化開発プロセスを効果的に活用するために,Pretrain-Finetune戦略を実行している。 また、マルチモジュールラーニング(MML)アプローチを提案し、複数のモデルの相乗的かつ反復的な訓練により性能を向上させる。
  論文  参考訳（メタデータ） (2024-07-17T11:17:20Z)
• Skills Composition Framework for Reconfigurable Cyber-Physical Production Modules [44.99833362998488]
  本稿では、スキルベースの再構成可能なサイバー物理生産モジュールにおけるスキルの構成と実行のためのフレームワークを提案する。 分散ビヘイビアツリー(BT)に基づいており、低レベルのデバイス固有のコードとAIベースのタスク指向フレームワークとの良好な統合を提供する。
  論文  参考訳（メタデータ） (2024-05-22T12:56:05Z)
• On STPA for Distributed Development of Safe Autonomous Driving: An Interview Study [0.7851536646859475]
  System-Theoretic Process Analysis (STPA)は、防衛や航空宇宙といった安全関連分野に適用される新しい手法である。 STPAは、分散システム開発とマルチアトラクション設計レベルを備えた自動車システム工学において、完全には有効でない前提条件を前提としている。 これは継続的開発とデプロイメントにおける保守性の問題と見なすことができる。
  論文  参考訳（メタデータ） (2024-03-14T15:56:02Z)
• Digital Twin Framework for Optimal and Autonomous Decision-Making in Cyber-Physical Systems: Enhancing Reliability and Adaptability in the Oil and Gas Industry [0.0]
  本研究は,石油・ガス産業におけるガスリフトプロセスに適用可能な,最適かつ自律的な意思決定のためのディジタルツインフレームワークを提案する。 このフレームワークは、ベイジアン推論、モンテカルロシミュレーション、トランスファーラーニング、オンライン学習、そしてDTに認知を与える新しい戦略を組み合わせたものである。
  論文  参考訳（メタデータ） (2023-11-21T18:02:52Z)
• Conceptual Framework for Autonomous Cognitive Entities [0.9285295512807729]
  本稿では,認知アーキテクチャの新しいフレームワークである自律認知エンティティモデルを紹介する。 このモデルは、大規模言語モデル(LLM)やマルチモーダル生成モデル(MMM)など、最新の生成AI技術の能力を活用するように設計されている。 ACEフレームワークには、障害の処理とアクションの適応のためのメカニズムも組み込まれているため、自律エージェントの堅牢性と柔軟性が向上する。
  論文  参考訳（メタデータ） (2023-10-03T15:53:55Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)
• Technology Readiness Levels for AI & ML [79.22051549519989]
  機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。 エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。 我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-21T17:14:34Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。