論文の概要: Survey on Foundation Models for Prognostics and Health Management in
Industrial Cyber-Physical Systems
- arxiv url: http://arxiv.org/abs/2312.06261v3
- Date: Sat, 20 Jan 2024 12:53:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 19:52:34.389676
- Title: Survey on Foundation Models for Prognostics and Health Management in
Industrial Cyber-Physical Systems
- Title(参考訳): 産業サイバー物理システムにおける予後と健康管理の基礎モデルに関する研究
- Authors: Ruonan Liu, Quanhu Zhang, Te Han
- Abstract要約: BERTやGPTのような大規模基盤モデル(LFM)は、AI技術の大幅な進歩を示している。
ChatGPTはこの研究パラダイムにおける顕著な成果であり、汎用人工知能の可能性を秘めている。
データ取得技術とデータ処理能力の継続的な向上を考えると、LCMはICPSのPHMドメインにおいて重要な役割を担うことが期待されている。
- 参考スコア(独自算出の注目度): 1.1034992901877594
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industrial Cyber-Physical Systems (ICPS) integrate the disciplines of
computer science, communication technology, and engineering, and have emerged
as integral components of contemporary manufacturing and industries. However,
ICPS encounters various challenges in long-term operation, including equipment
failures, performance degradation, and security threats. To achieve efficient
maintenance and management, prognostics and health management (PHM) finds
widespread application in ICPS for critical tasks, including failure
prediction, health monitoring, and maintenance decision-making. The emergence
of large-scale foundation models (LFMs) like BERT and GPT signifies a
significant advancement in AI technology, and ChatGPT stands as a remarkable
accomplishment within this research paradigm, harboring potential for General
Artificial Intelligence. Considering the ongoing enhancement in data
acquisition technology and data processing capability, LFMs are anticipated to
assume a crucial role in the PHM domain of ICPS. However, at present, a
consensus is lacking regarding the application of LFMs to PHM in ICPS,
necessitating systematic reviews and roadmaps to elucidate future directions.
To bridge this gap, this paper elucidates the key components and recent
advances in the underlying model.A comprehensive examination and comprehension
of the latest advances in grand modeling for PHM in ICPS can offer valuable
references for decision makers and researchers in the industrial field while
facilitating further enhancements in the reliability, availability, and safety
of ICPS.
- Abstract(参考訳): 産業サイバー物理システム(ICPS)は、コンピュータ科学、通信技術、工学の分野を統合し、現代の製造業と産業の不可欠な構成要素として登場した。
しかし、ICPSは機器の故障、性能劣化、セキュリティ上の脅威など、長期運用において様々な課題に直面している。
効率的なメンテナンスと管理を実現するため、診断と健康管理(PHM)はICPSにおいて障害予測、健康モニタリング、保守意思決定などの重要なタスクに広く適用されている。
bertやgptのような大規模基礎モデル(lfm)の出現は、ai技術の著しい進歩を意味し、chatgptはこの研究パラダイムにおける顕著な成果であり、一般的な人工知能の可能性を保っている。
データ取得技術とデータ処理能力の継続的な向上を考えると、LCMはICPSのPHMドメインにおいて重要な役割を担うことが期待される。
しかし、現在、ICPSにおけるPHMへのLPMの適用については合意が得られておらず、今後の方向性を解明するために体系的なレビューとロードマップが必要である。
このギャップを埋めるために,本論文は基礎となるモデルの重要な要素と最近の進歩を解明する。icpにおけるphmのグランドモデリングの最新動向の包括的検証と理解は,icpの信頼性,可用性,安全性のさらなる向上を図りつつ,産業分野の意思決定者や研究者に貴重な資料を提供することができる。
関連論文リスト
- Cybersecurity in Critical Infrastructures: A Post-Quantum Cryptography
Perspective [0.0]
産業環境へのサイバー攻撃の増加が経験されている。
機能的量子コンピュータの追求は、多くのグローバルエージェントを含む技術競争を引き起こした。
QKDとPQCの2つの主要な暗号解が提案されている。
論文 参考訳(メタデータ) (2024-01-08T10:02:48Z) - 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) - Secrets of RLHF in Large Language Models Part I: PPO [81.01936993929127]
大規模言語モデル (LLMs) は、人工知能の進歩のためのブループリントを定式化した。
人間のフィードバックによる強化学習(RLHF)がこの追求を支える重要な技術パラダイムとして出現する。
本稿では、RLHFの枠組みを解明し、PPOの内部構造を再評価し、PPOアルゴリズムを構成する部分が政策エージェントの訓練にどのように影響するかを考察する。
論文 参考訳(メタデータ) (2023-07-11T01:55:24Z) - ChatGPT-Like Large-Scale Foundation Models for Prognostics and Health
Management: A Survey and Roadmaps [8.62142522782743]
産業生産と設備整備において,PHM技術は重要な役割を担っている。
ChatGPTやDALLE-Eといった大規模ファンデーションモデル(LSF-Model)は、AIがAI-2.0の新しい時代に入ることを象徴している。
本稿では,LSFモデルの主要なコンポーネントと最新の開発について,体系的に解説する。
論文 参考訳(メタデータ) (2023-05-10T21:37:44Z) - Pre-Trained Models: Past, Present and Future [126.21572378910746]
大規模事前訓練モデル(PTM)は近年大きな成功を収め、人工知能(AI)分野におけるマイルストーンとなった。
知識を巨大なパラメータに格納し、特定のタスクを微調整することで、巨大なパラメータに暗黙的にエンコードされた豊富な知識は、さまざまな下流タスクの恩恵を受けることができる。
AIコミュニティが、モデルをスクラッチから学習するのではなく、下流タスクのバックボーンとしてPTMを採用することは、今、コンセンサスになっている。
論文 参考訳(メタデータ) (2021-06-14T02:40:32Z) - Artificial Intelligence Based Prognostic Maintenance of Renewable Energy
Systems: A Review of Techniques, Challenges, and Future Research Directions [3.1123064748686287]
データ分析と機械学習(ML)技術は、これらの予後維持システムの全体的な効率を高めるために使われています。
本稿では,文献に報告されている予測/予測保守フレームワークの概要について述べる。
MLベースのソリューションの重要な側面として、ドメインで一般的に使用されるデータセットについても議論します。
論文 参考訳(メタデータ) (2021-04-20T11:41:00Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳(メタデータ) (2020-08-05T15:45:54Z) - Convergence of Artificial Intelligence and High Performance Computing on
NSF-supported Cyberinfrastructure [3.4291439418246177]
人工知能(AI)アプリケーションは、産業や技術におけるビッグデータの課題に対して、トランスフォーメーションソリューションを推進している。
AIは、統計的および数学的厳密性を備えたコンピューティングパラダイムへと進化し続けており、トレーニング、検証、テストのためのシングルGPUソリューションがもはや不十分であることが明らかになっている。
この実現により、AIとハイパフォーマンスコンピューティングの融合が加速し、監視時間の短縮が図られている。
論文 参考訳(メタデータ) (2020-03-18T18:00:02Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文 参考訳(メタデータ) (2020-01-28T10:36:26Z)
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。