論文の概要: Real-time Autonomous Control of a Continuous Macroscopic Process as
Demonstrated by Plastic Forming
- arxiv url: http://arxiv.org/abs/2312.08658v1
- Date: Thu, 14 Dec 2023 05:06:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-15 23:58:03.127088
- Title: Real-time Autonomous Control of a Continuous Macroscopic Process as
Demonstrated by Plastic Forming
- Title（参考訳）: 塑性成形による連続的マクロプロセスの実時間自律制御
- Authors: Shun Muroga, Takashi Honda, Yasuaki Miki, Hideaki Nakajima, Don N.
Futaba, Kenji Hata
- Abstract要約: 本稿では,リアルタイムなインサイトキャラクタリゼーションを用いた自律システムと,能動的学習アルゴリズムに基づく自律型意思決定処理システムについて報告する。
本システムをプラスチックフィルム形成システムに適用し, 所定のターゲット膜寸法のプロセス条件を決定する際の効率と精度を強調した。
- 参考スコア（独自算出の注目度）: 0.5755330809949591
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To meet the demands for more adaptable and expedient approaches to augment
both research and manufacturing, we report an autonomous system using real-time
in-situ characterization and an autonomous, decision-making processer based on
an active learning algorithm. This system was applied to a plastic film forming
system to highlight its efficiency and accuracy in determining the process
conditions for specified target film dimensions, importantly, without any human
intervention. Application of this system towards nine distinct film dimensions
demonstrated the system ability to quickly determine the appropriate and stable
process conditions (average 11 characterization-adjustment iterations, 19
minutes) and the ability to avoid traps, such as repetitive over-correction.
Furthermore, comparison of the achieved film dimensions to the target values
showed a high accuracy (R2 = 0.87, 0.90) for film width and thickness,
respectively. In addition, the use of an active learning algorithm afforded our
system to proceed optimization with zero initial training data, which was
unavailable due to the complex relationships between the control factors
(material supply rate, applied force, material viscosity) within the plastic
forming process. As our system is intrinsically general and can be applied to
any most material processes, these results have significant implications in
accelerating both research and industrial processes.
- Abstract（参考訳）: 研究と製造の両方を強化するためのより適応的で効果的なアプローチの要求を満たすため,実時間内特徴量を用いた自律システムと,能動学習アルゴリズムに基づく自律的意思決定処理システムについて報告する。
本システムは, 所定のターゲット膜寸法のプロセス条件を決定する際の効率と精度を明らかにするために, 人間の介入なしにプラスチック膜形成システムに適用した。
9つの異なるフィルム次元へのシステムの適用は、適切なプロセス条件(平均11回のキャラクタリゼーション調整イテレーション、19分)を迅速に決定する能力と、反復的な過補正のようなトラップを避ける能力を示した。
さらに, 得られた膜寸法と目標値を比較すると, 膜厚と膜厚の精度が高い(R2 = 0.87, 0.90)。
さらに, 能動学習アルゴリズムを用いることで, プラスチック成形プロセスにおける制御因子(材料供給率, 応用力, 材料粘度)の複雑な関係から, ゼロ初期訓練データを用いて最適化を行うことができた。
我々のシステムは本質的に一般的であり、ほとんどの物質的プロセスに適用できるため、これらの結果は研究と産業のプロセスの両方を加速させる重要な意味を持つ。
関連論文リスト
- Root Cause Analysis Of Productivity Losses In Manufacturing Systems Utilizing Ensemble Machine Learning [0.0]
本研究では、データ駆動型アンサンブルアプローチを導入し、サイクル当たりの生産性損失を分析した。
アンサンブルアプローチは、情報理論や機械学習行動モデルなど、さまざまな手法を統合する。
半自動溶接製造システム、射出成形自動化システム、および合成生成試験PLCデータセットを用いて検証する。
論文 参考訳（メタデータ） (2024-07-31T10:21:20Z) - Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。
提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。
合成データと実データの両方の実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-07-10T02:37:36Z) - Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。
我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。
本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
論文 参考訳（メタデータ） (2024-05-20T09:28:23Z) - The Artificial Neural Twin -- Process Optimization and Continual Learning in Distributed Process Chains [3.79770624632814]
本稿では,モデル予測制御,ディープラーニング,センサネットワークの概念を組み合わせた人工ニューラルツインを提案する。
我々のアプローチでは、分散プロセスのステップの状態を推定するために、微分可能なデータ融合を導入します。
相互接続されたプロセスステップを準ニューラルネットワークとして扱うことで、プロセス最適化やモデル微調整のための損失勾配をプロセスパラメータにバックプロパゲートすることができる。
論文 参考訳（メタデータ） (2024-03-27T08:34:39Z) - Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。
我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。
この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文 参考訳（メタデータ） (2023-04-20T19:15:02Z) - Physics-informed machine learning with differentiable programming for
heterogeneous underground reservoir pressure management [64.17887333976593]
地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。
地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。
過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
論文 参考訳（メタデータ） (2022-06-21T20:38:13Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - Variational framework for partially-measured physical system control:
examples of vision neuroscience and optical random media [0.294656234307089]
物理システムから所望の目標出力を得るための学習手順を提案する。
本研究では,変分自動エンコーダ(VAE)を用いてシステム機能の生成モデルを提案する。
光学物理学と神経科学の2つのデータセットに対する本手法の適用性について紹介する。
論文 参考訳（メタデータ） (2021-10-25T19:25:42Z) - An automatic differentiation system for the age of differential privacy [65.35244647521989]
Tritiumは、微分プライベート(DP)機械学習(ML)のための自動微分ベース感度分析フレームワークである
我々は、微分プライベート(DP)機械学習(ML)のための自動微分に基づく感度分析フレームワークTritiumを紹介する。
論文 参考訳（メタデータ） (2021-09-22T08:07:42Z) - Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。
その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。
結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文 参考訳（メタデータ） (2020-06-13T17:28:52Z)
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。