論文の概要: Explainable Predictive Maintenance: A Survey of Current Methods, Challenges and Opportunities

• arxiv url: http://arxiv.org/abs/2401.07871v1
• Date: Mon, 15 Jan 2024 18:06:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 16:26:47.926965
• Title: Explainable Predictive Maintenance: A Survey of Current Methods, Challenges and Opportunities
• Title（参考訳）: 説明可能な予測保守: 現状の方法, 課題, 機会の調査
• Authors: Logan Cummins, Alex Sommers, Somayeh Bakhtiari Ramezani, Sudip Mittal, Joseph Jabour, Maria Seale, Shahram Rahimi
• Abstract要約: システムとハードウェアのメンテナは、アップキープの金銭的および時間的コストを削減できる。 このことは、予測システムに説明可能性と解釈可能性を導入するために、説明可能なAI(XAI)の分野を惹きつける。 XAIは、優れたシステムを維持しながら、ユーザの信頼を増幅できる予測保守の分野にメソッドをもたらす。
• 参考スコア（独自算出の注目度）: 2.913761513290171
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predictive maintenance is a well studied collection of techniques that aims to prolong the life of a mechanical system by using artificial intelligence and machine learning to predict the optimal time to perform maintenance. The methods allow maintainers of systems and hardware to reduce financial and time costs of upkeep. As these methods are adopted for more serious and potentially life-threatening applications, the human operators need trust the predictive system. This attracts the field of Explainable AI (XAI) to introduce explainability and interpretability into the predictive system. XAI brings methods to the field of predictive maintenance that can amplify trust in the users while maintaining well-performing systems. This survey on explainable predictive maintenance (XPM) discusses and presents the current methods of XAI as applied to predictive maintenance while following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 2020 guidelines. We categorize the different XPM methods into groups that follow the XAI literature. Additionally, we include current challenges and a discussion on future research directions in XPM.
• Abstract（参考訳）: 予測メンテナンス(英: Predictive maintenance)は、人工知能と機械学習を用いて機械システムの寿命を延ばし、メンテナンスを行う最適な時間を予測することを目的とした、よく研究された技術の集合である。 この方法により、システムやハードウェアのメンテナは、アップキープの金銭的および時間的コストを削減できる。 これらの手法は、より深刻で生命を脅かすアプリケーションに採用されているため、人間のオペレーターは予測システムを信頼する必要がある。 このことは、予測システムに説明可能性と解釈可能性を導入するために、説明可能なAI(XAI)の分野を惹きつける。 XAIは、優れたシステムを維持しながら、ユーザの信頼を増幅できる予測保守の分野にメソッドをもたらす。 本研究は,システムレビューとメタアナリシス(prisma)2020ガイドラインの望ましい報告項目に従って,予測保守に適用するxaiの現状を考察し,提示する。 異なるXPM手法をXAI文献に従うグループに分類する。 また、XPMにおける現在の課題や今後の研究方向性についても論じる。

関連論文リスト

• Revolutionizing System Reliability: The Role of AI in Predictive Maintenance Strategies [0.0]
  この研究は、AI、特に機械学習とニューラルネットワークが、予測メンテナンス戦略を強化するためにどのように利用されているかを探求している。 この記事では、AIによる予測メンテナンスの実装の有効性と課題について、洞察を提供する。
  論文  参考訳（メタデータ） (2024-04-20T19:31:05Z)
• X Hacking: The Threat of Misguided AutoML [2.3011205420794574]
  本稿では、シャップ値などのXAIメトリクスに適用されたpハックの一種であるXハックの概念を紹介する。 自動機械学習パイプラインは、共通のベースラインに優れたパフォーマンスを維持しつつ、望ましい説明を生成する「防御可能な」モデルを探すためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2024-01-16T17:21:33Z)
• How much informative is your XAI? A decision-making assessment task to objectively measure the goodness of explanations [53.01494092422942]
  XAIに対する個人化アプローチとユーザ中心アプローチの数は、近年急速に増加している。 ユーザ中心のXAIアプローチがユーザとシステム間のインタラクションに肯定的な影響を与えることが明らかとなった。 我々は,XAIシステムの良否を客観的かつ定量的に評価するための評価課題を提案する。
  論文  参考訳（メタデータ） (2023-12-07T15:49:39Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• A Survey on Proactive Customer Care: Enabling Science and Steps to Realize it [10.85017740334476]
  我々は、AI駆動の予測メンテナンスユースケースを実現するために必要な、さまざまなビルディングブロックを分析した。 私たちの調査は、予測メンテナンスのユースケースをうまく設計するために必要なテンプレートとして機能します。
  論文  参考訳（メタデータ） (2021-10-11T05:56:03Z)
• Machine Learning for Financial Forecasting, Planning and Analysis: Recent Developments and Pitfalls [0.0]
  本稿では、金融予測、計画、分析(FP&A)のための機械学習入門について述べる。 我々は、FP&Aにおける機械学習に関する現在の文献をレビューし、予測と計画の両方に機械学習をどのように使用できるかをシミュレーション研究で示す。
  論文  参考訳（メタデータ） (2021-07-10T14:54:36Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Interpretable Predictive Maintenance for Hard Drives [0.5352699766206808]
  最近の機械学習の解釈アルゴリズムを用いて,データセンタのハードドライブ障害を予測するタスクを検討する。 これらの手法が短期および長期のドライブの健康に関する有意義な洞察を提供しつつ、高い予測性能を維持できることを実証する。
  論文  参考訳（メタデータ） (2021-02-12T13:25:58Z)
• Unsupervised Quality Estimation for Neural Machine Translation [63.38918378182266]
  既存のアプローチでは、大量の専門家アノテートデータ、計算、トレーニング時間が必要です。 MTシステム自体以外に、トレーニングや追加リソースへのアクセスが不要なQEに対して、教師なしのアプローチを考案する。 我々は品質の人間の判断と非常によく相関し、最先端の教師付きQEモデルと競合する。
  論文  参考訳（メタデータ） (2020-05-21T12:38:06Z)

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。