論文の概要: A Semantic Approach for Big Data Exploration in Industry 4.0
- arxiv url: http://arxiv.org/abs/2401.09789v1
- Date: Thu, 18 Jan 2024 08:20:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 17:34:38.213429
- Title: A Semantic Approach for Big Data Exploration in Industry 4.0
- Title（参考訳）: 産業4.0におけるビッグデータ探査のセマンティックアプローチ
- Authors: Idoia Berges, V\'ictor Julio Ram\'irez-Dur\'an, Arantza Illarramendi
- Abstract要約: 本稿では,ドメインの専門家によるデータ探索と視覚化が可能なセマンティックなビジュアルクエリシステムを提案する。
システムの主な特徴は、最初にセマンティックアノテートされたデータと、セマンティック記述と結びついているマシンの2Dカスタマイズされたデジタル表現を組み合わせた使い方である。
- 参考スコア（独自算出の注目度）: 0.05524804393257919
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The growing trends in automation, Internet of Things, big data and cloud
computing technologies have led to the fourth industrial revolution (Industry
4.0), where it is possible to visualize and identify patterns and insights,
which results in a better understanding of the data and can improve the
manufacturing process. However, many times, the task of data exploration
results difficult for manufacturing experts because they might be interested in
analyzing also data that does not appear in pre-designed visualizations and
therefore they must be assisted by Information Technology experts. In this
paper, we present a proposal materialized in a semantic-based visual query
system developed for a real Industry 4.0 scenario that allows domain experts to
explore and visualize data in a friendly way. The main novelty of the system is
the combined use that it makes of captured data that are semantically annotated
first, and a 2D customized digital representation of a machine that is also
linked with semantic descriptions. Those descriptions are expressed using terms
of an ontology, where, among others, the sensors that are used to capture
indicators about the performance of a machine that belongs to a Industry 4.0
scenario have been modeled. Moreover, this semantic description allows to:
formulate queries at a higher level of abstraction, provide customized
graphical visualizations of the results based on the format and nature of the
data, and download enriched data enabling further types of analysis.
- Abstract（参考訳）: 自動化、モノのインターネット、ビッグデータ、クラウドコンピューティング技術のトレンドは、第4次産業革命(Industry 4.0)に繋がった。そこでは、パターンや洞察を視覚化し、識別することが可能であり、それによってデータの理解を深め、製造プロセスを改善することができる。
しかし,データ探索の課題は,事前設計した可視化には現れないデータ分析に関心があるため,情報技術の専門家の支援を受ける必要があるため,製造の専門家にとっては困難である。
本稿では,ドメインの専門家がデータのフレンドリーな探索と視覚化を可能にする,実業界 4.0 シナリオ用に開発された意味に基づくビジュアルクエリシステムを提案する。
システムの主な特徴は、セマンティックな注釈付きデータと、セマンティックな記述と結びついているマシンの2Dカスタマイズされたデジタル表現を組み合わせた使い方である。
これらの記述はオントロジーの用語を用いて表現され、特に産業用4.0シナリオに属する機械の性能の指標を捉えるために使用されるセンサーがモデル化されている。
さらに、このセマンティックな記述により、より高度な抽象化レベルでクエリを定式化し、データの形式と性質に基づいて結果のカスタマイズされたグラフィカルな視覚化を提供し、さらなるタイプの分析を可能にするリッチなデータをダウンロードすることができる。
関連論文リスト
- Automated Knowledge Graph Learning in Industrial Processes [0.0]
本稿では,時系列データから知識グラフを自動学習するフレームワークについて紹介する。
我々のフレームワークは、産業データセットに固有の複雑さに対処し、意思決定、プロセス最適化、知識発見を改善する知識グラフに変換する。
論文 参考訳（メタデータ） (2024-07-02T09:47:56Z) - 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) - Towards Sim-to-Real Industrial Parts Classification with Synthetic Dataset [6.481744951262474]
我々は、Sim-to-Realチャレンジの予備的なテストベッドとして機能する合成データセットを導入する。
6つの産業用ユースケースのうち17のオブジェクトが含まれており、その中には独立した部品や組み立て部品が含まれる。
すべてのサンプル画像は、ランダムな背景と、ドメインのランダム化の重要性を評価する後処理を伴わない。
論文 参考訳（メタデータ） (2024-04-12T19:04:59Z) - Generation of Asset Administration Shell with Large Language Model Agents: Toward Semantic Interoperability in Digital Twins in the Context of Industry 4.0 [0.6749750044497732]
本研究は,デジタル双生児におけるセマンティック・インターオペラビリティを実現するための新しいアプローチを提案する。
業界 4.0 におけるデジタル双対モデルとしてアセット管理シェル (AAS) の作成を支援する。
論文 参考訳（メタデータ） (2024-03-25T21:37:30Z) - Controllable Image Synthesis of Industrial Data Using Stable Diffusion [2.021800129069459]
本稿では,産業データに基づく汎用事前学習型生成モデルの再利用手法を提案する。
まず、モデルに新しい概念を学習させ、新しいデータ分布を学習させる。
そこで我々は,その生成過程の条件付けを強制的に行ない,よく定義されたトポロジ的特徴を満たす産業用画像を生成する。
論文 参考訳（メタデータ） (2024-01-06T08:09:24Z) - Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。
そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
論文 参考訳（メタデータ） (2023-12-21T14:20:06Z) - Modeling Entities as Semantic Points for Visual Information Extraction
in the Wild [55.91783742370978]
文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。
我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。
提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
論文 参考訳（メタデータ） (2023-03-23T08:21:16Z) - 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) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - Auto-encoder based Model for High-dimensional Imbalanced Industrial Data [6.339700878842761]
分散重み付きマルチヘッドオートエンコーダ分類モデルを導入し,高次元および高不均衡なデータによく適合する。
また、出力制御された表現学習とマルチタスク重み付けを利用して、複数の出力を同時に予測する。
論文 参考訳（メタデータ） (2021-08-04T14:34:59Z) - Synthetic Data: Opening the data floodgates to enable faster, more
directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。
多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。
プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文 参考訳（メタデータ） (2020-12-08T17:26:10Z)
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。