論文の概要: Determination of efficiency indicators of the stand for intelligent control of manual operations in industrial production

• arxiv url: http://arxiv.org/abs/2401.10777v1
• Date: Fri, 19 Jan 2024 15:51:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 15:21:36.977198
• Title: Determination of efficiency indicators of the stand for intelligent control of manual operations in industrial production
• Title（参考訳）: 産業生産における手動操作のインテリジェント制御のためのスタンドの効率指標の決定
• Authors: Anton Sergeev, Victor Minchenkov, Aleksei Soldatov
• Abstract要約: 工業生産における手動操作のインテリジェント制御システムは、近年、多くの産業で実施されている。 本稿では,効率指標の計算手法を提案する。 その結果,手動組立の正当性を追跡する精度が高く,組立期間に依存しないことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Systems of intelligent control of manual operations in industrial production are being implemented in many industries nowadays. Such systems use high-resolution cameras and computer vision algorithms to automatically track the operator's manipulations and prevent technological errors in the assembly process. At the same time compliance with safety regulations in the workspace is monitored. As a result, the defect rate of manufactured products and the number of accidents during the manual assembly of any device are decreased. Before implementing an intelligent control system into a real production it is necessary to calculate its efficiency. In order to do it experiments on the stand for manual operations control systems were carried out. This paper proposes the methodology for calculating the efficiency indicators. This mathematical approach is based on the IoU calculation of real- and predicted-time intervals between assembly stages. The results show high precision in tracking the validity of manual assembly and do not depend on the duration of the assembly process.
• Abstract（参考訳）: 工業生産における手動操作のインテリジェント制御システムは、近年多くの産業で実施されている。 このようなシステムは高解像度カメラとコンピュータビジョンアルゴリズムを使用して、オペレータの操作を自動的に追跡し、アセンブリプロセスにおける技術的エラーを防ぐ。 同時に、ワークスペースにおける安全規則の遵守も監視される。 これにより、製造製品の欠陥率と、任意の装置の手動組立時の事故数を減少させる。 インテリジェントな制御システムを実運用に導入する前には、その効率を計算する必要がある。 手動操作制御システムのためのスタンド上で実験を行った。 本稿では,効率指標の計算手法を提案する。 この数学的アプローチは、アセンブリステージ間の実時間と予測時間間隔のIoU計算に基づいている。 その結果, 手動組立の有効性を追跡する精度が高く, 組立工程の継続時間に依存しないことがわかった。

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)
• Control and Automation for Industrial Production Storage Zone: Generation of Optimal Route Using Image Processing [49.1574468325115]
  本稿では,DIPを用いた生産ラインモデルのゾーンに対する産業自動化手法の開発に焦点をあてる。 新カスケード法は、それぞれの段階を適切な方法で定義し、関連する手法を開発に含めることを可能にした。 システムはOpenCVライブラリをベースとしており、Java言語に基づいたオブジェクト指向プログラミング(OOP)プラットフォーム上に実装された人工視覚に焦点を当てたツールである。
  論文  参考訳（メタデータ） (2024-03-15T06:50:19Z)
• DVQI: A Multi-task, Hardware-integrated Artificial Intelligence System for Automated Visual Inspection in Electronics Manufacturing [57.33324493991657]
  本稿では,DVQI(DarwinAI Visual Quality Inspection)システムを用いて,プリント基板組立欠陥の自動検査を行う。 DVQIシステムは、最小限のプログラミングと製造技術者のセットアップによるマルチタスク検査を可能にする。 また、DVQIシステムの性能と、トップエレクトロニクスメーカーへの影響に関するケーススタディも提示する。
  論文  参考訳（メタデータ） (2023-12-14T18:56:54Z)
• Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
  本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。 論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
  論文  参考訳（メタデータ） (2023-09-22T01:06:32Z)
• Neuro-Symbolic AI for Compliance Checking of Electrical Control Panels [47.187609203210705]
  電気制御パネルのコンプライアンス検証を自動化するためのニューロ・シンボリック方式を提案する。 我々のアプローチは、ディープラーニング技術と解答セットプログラミング(ASP)の組み合わせに基づいており、最終製品で起こりうる異常やエラーを特定することができます。 イタリア企業が提供する実検例で実施した実験は,提案手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2023-05-17T10:29:02Z)
• An Automated Robotic Arm: A Machine Learning Approach [0.0]
  現代の産業は、手動によるシステムの制御から自動化へと急速にシフトしている。 コンピュータベースのシステムは、品質と生産性を向上させることができるが、作業には柔軟性がない。 工業的重要性の1つは、ある場所から別の場所へ物を選んで配置することである。
  論文  参考訳（メタデータ） (2022-01-07T10:33:01Z)
• Machine Learning based Indicators to Enhance Process Monitoring by Pattern Recognition [0.4893345190925177]
  パターンタイプと強度を組み合わせた機械学習に基づく指標のための新しいフレームワークを提案する。 半導体産業のケーススタディでは,従来のプロセス制御を越え,高品質な実験結果を得る。
  論文  参考訳（メタデータ） (2021-03-24T10:13:20Z)
• Runtime Safety Assurance Using Reinforcement Learning [37.61747231296097]
  本稿では,安全でない状況を高精度に識別できるメタコントローラを設計することを目的とする。 我々は,RTSAの設計をマルコフ決定プロセス(MDP)と組み合わせ,強化学習(RL)を用いて解決する。
  論文  参考訳（メタデータ） (2020-10-20T20:54:46Z)
• Evaluating the Safety of Deep Reinforcement Learning Models using Semi-Formal Verification [81.32981236437395]
  本稿では,区間分析に基づく半形式的意思決定手法を提案する。 本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。 提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
  論文  参考訳（メタデータ） (2020-10-19T11:18:06Z)
• Detection and Classification of Industrial Signal Lights for Factory Floors [63.48764893706088]
  目標は、工場のフロアを撮影するビデオカメラからの入力を用いて、運用状態を測定するソリューションを開発することである。 自動走行車における信号認識に一般的に用いられる手法を用いて、特定条件の99%以上の精度のシステムを示す。
  論文  参考訳（メタデータ） (2020-04-23T14:26:39Z)

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。