論文の概要: A Cost-Sensitive Transformer Model for Prognostics Under Highly Imbalanced Industrial Data

• arxiv url: http://arxiv.org/abs/2402.08611v1
• Date: Tue, 16 Jan 2024 15:09:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-18 13:13:21.378998
• Title: A Cost-Sensitive Transformer Model for Prognostics Under Highly Imbalanced Industrial Data
• Title（参考訳）: 高不均衡産業データに基づく診断用コスト感応変換器モデル
• Authors: Ali Beikmohammadi, Mohammad Hosein Hamian, Neda Khoeyniha, Tony Lindgren, Olof Steinert, and Sindri Magn\'usson
• Abstract要約: 本稿では,体系的なワークフローの一部として開発された新しいコスト感応型トランスフォーマーモデルを提案する。 その結果,最先端手法と比較して性能が大幅に向上した。 本研究は, 産業環境における故障予測の独特な課題に対処する上での本手法の可能性を明らかにするものである。
• 参考スコア（独自算出の注目度）: 1.6492989697868894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid influx of data-driven models into the industrial sector has been facilitated by the proliferation of sensor technology, enabling the collection of vast quantities of data. However, leveraging these models for failure detection and prognosis poses significant challenges, including issues like missing values and class imbalances. Moreover, the cost sensitivity associated with industrial operations further complicates the application of conventional models in this context. This paper introduces a novel cost-sensitive transformer model developed as part of a systematic workflow, which also integrates a hybrid resampler and a regression-based imputer. After subjecting our approach to rigorous testing using the APS failure dataset from Scania trucks and the SECOM dataset, we observed a substantial enhancement in performance compared to state-of-the-art methods. Moreover, we conduct an ablation study to analyze the contributions of different components in our proposed method. Our findings highlight the potential of our method in addressing the unique challenges of failure prediction in industrial settings, thereby contributing to enhanced reliability and efficiency in industrial operations.
• Abstract（参考訳）: 産業分野へのデータ駆動モデルの急速な流入は、センサー技術の普及によって促進され、膨大な量のデータの収集が可能になった。 しかしながら、これらのモデルを障害検出や予後に活用することは、値の欠如やクラス不均衡など、重大な課題をもたらす。 さらに、工業運転に伴うコストの感度は、この文脈で従来のモデルの適用をさらに複雑にする。 本稿では,ハイブリッドリサンプラーと回帰型インデューサを統合した,システムワークフローの一部として開発された新しいコスト感受性トランスモデルを提案する。 Scania trucks と SECOM の APS 障害データセットを用いた厳密なテストにアプローチした結果,最先端の手法と比較して性能が大幅に向上した。 さらに,提案手法における異なる成分の寄与を分析するため,アブレーション研究を行った。 本研究は,産業現場における故障予測のユニークな課題に対処し,産業運用における信頼性と効率の向上に寄与する可能性を示す。

関連論文リスト

• A Predictive Model Based on Transformer with Statistical Feature Embedding in Manufacturing Sensor Dataset [2.07180164747172]
  本研究では,統計的特徴埋め込みとウィンドウ位置符号化を利用したトランスフォーマーに基づく新しい予測モデルを提案する。 モデルの性能は, 断層検出と仮想気象学の2つの問題で評価され, ベースラインモデルよりも優れた結果を示した。 結果は、様々な製造業におけるモデルの適用性を支持し、プロセス管理と収量を高める可能性を示している。
  論文  参考訳（メタデータ） (2024-07-09T08:59:27Z)
• Unveiling the Flaws: Exploring Imperfections in Synthetic Data and Mitigation Strategies for Large Language Models [89.88010750772413]
  大規模言語モデル(LLM)の学習における高品質なデータ不足問題に対する解決法として,合成データを提案する。 我々の研究は、Q-A(Q-A)ペア、一般的な合成データに関連するこれらの特定の欠陥を掘り下げ、これらの欠陥を軽減するための未学習技術に基づく方法を提案する。 我々の研究は、より堅牢で効率的なLLMトレーニングを促進することを目的として、合成データの効果的な利用に関する重要な洞察を得た。
  論文  参考訳（メタデータ） (2024-06-18T08:38:59Z)
• Comparative Analysis of Transformers for Modeling Tabular Data: A Casestudy using Industry Scale Dataset [1.0758036046280266]
  この研究は、American Expressの合成データセットとデフォルト予測Kaggleデータセット(2022)の両方を用いて、様々なトランスフォーマーベースのモデルを広範囲に検証する。 本稿では、最適データ前処理に関する重要な知見を提示し、事前学習と直接教師付き学習法を比較し、分類的特徴と数値的特徴を管理するための戦略について議論し、計算資源と性能のトレードオフを強調する。
  論文  参考訳（メタデータ） (2023-11-24T08:16:39Z)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。 例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
  論文  参考訳（メタデータ） (2023-11-06T00:21:44Z)
• Predictive Maintenance Model Based on Anomaly Detection in Induction Motors: A Machine Learning Approach Using Real-Time IoT Data [0.0]
  本研究では,ポンプ,圧縮機,ファン,その他の産業機械で使用される誘導電動機の異常検出システムについて紹介する。 我々は、計算コストの低い前処理技術と機械学習(ML)モデルの組み合わせを用いる。
  論文  参考訳（メタデータ） (2023-10-15T18:43:45Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Soft Sensing Regression Model: from Sensor to Wafer Metrology Forecasting [2.8992789044888436]
  本研究は,入射検査測定の予測にセンサデータを用いるソフトセンシング回帰の課題に焦点を当てた。 我々はLSTMベースの回帰器を提案し、モデルトレーニングのための2つの損失関数を設計した。 実験により, 複雑な製造工程における各種検査の精度と早期予測が得られた。
  論文  参考訳（メタデータ） (2023-01-21T16:54:05Z)
• 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)
• On a Uniform Causality Model for Industrial Automation [61.303828551910634]
  産業自動化の様々な応用分野に対する一様因果モデルを提案する。 得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。 このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
  論文  参考訳（メタデータ） (2022-09-20T11:23:51Z)
• A cGAN Ensemble-based Uncertainty-aware Surrogate Model for Offline Model-based Optimization in Industrial Control Problems [2.280762565226767]
  本研究では、実世界の産業制御問題に対するオフラインモデルに基づく最適化の適用に関する2つの重要な問題に焦点をあてる。 第一の問題は、ノイズの多い産業データに存在するダイナミクスを正確にキャプチャする信頼性の高い確率モデルを作成する方法である。 第2の問題は、産業システムからのフィードバックを積極的に収集することなく、制御パラメータを確実に最適化する方法である。
  論文  参考訳（メタデータ） (2022-05-15T10:27:49Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)

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。