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
- Evaluating the Energy Efficiency of Few-Shot Learning for Object
Detection in Industrial Settings [6.611985866622974]
本稿では、下流タスクに標準オブジェクト検出モデルを適用するための微調整手法を提案する。
開発モデルにおけるエネルギー需要のケーススタディと評価について述べる。
最後に、このトレードオフを、カスタマイズされた効率係数測定によって定量化する新しい方法を紹介する。
論文 参考訳(メタデータ) (2024-03-11T11:41:30Z) - 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 [86.29905469151566]
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) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳(メタデータ) (2023-02-05T01:39:21Z) - 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) - CausalAgents: A Robustness Benchmark for Motion Forecasting using Causal
Relationships [8.679073301435265]
既存のデータに摂動を適用することにより、モデルロバスト性の評価と改善のための新しいベンチマークを構築する。
我々はこれらのラベルを使用して、現場から非因果的エージェントを削除することでデータを摂動する。
非因果摂動下では, minADE の相対的な変化は, 原型と比較して25$-$38%である。
論文 参考訳(メタデータ) (2022-07-07T21:28:23Z) - 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。