論文の概要: Revolutionizing System Reliability: The Role of AI in Predictive Maintenance Strategies
- arxiv url: http://arxiv.org/abs/2404.13454v1
- Date: Sat, 20 Apr 2024 19:31:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 18:50:40.794435
- Title: Revolutionizing System Reliability: The Role of AI in Predictive Maintenance Strategies
- Title（参考訳）: システムの信頼性を革新する - 予測保守戦略におけるAIの役割
- Authors: Michael Bidollahkhani, Julian M. Kunkel,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The landscape of maintenance in distributed systems is rapidly evolving with the integration of Artificial Intelligence (AI). Also, as the complexity of computing continuum systems intensifies, the role of AI in predictive maintenance (Pd.M.) becomes increasingly pivotal. This paper presents a comprehensive survey of the current state of Pd.M. in the computing continuum, with a focus on the combination of scalable AI technologies. Recognizing the limitations of traditional maintenance practices in the face of increasingly complex and heterogenous computing continuum systems, the study explores how AI, especially machine learning and neural networks, is being used to enhance Pd.M. strategies. The survey encompasses a thorough review of existing literature, highlighting key advancements, methodologies, and case studies in the field. It critically examines the role of AI in improving prediction accuracy for system failures and in optimizing maintenance schedules, thereby contributing to reduced downtime and enhanced system longevity. By synthesizing findings from the latest advancements in the field, the article provides insights into the effectiveness and challenges of implementing AI-driven predictive maintenance. It underscores the evolution of maintenance practices in response to technological advancements and the growing complexity of computing continuum systems. The conclusions drawn from this survey are instrumental for practitioners and researchers in understanding the current landscape and future directions of Pd.M. in distributed systems. It emphasizes the need for continued research and development in this area, pointing towards a trend of more intelligent, efficient, and cost-effective maintenance solutions in the era of AI.
- Abstract（参考訳）: 分散システムにおけるメンテナンスの展望は、人工知能(AI)の統合によって急速に進化している。
また、計算継続システムの複雑さが増すにつれて、予測保守(Pd.M.)におけるAIの役割はますます重要になっている。
本稿ではPd.Mの現状を概観する。
スケーラブルなAI技術の組み合わせに焦点を当てた、コンピューティング連続体。
複雑で異質なコンピューティング継続システムに直面した従来のメンテナンスプラクティスの限界を認識したこの研究は、AI、特に機械学習とニューラルネットワークがどのようにPd.Mを強化するために使われているかを探求する。
戦略だ
この調査は、既存の文献の徹底的なレビューを含み、この分野における重要な進歩、方法論、ケーススタディを強調している。
システム障害の予測精度の向上とメンテナンススケジュールの最適化においてAIが果たす役割を批判的に検証し、ダウンタイムの低減とシステムの長寿命化に寄与する。
この分野の最新の進歩から成果を合成することにより、AIによる予測保守の実装の有効性と課題に関する洞察を提供する。
これは、技術的進歩とコンピュータ連続システムの複雑さの増大に対応して、メンテナンスプラクティスの進化を浮き彫りにしている。
この調査から得られた結論は、Pd.M.の現在の景観と今後の方向性を理解する実践者や研究者にとって有効である。
分散システムです
この分野における継続的な研究と開発の必要性を強調し、AI時代のよりインテリジェントで効率的で費用対効果の高いメンテナンスソリューションのトレンドを指摘する。
関連論文リスト
- Operating System And Artificial Intelligence: A Systematic Review [17.256378758253437]
我々は、AI駆動のツールがOSのパフォーマンス、セキュリティ、効率をいかに向上させるかを検討する一方、OSの進歩はより洗練されたAIアプリケーションを促進する。
メモリ管理やプロセススケジューリング,侵入検出など,OSの機能最適化に使用されるさまざまなAI技術を分析した。
我々はIntelligent OSの有望な展望を探求し、革新的なOSアーキテクチャがいかに画期的な機会の道を開くかだけでなく、AIがこれらの次世代OSの発展にどのように貢献するかについても検討する。
論文 参考訳（メタデータ） (2024-07-19T05:29:34Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - SAIH: A Scalable Evaluation Methodology for Understanding AI Performance
Trend on HPC Systems [18.699431277588637]
本稿では,HPCシステムのAI性能傾向を分析するためのスケーラブルな評価手法(SAIH)を提案する。
データとモデルは絶えずスケールするので、HPCシステムにおけるAIパフォーマンスの傾向と範囲を調べることができる。
論文 参考訳（メタデータ） (2022-12-07T02:42:29Z) - Vision Paper: Causal Inference for Interpretable and Robust Machine
Learning in Mobility Analysis [71.2468615993246]
インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。
ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。
このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
論文 参考訳（メタデータ） (2022-10-18T17:28:58Z) - Proceedings of the Robust Artificial Intelligence System Assurance
(RAISA) Workshop 2022 [0.0]
RAISAワークショップは、堅牢な人工知能(AI)と機械学習(ML)システムの研究、開発、応用に焦点を当てる。
特定のMLアルゴリズムに関してロバストネスを研究するのではなく、システムアーキテクチャのレベルでロバストネスの保証を検討することを目的としています。
論文 参考訳（メタデータ） (2022-02-10T01:15:50Z) - Pervasive AI for IoT Applications: Resource-efficient Distributed
Artificial Intelligence [45.076180487387575]
人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。
これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。
広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
論文 参考訳（メタデータ） (2021-05-04T23:42:06Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z) - Convergence of Artificial Intelligence and High Performance Computing on
NSF-supported Cyberinfrastructure [3.4291439418246177]
人工知能(AI)アプリケーションは、産業や技術におけるビッグデータの課題に対して、トランスフォーメーションソリューションを推進している。
AIは、統計的および数学的厳密性を備えたコンピューティングパラダイムへと進化し続けており、トレーニング、検証、テストのためのシングルGPUソリューションがもはや不十分であることが明らかになっている。
この実現により、AIとハイパフォーマンスコンピューティングの融合が加速し、監視時間の短縮が図られている。
論文 参考訳（メタデータ） (2020-03-18T18:00:02Z)
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。