論文の概要: Integrating supervised and unsupervised learning approaches to unveil critical process inputs
- arxiv url: http://arxiv.org/abs/2405.07751v1
- Date: Mon, 13 May 2024 13:50:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-14 13:35:36.241827
- Title: Integrating supervised and unsupervised learning approaches to unveil critical process inputs
- Title（参考訳）: 教師なしおよび教師なしの学習アプローチの統合による重要なプロセス入力の公開
- Authors: Paris Papavasileiou, Dimitrios G. Giovanis, Gabriele Pozzetti, Martin Kathrein, Christoph Czettl, Ioannis G. Kevrekidis, Andreas G. Boudouvis, Stéphane P. A. Bordas, Eleni D. Koronaki,
- Abstract要約: 本研究では,大規模産業プロセスに適した機械学習フレームワークを提案する。
このフレームワークは、(i)出力に影響を与える臨界パラメータを識別し、(ii)生産結果の正確な質的および定量的な予測を生成することを目的としている。
- 参考スコア（独自算出の注目度）: 0.16584248697773404
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study introduces a machine learning framework tailored to large-scale industrial processes characterized by a plethora of numerical and categorical inputs. The framework aims to (i) discern critical parameters influencing the output and (ii) generate accurate out-of-sample qualitative and quantitative predictions of production outcomes. Specifically, we address the pivotal question of the significance of each input in shaping the process outcome, using an industrial Chemical Vapor Deposition (CVD) process as an example. The initial objective involves merging subject matter expertise and clustering techniques exclusively on the process output, here, coating thickness measurements at various positions in the reactor. This approach identifies groups of production runs that share similar qualitative characteristics, such as film mean thickness and standard deviation. In particular, the differences of the outcomes represented by the different clusters can be attributed to differences in specific inputs, indicating that these inputs are critical for the production outcome. Leveraging this insight, we subsequently implement supervised classification and regression methods using the identified critical process inputs. The proposed methodology proves to be valuable in scenarios with a multitude of inputs and insufficient data for the direct application of deep learning techniques, providing meaningful insights into the underlying processes.
- Abstract（参考訳）: 本研究では,大規模産業プロセスに適した機械学習フレームワークを提案する。
フレームワークが目指すのは
一 出力及び出力に影響を与える臨界パラメータを識別すること
(II)生産結果の正確な質的および定量的な予測を生成する。
具体的には, 産業用化学気相蒸着法(CVD)を例として, プロセス結果の形成における各入力の意義に関する重要な問題に対処する。
最初の目的は、反応器内の様々な位置におけるコーティング厚測定において、プロセス出力のみに対象物質の専門知識とクラスタリング技術を統合することである。
このアプローチは、フィルムの平均厚さや標準偏差などの類似した定性的特性を共有する生産工程のグループを特定する。
特に、異なるクラスタで表される結果の違いは、特定の入力の違いによるものであり、これらの入力が生産結果に重要であることを示す。
この知見を生かして、同定されたクリティカルプロセス入力を用いて、教師付き分類と回帰手法を実装した。
提案手法は,深層学習技術を直接適用する上で,多数の入力と不十分なデータを持つシナリオにおいて有用であることが証明され,基礎となるプロセスについて有意義な洞察を提供する。
関連論文リスト
- Towards a Deep Learning-based Online Quality Prediction System for
Welding Processes [4.923235962860045]
溶接プロセスは, 材料特性, プロセス条件, 溶接品質の複雑な原因-効果関係を特徴とする。
ディープラーニングは、利用可能なプロセスデータ内の関係を特定し、プロセス観察から溶接品質を予測する能力を提供する。
本稿では,GMAWにおけるディープラーニングに基づく予測品質システムの概念を提案する。
論文 参考訳（メタデータ） (2023-10-19T10:35:50Z) - Diffusion-based Visual Counterfactual Explanations -- Towards Systematic
Quantitative Evaluation [64.0476282000118]
視覚的対物的説明法(VCE)の最新手法は、深い生成モデルの力を利用して、印象的な画質の高次元画像の新しい例を合成する。
評価手順が大きく異なり,個々の実例の視覚検査や小規模なユーザスタディなど,これらのVCE手法の性能を比較することは,現時点では困難である。
本稿では,VCE手法の体系的,定量的評価のためのフレームワークと,使用する指標の最小セットを提案する。
論文 参考訳（メタデータ） (2023-08-11T12:22:37Z) - Counterfactual Explanation via Search in Gaussian Mixture Distributed
Latent Space [19.312306559210125]
対実説明(CE)は2つの問題に対処するアルゴリズム・リコースにおいて重要なツールである。
簡単に理解しやすい説明を提供することによって、AIシステムに対するユーザのインタラクションを導くことは、AIシステムの信頼できる採用と長期的な受け入れに不可欠である。
本稿では,まずオートエンコーダの潜伏空間をガウス分布の混合として形成することにより,事前学習されたバイナリ分類器のCEを生成する手法を提案する。
論文 参考訳（メタデータ） (2023-07-25T10:21:26Z) - Identifying contributors to supply chain outcomes in a multi-echelon
setting: a decentralised approach [69.62333053044712]
本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。
このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。
その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
論文 参考訳（メタデータ） (2023-07-22T20:03:16Z) - Tailoring Machine Learning for Process Mining [5.237999056930947]
我々は、プロセスマイニングと機械学習の健全な統合を構築する上で、機械学習モデルをプロセスデータでトレーニングすることで生じる問題に対する深い洞察が不可欠であると主張している。
本研究の目的は,機械学習とプロセスマイニングの要件を正しく整合させることを目的とした方法論の基礎を構築することである。
論文 参考訳（メタデータ） (2023-06-17T12:59:51Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - 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) - An Additive Instance-Wise Approach to Multi-class Model Interpretation [53.87578024052922]
解釈可能な機械学習は、ブラックボックスシステムの特定の予測を駆動する要因に関する洞察を提供する。
既存の手法は主に、局所的な加法的あるいはインスタンス的なアプローチに従う説明的入力特徴の選択に重点を置いている。
本研究は,両手法の長所を生かし,複数の対象クラスに対する局所的な説明を同時に学習するためのグローバルフレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-07T06:50:27Z) - Process Extraction from Text: Benchmarking the State of the Art and
Paving the Way for Future Challenges [18.485565445940175]
既存のソリューションが、モデル抽出問題をどの程度解決できるか、どのように互いに比較できるかは、不明である。
定性的側面と定量的側面の両方を網羅した,モデル抽出のための10の最先端手法を体系的に比較した。
その結果,パフォーマンス面では3つの異なるツール群が示され,優れたスコアと重大な制限が得られなかった。
論文 参考訳（メタデータ） (2021-10-07T19:12:24Z) - Analyzing the Source and Target Contributions to Predictions in Neural
Machine Translation [97.22768624862111]
生成プロセスに対するソースとターゲットの相対的コントリビューションを明確に評価するNMTモデルを解析する。
より多くのデータでトレーニングされたモデルは、ソース情報に依存しやすく、よりシャープなトークンコントリビューションを持つ傾向にあります。
論文 参考訳（メタデータ） (2020-10-21T11:37:27Z)
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。