論文の概要: Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins

• arxiv url: http://arxiv.org/abs/2405.11895v2
• Date: Sat, 24 Aug 2024 04:57:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-27 23:27:05.692871
• Title: Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins
• Title（参考訳）: ディジタル双生児における生産プロセス最適化のためのスパースアテンション駆動品質予測
• Authors: Yanlei Yin, Lihua Wang, Dinh Thai Hoang, Wenbo Wang, Dusit Niyato,
• Abstract要約: データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
• 参考スコア（独自算出の注目度）: 53.70191138561039
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the process industry, long-term and efficient optimization of production lines requires real-time monitoring and analysis of operational states to fine-tune production line parameters. However, complexity in operational logic and intricate coupling of production process parameters make it difficult to develop an accurate mathematical model for the entire process, thus hindering the deployment of efficient optimization mechanisms. In view of these difficulties, we propose to deploy a digital twin of the production line by encoding its operational logic in a data-driven approach. By iteratively mapping the real-world data reflecting equipment operation status and product quality indicators in the digital twin, we adopt a quality prediction model for production process based on self-attention-enabled temporal convolutional neural networks. This model enables the data-driven state evolution of the digital twin. The digital twin takes a role of aggregating the information of actual operating conditions and the results of quality-sensitive analysis, which facilitates the optimization of process production with virtual-reality evolution. Leveraging the digital twin as an information-flow carrier, we extract temporal features from key process indicators and establish a production process quality prediction model based on the proposed deep neural network. Our operation experiments on a specific tobacco shredding line demonstrate that the proposed digital twin-based production process optimization method fosters seamless integration between virtual and real production lines. This integration achieves an average operating status prediction accuracy of over 98% and a product quality acceptance rate of over 96%.
• Abstract（参考訳）: プロセス産業では、生産ラインの長期的かつ効率的な最適化には、生産ラインパラメータを微調整するために、運用状態のリアルタイムモニタリングと分析が必要である。 しかし、運用論理の複雑さと生産プロセスパラメータの複雑な結合は、プロセス全体の正確な数学的モデルを開発するのを難しくし、効率的な最適化機構の展開を妨げる。 これらの困難を鑑みて、我々は、データ駆動方式で運用ロジックを符号化することで、生産ラインのデジタルツインをデプロイすることを提案する。 デジタル双生児における機器運用状況と製品品質指標を反映した実世界のデータを反復的にマッピングすることにより、自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 このモデルは、デジタルツインのデータ駆動状態の進化を可能にする。 デジタルツインは、実際の動作条件の情報と品質に敏感な分析結果を集約する役割を担い、仮想現実性進化によるプロセス生産の最適化を容易にする。 ディジタルツインを情報フローキャリアとして活用し、キープロセスインジケータから時間的特徴を抽出し、提案したディープニューラルネットワークに基づく生産プロセス品質予測モデルを確立する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。 この統合により、平均動作状態予測精度が98%以上、製品品質受け入れ率が96%以上となる。

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)
• 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)
• The Artificial Neural Twin -- Process Optimization and Continual Learning in Distributed Process Chains [3.79770624632814]
  本稿では,モデル予測制御,ディープラーニング,センサネットワークの概念を組み合わせた人工ニューラルツインを提案する。 我々のアプローチでは、分散プロセスのステップの状態を推定するために、微分可能なデータ融合を導入します。 相互接続されたプロセスステップを準ニューラルネットワークとして扱うことで、プロセス最適化やモデル微調整のための損失勾配をプロセスパラメータにバックプロパゲートすることができる。
  論文  参考訳（メタデータ） (2024-03-27T08:34:39Z)
• Statistical Parameterized Physics-Based Machine Learning Digital Twin Models for Laser Powder Bed Fusion Process [9.182594748320948]
  デジタルツイン(Digital twin, DT)は、物理プロセス、製品、および/またはシステムの仮想表現である。 本稿では, LPBF金属添加物製造プロセスの統計的予測のためのパラメータ化物理ベースのディジタルツイン (PPB-DT) を提案する。 我々は,溶融プール地形の予測,モニタリング,制御を行うために,機械学習ベースのディジタルツイン(PPB-ML-DT)モデルを訓練した。
  論文  参考訳（メタデータ） (2023-11-14T00:45:53Z)
• 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)
• An adaptive human-in-the-loop approach to emission detection of Additive Manufacturing processes and active learning with computer vision [76.72662577101988]
  In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。 このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。 本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
  論文  参考訳（メタデータ） (2022-12-12T15:11:18Z)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning [0.0]
  デジタルツインは、元のプロセスの振る舞いを反映する主な特徴を持つ代理モデルである。 本稿では,流体の効率的なディジタル双対モデルを作成するための新しい枠組みを提案する。 我々は、最先端の人工知能Deep Learning(DL)を用いて、ディジタルツインモデルのリアルタイム適応キャリブレーションを行う。
  論文  参考訳（メタデータ） (2022-06-17T09:45:04Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。