Fugu-MT 論文翻訳(概要): Automatic generation of insights from workers' actions in industrial workflows with explainable Machine Learning

論文の概要: Automatic generation of insights from workers' actions in industrial workflows with explainable Machine Learning

arxiv url: http://arxiv.org/abs/2406.12732v1
Date: Tue, 18 Jun 2024 15:55:11 GMT
ステータス: 処理完了
システム内更新日: 2024-06-19 18:09:06.970990
Title: Automatic generation of insights from workers' actions in industrial workflows with explainable Machine Learning
Title（参考訳）: 説明可能な機械学習を用いた産業ワークフローにおける労働者の行動からの洞察の自動生成
Authors: Francisco de Arriba-Pérez, Silvia García-Méndez, Javier Otero-Mosquera, Francisco J. González-Castaño, Felipe Gil-Castiñeira,
Abstract要約: 労働者の生産性に正確に匹敵するものは存在しない。製造プロセスからのデータと作業者のパフォーマンスを組み合わせたMLソリューションが必要である。本稿では、専門家と専門家の区別に説明可能なMLを適用することを提案する。
参考スコア（独自算出の注目度）: 6.354358255072839
License: http://creativecommons.org/licenses/by/4.0/
Abstract: New technologies such as Machine Learning (ML) gave great potential for evaluating industry workflows and automatically generating key performance indicators (KPIs). However, despite established standards for measuring the efficiency of industrial machinery, there is no precise equivalent for workers' productivity, which would be highly desirable given the lack of a skilled workforce for the next generation of industry workflows. Therefore, an ML solution combining data from manufacturing processes and workers' performance for that goal is required. Additionally, in recent times intense effort has been devoted to explainable ML approaches that can automatically explain their decisions to a human operator, thus increasing their trustworthiness. We propose to apply explainable ML solutions to differentiate between expert and inexpert workers in industrial workflows, which we validate at a quality assessment industrial workstation. Regarding the methodology used, input data are captured by a manufacturing machine and stored in a NoSQL database. Data are processed to engineer features used in automatic classification and to compute workers' KPIs to predict their level of expertise (with all classification metrics exceeding 90 %). These KPIs, and the relevant features in the decisions are textually explained by natural language expansion on an explainability dashboard. These automatic explanations made it possible to infer knowledge from expert workers for inexpert workers. The latter illustrates the interest of research in self-explainable ML for automatically generating insights to improve productivity in industrial workflows.
Abstract（参考訳）: 機械学習(ML)のような新しい技術は、業界ワークフローを評価し、キーパフォーマンス指標(KPI)を自動的に生成する大きな可能性を与えました。しかし、産業機械の効率を測る基準が確立されているにもかかわらず、労働者の生産性には正確に同等なものはなく、次世代の産業ワークフローに熟練した労働力が欠如していることを考えると、非常に望ましい。したがって、その目的のために製造プロセスからのデータと作業者のパフォーマンスを組み合わせるMLソリューションが必要である。さらに、近年では、人間のオペレータに自動的に判断を説明できるMLアプローチの説明に、激しい努力が注がれているため、信頼性が向上している。産業ワークフローにおける熟練労働者と熟練労働者を区別するために、説明可能なMLソリューションを適用し、品質評価産業ワークステーションで検証する。使用する方法論に関しては、入力データは製造機械によってキャプチャされ、NoSQLデータベースに格納される。データは、自動分類で使用されるエンジニアの機能に処理され、労働者のKPIを計算して、専門知識のレベルを予測する(すべての分類基準が90%を超える)。これらのKPIとその決定に関連する機能は、説明可能性ダッシュボード上で自然言語拡張によってテキストで説明される。これらの自動的な説明は、専門家労働者の知識を専門家労働者から推測することを可能にした。後者は、産業ワークフローにおける生産性向上のための洞察を自動的に生成する、自己説明可能なMLの研究の関心を示しています。

関連論文リスト

Creation and Evaluation of a Food Product Image Dataset for Product Property Extraction [39.58317527488534]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文参考訳（メタデータ） (2024-11-15T21:29:05Z)
AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
論文参考訳（メタデータ） (2024-11-02T13:24:30Z)
Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
論文参考訳（メタデータ） (2023-09-22T01:06:32Z)
Automated Machine Learning in the smart construction era:Significance and accessibility for industrial classification and regression tasks [6.206133097433925]
本稿では,自動機械学習(AutoML)技術の建築産業への適用について検討する。 AutoMLを利用することで、建設専門家はソフトウェアを使用して産業データをプロジェクト管理を支援するMLモデルに処理できる。
論文参考訳（メタデータ） (2023-08-03T03:17:22Z)
Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文参考訳（メタデータ） (2023-04-28T10:27:38Z)
OmniForce: On Human-Centered, Large Model Empowered and Cloud-Edge Collaborative AutoML System [85.8338446357469]
我々は人間中心のAutoMLシステムであるOmniForceを紹介した。我々は、OmniForceがAutoMLシステムを実践し、オープン環境シナリオにおける適応型AIを構築する方法について説明する。
論文参考訳（メタデータ） (2023-03-01T13:35:22Z)
Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
論文参考訳（メタデータ） (2022-10-03T16:19:27Z)
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 The Reliability Of Machine Learning Applications In Manufacturing Environments [7.467244761351822]
信頼性のあるシステムを構築するには、マシンラーニングのパフォーマンスの継続的オンライン監視が必要である。概念とセンサーのドリフトはアルゴリズムの精度を低下させるまた, 機械学習アルゴリズムのロバスト性を評価し, 全試験アルゴリズムのドリフトの増加に伴い, 精度が著しく低下することを示した。
論文参考訳（メタデータ） (2021-12-13T19:41:26Z)
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)

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。