論文の概要: Measuring the Recyclability of Electronic Components to Assist Automatic Disassembly and Sorting Waste Printed Circuit Boards
- arxiv url: http://arxiv.org/abs/2406.16593v1
- Date: Mon, 24 Jun 2024 12:33:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-25 14:54:27.340448
- Title: Measuring the Recyclability of Electronic Components to Assist Automatic Disassembly and Sorting Waste Printed Circuit Boards
- Title（参考訳）: 電子部品のリサイクル性測定による廃回路基板の自動分解・選別支援
- Authors: Muhammad Mohsin, Xianlai Zeng, Stefano Rovetta, Francesco Masulli,
- Abstract要約: 本稿では, 廃プリント基板(WPCB)からの廃電子部品(WEC)のリサイクル性の測定に, 数学的革新モデルを用いて着目する。
この革新的なアプローチは、WECのリサイクルとリサイクルの難しさを評価し、分解とソートを改善するAIモデルを統合する。
- 参考スコア（独自算出の注目度）: 4.0998481751764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The waste of electrical and electronic equipment has been increased due to the fast evolution of technology products and competition of many IT sectors. Every year millions of tons of electronic waste are thrown into the environment which causes high consequences for human health. Therefore, it is crucial to control this waste flow using technology, especially using Artificial Intelligence but also reclamation of critical raw materials for new production processes. In this paper, we focused on the measurement of recyclability of waste electronic components (WECs) from waste printed circuit boards (WPCBs) using mathematical innovation model. This innovative approach evaluates both the recyclability and recycling difficulties of WECs, integrating an AI model for improved disassembly and sorting. Assessing the recyclability of individual electronic components present on WPCBs provides insight into the recovery potential of valuable materials and indicates the level of complexity involved in recycling in terms of economic worth and production utility. This novel measurement approach helps AI models in accurately determining the number of classes to be identified and sorted during the automated disassembly of discarded PCBs. It also facilitates the model in iterative training and validation of individual electronic components.
- Abstract（参考訳）: 電気・電子機器の無駄は、技術製品が急速に進化し、多くのIT部門との競争が激化している。
毎年何百万トンもの電子廃棄物が環境に投棄され、人間の健康に高い影響をもたらす。
そのため, 技術, 特に人工知能を駆使して, 新たな生産プロセスにおいて, 重要な原料の埋立処分も行うことが重要である。
本稿では, 廃プリント基板(WPCB)からの廃電子部品(WEC)のリサイクル性について, 数学的革新モデルを用いて測定した。
この革新的なアプローチは、WECのリサイクルとリサイクルの難しさを評価し、分解とソートを改善するAIモデルを統合する。
WPCBsに存在している個々の電子部品のリサイクル性を評価することは、貴重品の回収可能性についての洞察を与え、経済的価値と生産性の観点からリサイクルに関わる複雑さのレベルを示す。
この新しい測定アプローチは、廃棄されたPCBの自動分解中に識別およびソートされるクラスの数を正確に決定する上で、AIモデルに役立つ。
また、個々の電子部品の反復的なトレーニングと検証のモデルを容易にする。
関連論文リスト
- Real-Time Detection of Electronic Components in Waste Printed Circuit Boards: A Transformer-Based Approach [4.849820402342814]
我々は、WPCBから異なるタイプの電子部品を選択的に分解する実践的アプローチを提案してきた。
本稿では,実時間検出TRansformerモデルアーキテクチャの電子部品検出と局所化のリアルタイム精度を評価する。
論文 参考訳（メタデータ） (2024-09-24T22:59:52Z) - Representation Learning of Complex Assemblies, An Effort to Improve Corporate Scope 3 Emissions Calculation [0.276240219662896]
政府、企業、市民も同様に、製造品やサービスの提供による気候への影響を正確に評価する必要がある。
プロセスライフサイクル分析(pLCA)は、生産、使用、廃棄の気候への影響を評価するために用いられる。
代用部品を特定するための半教師付き学習ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-21T06:21:31Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Virtual Mines -- Component-level recycling of printed circuit boards using deep learning [4.849820402342814]
仮想鉱山」という概念は、生物の終末品から興味深い原料を効率よく回収する生産サイクルを指す。
本稿では, 回路基板を部品レベルでリサイクルする深層学習モデルに基づくパイプラインについて述べる。
ローカルに開発されたデータセットの結果を分析するために、事前トレーニングされたYOLOv5モデルが使用される。
論文 参考訳（メタデータ） (2024-06-24T22:29:30Z) - Sorting of Smartphone Components for Recycling Through Convolutional
Neural Networks [2.9904113489777826]
スマートフォン廃棄物処理における自動材料分離プロセスを制御するために,画像分類ニューラルネットワークを潜在的手段として利用することを検討した。
熱分解されたスマートフォン部品の1,127枚の画像を用いたデータセットを作成し,VGG-16画像分類モデルのトレーニングと評価に利用した。
このモデルは83.33%の精度を達成し、物質分離にそのようなニューラルネットワークを使用することの生存可能性に信頼を与えている。
論文 参考訳（メタデータ） (2023-12-27T16:16:15Z) - DVQI: A Multi-task, Hardware-integrated Artificial Intelligence System
for Automated Visual Inspection in Electronics Manufacturing [57.33324493991657]
本稿では,DVQI(DarwinAI Visual Quality Inspection)システムを用いて,プリント基板組立欠陥の自動検査を行う。
DVQIシステムは、最小限のプログラミングと製造技術者のセットアップによるマルチタスク検査を可能にする。
また、DVQIシステムの性能と、トップエレクトロニクスメーカーへの影響に関するケーススタディも提示する。
論文 参考訳（メタデータ） (2023-12-14T18:56:54Z) - Reverse Logistics Network Design to Estimate the Economic and
Environmental Impacts of Take-back Legislation: A Case Study for E-waste
Management System in Washington State [3.7406100634766646]
システム最適モデルにおける電子廃棄物のリサイクルと再製造に関連する逆ロジスティクス網について検討する。
我々は,ロジスティクスネットワークを最適モデルの2つの異なる部分に分割し,ユーザの視点から最適解を導出する。
提案されたモデルを実証的な例に実装することは、テイクバック法の経済的および環境的影響を見積もることができることを示す。
論文 参考訳（メタデータ） (2023-01-24T02:50:09Z) - Classification of PS and ABS Black Plastics for WEEE Recycling
Applications [63.942632088208505]
本研究の目的は,ポリスチレン (PS) 型とアクリロニトリルブタジエン (ABS) 型の黒色プラスチックを用いて,異なる種類のプラスチックを分類できるシステムを作ることである。
畳み込みニューラルネットワークのテストと再訓練が行われ、95%の精度が得られた。
別個のテストセットを使用して平均精度は86.6%まで低下するが、結果を見てみるとABS型が100%正確に分類されていることが分かるため、すべてのエラーを蓄積するPS型である。
論文 参考訳（メタデータ） (2021-10-20T12:47:18Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - EEG-Inception: An Accurate and Robust End-to-End Neural Network for
EEG-based Motor Imagery Classification [123.93460670568554]
本稿では,脳波に基づく運動画像(MI)分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
提案したCNNモデル、すなわちEEG-Inceptionは、Inception-Timeネットワークのバックボーン上に構築されている。
提案するネットワークは、生のEEG信号を入力とし、複雑なEEG信号前処理を必要としないため、エンドツーエンドの分類である。
論文 参考訳（メタデータ） (2021-01-24T19:03:10Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文 参考訳（メタデータ） (2020-01-28T10:36:26Z)
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。