論文の概要: Improving Energy Efficiency in Manufacturing: A Novel Expert System Shell
- arxiv url: http://arxiv.org/abs/2411.01272v1
- Date: Sat, 02 Nov 2024 14:50:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-05 14:50:44.025587
- Title: Improving Energy Efficiency in Manufacturing: A Novel Expert System Shell
- Title（参考訳）: 製造におけるエネルギー効率の向上 : 新しいエキスパートシステムシェル
- Authors: Borys Ioshchikhes, Michael Frank, Tresa Maria Joseph, Matthias Weigold,
- Abstract要約: エキスパートシステムは、製造におけるエネルギー効率のポテンシャルを自動的に識別する効果的なツールである。
我々はJupyter Notebookで実装された新しいエキスパートシステムシェルを紹介し、エキスパートシステム開発に柔軟で容易に統合可能なソリューションを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Expert systems are effective tools for automatically identifying energy efficiency potentials in manufacturing, thereby contributing significantly to global climate targets. These systems analyze energy data, pinpoint inefficiencies, and recommend optimizations to reduce energy consumption. Beyond systematic approaches for developing expert systems, there is a pressing need for simple and rapid software implementation solutions. Expert system shells, which facilitate the swift development and deployment of expert systems, are crucial tools in this process. They provide a template that simplifies the creation and integration of expert systems into existing manufacturing processes. This paper provides a comprehensive comparison of existing expert system shells regarding their suitability for improving energy efficiency, highlighting significant gaps and limitations. To address these deficiencies, we introduce a novel expert system shell, implemented in Jupyter Notebook, that provides a flexible and easily integrable solution for expert system development.
- Abstract（参考訳）: 専門家システムは、製造におけるエネルギー効率のポテンシャルを自動的に識別する効果的なツールであり、地球規模の気候目標に大きく貢献する。
これらのシステムはエネルギーデータを分析し、ピンポイントの非効率性を解析し、エネルギー消費を減らすための最適化を推奨する。
エキスパートシステムを開発するための体系的なアプローチ以外にも、シンプルで迅速なソフトウェア実装ソリューションの必要性が迫られています。
エキスパートシステムの迅速な開発とデプロイを容易にするエキスパートシステムシェルは、このプロセスにおいて重要なツールである。
彼らは、エキスパートシステムの作成と既存の製造プロセスへの統合を簡単にするテンプレートを提供する。
本稿では,既存のエキスパートシステムシェルのエネルギー効率向上に対する適合性を総合的に比較し,重要なギャップと限界を強調した。
これらの欠陥に対処するため、Jupyter Notebookに実装された新しいエキスパートシステムシェルを導入し、エキスパートシステム開発に柔軟で容易に統合可能なソリューションを提供する。
関連論文リスト
- MLPerf Power: Benchmarking the Energy Efficiency of Machine Learning Systems from μWatts to MWatts for Sustainable AI [5.50579824344998]
機械学習(ML)技術は、さまざまなシステムで電力消費が急増している。
本稿では,マイクロワットからメガワットまでの電力レベルでMLシステムのエネルギー効率を評価するための総合的なベンチマーク手法であるSerf Powerを紹介する。
論文 参考訳（メタデータ） (2024-10-15T20:06:33Z) - Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning [15.615208767760663]
本研究は、ディープラーニングと強化学習技術を活用した倉庫における自動ピッキングシステムに焦点を当てた。
ロボットのピッキング性能と複雑な環境への適応性を向上する上で,これらの技術の有効性を実証する。
論文 参考訳（メタデータ） (2024-08-29T15:39:12Z) - Open Energy Services -- Forecasting and Optimization as a Service for
Energy Management Applications at Scale [0.6495316960934344]
我々は、エネルギー管理システムが採用する複雑な最適化アルゴリズムを標準化されたコンポーネントに分割するアプローチを推進している。
本研究は,これらの予測および最適化サービスの効率的な実装と運用を支援するフレームワークの体系的設計を中心にしている。
emphEnergy Service Genericsをフリーかつオープンソースリポジトリとしてリリースしたデザインコンセプトの実装について説明する。
論文 参考訳（メタデータ） (2024-02-23T09:46:49Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳（メタデータ） (2024-02-01T07:22:52Z) - Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。
エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。
本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
論文 参考訳（メタデータ） (2023-10-31T14:09:32Z) - TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。
本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T02:27:54Z) - Optimization paper production through digitalization by developing an
assistance system for machine operators including quality forecast: a concept [50.591267188664666]
廃紙からの紙の製造は、特にエネルギー消費の観点からも、依然として非常に資源集約的な課題である。
我々は,その利用方法の欠如を特定し,操作支援システムと最先端の機械学習技術を用いた概念の実装を行った。
我々の主な目的は、利用可能なデータを活用するマシンオペレーターに状況に応じた知識を提供することである。
論文 参考訳（メタデータ） (2022-06-23T09:54:35Z) - Optimization of Heterogeneous Systems with AI Planning Heuristics and
Machine Learning: A Performance and Energy Aware Approach [0.0]
不均一コンピューティングシステムは高い性能とエネルギー効率を提供する。
このようなシステムを最適に活用するには、ホストCPUとアクセラレーションデバイスにまたがるソリューションが必要である。
本稿では,パラメータ空間探索のためのAI計画と,性能とエネルギー評価のための機械学習モデルを組み合わせた,性能とエネルギーを考慮したアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-02T19:45:53Z) - Intelligent Building Control Systems for Thermal Comfort and
Energy-Efficiency: A Systematic Review of Artificial Intelligence-Assisted
Techniques [3.2926483061955922]
建設作業は、ほとんどの国で消費される総一次エネルギーのかなりの割合を占める。
HVACシステムにおけるエネルギー使用と適切な室内快適度との間のスイートスポットを見つけるために、さまざまなAI技術が展開されている。
建築制御におけるAI技術の適用は有望な研究分野であり、AIベースの制御の性能はまだ十分に満足していない。
論文 参考訳（メタデータ） (2021-04-06T01:04:28Z) - 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) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
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。