論文の概要: Digital Transformation in the Petrochemical Industry -- Challenges and Opportunities in the Implementation of {IoT} Technologies
- arxiv url: http://arxiv.org/abs/2503.04749v1
- Date: Thu, 06 Feb 2025 23:50:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-16 10:47:24.004128
- Title: Digital Transformation in the Petrochemical Industry -- Challenges and Opportunities in the Implementation of {IoT} Technologies
- Title（参考訳）: ペトロケミカル産業におけるデジタルトランスフォーメーション -IoT技術導入における課題と機会-
- Authors: Noel Portillo,
- Abstract要約: 石油化学産業は、重要な技術、環境、産業安全、財政上の課題に直面している。
1920年代以降、かつて革新的だった技術は廃れていった。
本稿では,産業におけるこれらの技術の研究,開発,実装がもたらす課題と機会について論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The petrochemical industry faces significant technological, environmental, occupational safety, and financial challenges. Since its emergence in the 1920s, technologies that were once innovative have now become obsolete. However, factors such as the protection of trade secrets in industrial processes, limited budgets for research and development, doubts about the reliability of new technologies, and resistance to change from decision-makers have hindered the adoption of new approaches, such as the use of IoT devices. This paper addresses the challenges and opportunities presented by the research, development, and implementation of these technologies in the industry. It also analyzes the investment in research and development made by companies in the sector in recent years and provides a review of current research and implementations related to Industry 4.0.
- Abstract（参考訳）: 石油化学産業は、重要な技術、環境、産業安全、財政上の課題に直面している。
1920年代以降、かつて革新的だった技術は廃れていった。
しかし、産業プロセスにおける貿易秘密の保護、研究開発予算の制限、新技術の信頼性への疑問、意思決定者による変更に対する抵抗といった要因は、IoTデバイスの使用のような新しいアプローチの採用を妨げている。
本稿では,産業におけるこれらの技術の研究,開発,実装がもたらす課題と機会について論じる。
また、近年の企業による研究開発への投資を分析し、産業4.0に関する現在の研究・実装の見直しを行っている。
関連論文リスト
- System Reliability Engineering in the Age of Industry 4.0: Challenges and Innovations [2.7332305169992135]
条件ベースの監視と予測保守は、重要な進歩の例である。
センサによる監視と運転支援システムによるスマート製造と自動車工学の応用に重点を置いている。
論文 参考訳（メタデータ） (2024-10-30T12:00:29Z) - Towards Sustainable IoT: Challenges, Solutions, and Future Directions for Device Longevity [0.0]
本研究は、IoTデバイスの早期解体に寄与する様々な難しさについて考察する。
セキュリティの脆弱性やユーザ認識のギャップ、ファッション駆動技術の動向の影響などの要因を調べることで、この論文は立法介入の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-05-26T04:05:01Z) - When Industry meets Trustworthy AI: A Systematic Review of AI for
Industry 5.0 [0.0]
私たちは、業界が進化する現在のパラダイムを分析し、より持続的で信頼できるものにすることに重点を置いています。
産業5.0では、人工知能(AI)が持続可能な、人間中心でレジリエントな視点からサービスを構築するために使用される。
論文 参考訳（メタデータ） (2024-03-05T15:49:33Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Digital Twins in Wind Energy: Emerging Technologies and
Industry-Informed Future Directions [75.81393574964038]
本稿では、風力エネルギー産業におけるデジタルツイン技術とその能力レベルについて概観する。
デジタルツインの定義と能力レベルを0-5; 0-スタンドアロン、1-記述型、2-診断型、3-予測型、4-予測型、5-自律型から統合する。
論文 参考訳（メタデータ） (2023-04-16T18:38:28Z) - Towards a Taxonomy of Industrial Challenges and Enabling Technologies in
Industry 4.0 [0.0]
本稿では、技術・企業分野に適用された人文的・工学的手法の混在したアプローチを提案する。
研究結果は、産業上の課題とI4.0に焦点を当てた技術が分類され、接続される分類学によって表される。
この分類法は、産業従事者が工業挑戦の候補ソリューションを特定できる公共ウェブプラットフォームの構築の基礎となった。
論文 参考訳（メタデータ） (2022-11-29T19:52:36Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳（メタデータ） (2021-05-31T01:02:59Z) - Qlib: An AI-oriented Quantitative Investment Platform [86.8580406876954]
AI技術は、量的投資システムに新たな課題を提起した。
Qlibは、その可能性の実現、研究の強化、定量的投資におけるAIテクノロジの価値の創造を目的とする。
論文 参考訳（メタデータ） (2020-09-22T12:57:10Z) - Constraint Programming Algorithms for Route Planning Exploiting
Geometrical Information [91.3755431537592]
本稿では,経路計画問題に対する新しいアルゴリズムの開発に関する現在の研究動向について概説する。
これまでの研究は、特にユークリッド旅行セールスパーソン問題(ユークリッドTSP)に焦点を当ててきた。
目的は、将来ユークリッド自動車問題(ユークリッドVRP)など、同じカテゴリーの他の問題にも得られる結果を活用することである。
論文 参考訳（メタデータ） (2020-09-22T00:51:45Z) - Deep Technology Tracing for High-tech Companies [67.86308971806322]
我々は、各ハイテク企業にカスタマイズされた最も可能な技術方向を自動的に見つけるために、新しいデータ駆動ソリューション、すなわちDeep Technology Forecasting(DTF)フレームワークを開発する。
DTFは、潜在的な競合認識(PCR)、協調技術認識(CTR)、Deep Technology Tracing(DTT)ニューラルネットワークの3つのコンポーネントで構成されている。
論文 参考訳（メタデータ） (2020-01-02T07:44:12Z)
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。