論文の概要: Leveraging Real-Time Data Analysis and Multiple Kernel Learning for Manufacturing of Innovative Steels

• arxiv url: http://arxiv.org/abs/2505.11024v1
• Date: Fri, 16 May 2025 09:21:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:14.466803
• Title: Leveraging Real-Time Data Analysis and Multiple Kernel Learning for Manufacturing of Innovative Steels
• Title（参考訳）: 革新型鋼の製造におけるリアルタイムデータ解析とマルチカーネル学習の活用
• Authors: Wolfgang Rannetbauer, Simon Hubmer, Carina Hambrock, Ronny Ramlau,
• Abstract要約: 本稿では, 製鋼用溶射部品の塗装プロセスの更新について述べる。 データアグリゲータと品質予測器は、継続的プロセス監視によって設計される。 この組み合わせの性能を小型試験で検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The implementation of thermally sprayed components in steel manufacturing presents challenges for production and plant maintenance. While enhancing performance through specialized surface properties, these components may encounter difficulties in meeting modified requirements due to standardization in the refurbishment process. This article proposes updating the established coating process for thermally spray coated components for steel manufacturing (TCCSM) by integrating real-time data analytics and predictive quality management. Two essential components--the data aggregator and the quality predictor--are designed through continuous process monitoring and the application of data-driven methodologies to meet the dynamic demands of the evolving steel landscape. The quality predictor is powered by the simple and effective multiple kernel learning strategy with the goal of realizing predictive quality. The data aggregator, designed with sensors, flow meters, and intelligent data processing for the thermal spray coating process, is proposed to facilitate real-time analytics. The performance of this combination was verified using small-scale tests that enabled not only the accurate prediction of coating quality based on the collected data but also proactive notification to the operator as soon as significant deviations are identified.
• Abstract（参考訳）: 鉄鋼製造における溶射部品の実装は、製造とプラントメンテナンスの課題を提起している。 特殊表面特性により性能が向上する一方で, 改築工程の標準化により, 要求の調整が困難になる可能性がある。 本稿では, 実時間データ分析と予測品質管理を統合して, 鋼材製造用溶射部品(TCCSM)の塗装プロセスの更新を提案する。 データアグリゲータと品質予測器という2つの重要なコンポーネントは、継続的プロセス監視と、進化する鋼の風景の動的要求を満たすためのデータ駆動手法の適用によって設計されている。 品質予測器は、予測品質を実現することを目的として、単純で効果的なマルチカーネル学習戦略によって駆動される。 データアグリゲータは, リアルタイム解析を容易にするために, センサ, フローメータ, インテリジェントなデータ処理を設計した。 この組み合わせの性能は, 得られたデータに基づいて, 塗装品質の正確な予測を可能にするとともに, 重要な偏差が特定できれば, 操作者に前向きに通知できる小型試験を用いて検証した。

関連論文リスト

• Denoising Score Distillation: From Noisy Diffusion Pretraining to One-Step High-Quality Generation [82.39763984380625]
  低品質データから高品質な生成モデルをトレーニングするための驚くほど効果的で斬新なアプローチであるDSD(Denoising score distillation)を導入する。 DSDはノイズの多い劣化したサンプルにのみ拡散モデルを事前訓練し、精製されたクリーンな出力を生成することができる1ステップの発電機に蒸留する。
  論文  参考訳（メタデータ） (2025-03-10T17:44:46Z)
• Data-driven tool wear prediction in milling, based on a process-integrated single-sensor approach [1.6574413179773764]
  本研究では,ツール摩耗予測のためのデータ駆動手法,特にディープラーニングについて検討する。 2つのプロセスで検証された最小限のトレーニングデータを用いて予測モデルの伝達可能性について検討した。 ConvNeXtモデルには例外的な性能があり、ツールの摩耗を識別する精度は99.1%である。
  論文  参考訳（メタデータ） (2024-12-27T23:10:32Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  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。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• Reliability in Semantic Segmentation: Can We Use Synthetic Data? [69.28268603137546]
  セマンティックセグメンテーションモデルの現実的信頼性を総合的に評価するために、合成データを具体的に生成する方法を初めて示す。 この合成データは、事前訓練されたセグメンタの堅牢性を評価するために使用される。 セグメンタのキャリブレーションとOOD検出能力を向上するために,我々のアプローチをどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2023-12-14T18:56:07Z)
• A hybrid machine learning framework for clad characteristics prediction in metal additive manufacturing [0.0]
  金属添加物製造(MAM)は大きな発展を遂げており、多くの注目を集めている。 MAMプロセスの複雑な性質から,MAMプリントクラッドの特性に対する処理パラメータの影響を予測することは困難である。 機械学習(ML)技術は、プロセスの基礎となる物理と処理パラメータをクラッド特性に結びつけるのに役立つ。
  論文  参考訳（メタデータ） (2023-07-04T18:32:41Z)
• CAFE: Learning to Condense Dataset by Aligning Features [72.99394941348757]
  本稿ではCAFE(Aligning features)によるCondenseデータセットの新しいスキームを提案する。 このアプローチの核心は、さまざまなスケールにわたる実データと合成データから機能を整合させる効果的な戦略です。 提案したCAFEを様々なデータセットで検証し,概ね最先端技術であることを示す。
  論文  参考訳（メタデータ） (2022-03-03T05:58:49Z)
• Comprehensive process-molten pool relations modeling using CNN for wire-feed laser additive manufacturing [14.092644790436635]
  ワイヤーフィードレーザー添加剤製造(WLAM)は、高い自動化レベル、高い蒸着率、および印刷部品の高品質のために幅広い関心を集めています。 材料の品質の不確実性を減少させるプロセス内監視とフィードバックコントロールは、開発の初期段階にある。 本稿では,wlamシステム内の一連の制御過程パラメータの下,溶融プールから収集したin situセンシングデータを解析する。
  論文  参考訳（メタデータ） (2021-03-22T05:27:20Z)
• DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks [88.62288327934499]
  線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。 本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
  論文  参考訳（メタデータ） (2020-11-03T07:49:15Z)
• 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。