論文の概要: A Collaborative Process Parameter Recommender System for Fleets of Networked Manufacturing Machines -- with Application to 3D Printing

• arxiv url: http://arxiv.org/abs/2506.12252v1
• Date: Fri, 13 Jun 2025 21:56:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:45.602661
• Title: A Collaborative Process Parameter Recommender System for Fleets of Networked Manufacturing Machines -- with Application to 3D Printing
• Title（参考訳）: ネットワーク製造機械のフリートにおける協調的プロセスパラメータ推薦システムと3次元印刷への応用
• Authors: Weishi Wang, Sicong Guo, Chenhuan Jiang, Mohamed Elidrisi, Myungjin Lee, Harsha V. Madhyastha, Raed Al Kontar, Chinedum E. Okwudire,
• Abstract要約: 3Dプリンティングファームは、複数のネットワーク化された3Dプリンタが並列に動作している。 同じタイプのマシンであっても、製造マシン群間でプロセスパラメータを最適化することは、マシンからマシンへの可変性のために依然として課題である。 逐次行列補完タスクとして問題をモデル化することにより,各マシンのプロセスパラメータを最適化する,機械学習による協調推薦システムを導入する。
• 参考スコア（独自算出の注目度）: 4.886682562411186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fleets of networked manufacturing machines of the same type, that are collocated or geographically distributed, are growing in popularity. An excellent example is the rise of 3D printing farms, which consist of multiple networked 3D printers operating in parallel, enabling faster production and efficient mass customization. However, optimizing process parameters across a fleet of manufacturing machines, even of the same type, remains a challenge due to machine-to-machine variability. Traditional trial-and-error approaches are inefficient, requiring extensive testing to determine optimal process parameters for an entire fleet. In this work, we introduce a machine learning-based collaborative recommender system that optimizes process parameters for each machine in a fleet by modeling the problem as a sequential matrix completion task. Our approach leverages spectral clustering and alternating least squares to iteratively refine parameter predictions, enabling real-time collaboration among the machines in a fleet while minimizing the number of experimental trials. We validate our method using a mini 3D printing farm consisting of ten 3D printers for which we optimize acceleration and speed settings to maximize print quality and productivity. Our approach achieves significantly faster convergence to optimal process parameters compared to non-collaborative matrix completion.
• Abstract（参考訳）: 地理的に分散した同じタイプのネットワーク製造機械のフリートが人気を博している。 優れた例は、3Dプリンティングファームの台頭である。複数のネットワーク化された3Dプリンタが並列に動作し、より高速な生産と効率的な大量カスタマイズを可能にしている。 しかし、同じ種類の製造機械であっても、製造機械群間でプロセスパラメータを最適化することは、機械間変動のため、依然として課題である。 従来の試行錯誤アプローチは非効率であり、艦隊全体の最適なプロセスパラメータを決定するために広範なテストが必要である。 本研究では,機械学習に基づく協調推薦システムを導入し,各マシンのプロセスパラメータを逐次行列補完タスクとしてモデル化することで,各マシンのプロセスパラメータを最適化する。 提案手法は, スペクトルクラスタリングと最小二乗の交互にパラメータ予測を反復的に洗練し, 実験回数を最小化しながら, 車両内の機械間のリアルタイム協調を可能にする。 印刷品質と生産性を最大化するために、加速と速度設定を最適化する10個の3Dプリンタからなるミニ3Dプリントファームを用いて、本手法の有効性を検証する。 提案手法は,非協調的行列補完と比較して,プロセスパラメータの最適収束を著しく高速化する。

関連論文リスト

• Sample-Efficient Bayesian Transfer Learning for Online Machine Parameter Optimization [5.467297536043163]
  本研究では,ベイズ最適化アルゴリズムを用いて,システム自体のマシンパラメータを最適化する手法を提案する。 既存のマシンデータを活用することで、最小限のイテレーションで最適点を特定するために、転送学習アプローチを使用する。 実世界における金属板の切削用レーザ機へのアプローチを検証した。
  論文  参考訳（メタデータ） (2025-03-20T08:08:17Z)
• Controllable Prompt Tuning For Balancing Group Distributional Robustness [53.336515056479705]
  グループ間で優れたパフォーマンスを実現するための最適化スキームを導入し、それらの性能を著しく犠牲にすることなく、全員に良い解決策を見出す。 本稿では,制御可能なプロンプトチューニング(CPT)を提案する。 突発的相関ベンチマークでは, 変換器と非変換器の両アーキテクチャ, および非モーダルおよびマルチモーダルデータにまたがって, 最先端の結果が得られた。
  論文  参考訳（メタデータ） (2024-03-05T06:23:55Z)
• Towards General and Efficient Online Tuning for Spark [55.30868031221838]
  本稿では,3つの問題を同時に処理できる汎用的で効率的なSparkチューニングフレームワークを提案する。 我々は、このフレームワークを独立したクラウドサービスとして実装し、Tencentのデータプラットフォームに適用しました。
  論文  参考訳（メタデータ） (2023-09-05T02:16:45Z)
• Parameter-efficient Tuning of Large-scale Multimodal Foundation Model [68.24510810095802]
  我々はこれらの課題を克服するために、クロスモーダル転送(Aurora)のための優雅なプロンプトフレームワークを提案する。 既存のアーキテクチャの冗長性を考慮すると、まずモード近似を用いて0.1Mのトレーニング可能なパラメータを生成し、マルチモーダルプロンプトチューニングを実装する。 6つのクロスモーダルベンチマークの徹底的な評価は、最先端のベンチマークを上回るだけでなく、完全な微調整アプローチよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-05-15T06:40:56Z)
• Energy-efficient Task Adaptation for NLP Edge Inference Leveraging Heterogeneous Memory Architectures [68.91874045918112]
  Adapter-ALBERTは、様々なタスクにわたる最大データ再利用のための効率的なモデル最適化である。 検証されたNLPエッジアクセラレータ上でシミュレーションを行うことにより、モデルを不均一なオンチップメモリアーキテクチャにマッピングする利点を実証する。
  論文  参考訳（メタデータ） (2023-03-25T14:40:59Z)
• Asynchronous Decentralized Bayesian Optimization for Large Scale Hyperparameter Optimization [13.89136187674851]
  BOでは、パラメータ構成と性能の関係を学習するために、計算的に安価にサロゲートモデルを用いる。 本稿では非同期分散BOを提案する。各ワーカーがシーケンシャルBOを実行し、その結果を共有ストレージを介して非同期に通信する。 計算効率を損なうことなく,作業者の95%以上を並列作業者1,920名に拡張する。
  論文  参考訳（メタデータ） (2022-07-01T15:07:56Z)
• Experimental Investigation and Evaluation of Model-based Hyperparameter Optimization [0.3058685580689604]
  本稿では、一般的な機械学習アルゴリズムの理論的および実践的な結果の概要を述べる。 Rパッケージmlrは機械学習モデルの統一インターフェースとして使用される。
  論文  参考訳（メタデータ） (2021-07-19T11:37:37Z)
• Hyperparameter Optimization via Sequential Uniform Designs [4.56877715768796]
  本稿では,HPOをコンピュータ実験として再設計し,新しい逐次一様設計(SeqUD)戦略を提案する。 提案されたSeqUD戦略はHPOメソッドのベンチマークよりも優れており、既存のAutoMLツールに代わる有望で競争力のある選択肢となる可能性がある。
  論文  参考訳（メタデータ） (2020-09-08T08:55:02Z)

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。