論文の概要: A Domain-specific Language and Architecture for Detecting Process Activities from Sensor Streams in IoT
- arxiv url: http://arxiv.org/abs/2507.00686v1
- Date: Tue, 01 Jul 2025 11:38:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:22:59.60645
- Title: A Domain-specific Language and Architecture for Detecting Process Activities from Sensor Streams in IoT
- Title（参考訳）: IoTのセンサストリームからプロセスアクティビティを検出するドメイン固有言語とアーキテクチャ
- Authors: Ronny Seiger, Daniel Locher, Marco Kaufmann, Aaron F. Kurz,
- Abstract要約: IoT(Internet of Things)システムは、コンポーネントの現在の操作に関するリアルタイムデータを提供する、多数のセンサーを備えている。
これらのデータは粒度が大きすぎるため、IoTシステムの一部となる可能性のある大規模プロセスの実行に関する有用な洞察を導き出します。
プロセスマイニングは、IoTのコンテキストでも使用されるかもしれないビジネスプロセスの分析に先進的なアプローチを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern Internet of Things (IoT) systems are equipped with a plethora of sensors providing real-time data about the current operations of their components, which is crucial for the systems' internal control systems and processes. However, these data are often too fine-grained to derive useful insights into the execution of the larger processes an IoT system might be part of. Process mining has developed advanced approaches for the analysis of business processes that may also be used in the context of IoT. Bringing process mining to IoT requires an event abstraction step to lift the low-level sensor data to the business process level. In this work, we aim to empower domain experts to perform this step using a newly developed domain-specific language (DSL) called Radiant. Radiant supports the specification of patterns within the sensor data that indicate the execution of higher level process activities. These patterns are translated to complex event processing (CEP) applications to be used for detecting activity executions at runtime. We propose a corresponding software architecture for online event abstraction from IoT sensor streams using the CEP applications. We evaluate these applications to monitor activity executions using IoT sensors in smart manufacturing and smart healthcare. The evaluation method and results inform the domain expert about the quality of activity detections and potential for improvement.
- Abstract（参考訳）: 現代のモノのインターネット(IoT)システムには、コンポーネントの現在の操作に関するリアルタイムデータを提供する多数のセンサーが備わっている。
しかし、これらのデータは粒度が大きすぎるため、IoTシステムの一部となるかもしれない大規模プロセスの実行に関する有用な洞察を導き出すことができない。
プロセスマイニングは、IoTのコンテキストでも使用されるかもしれないビジネスプロセスの分析に先進的なアプローチを開発した。
IoTにプロセスマイニングを導入するには、低レベルのセンサデータをビジネスプロセスレベルに上げるためのイベント抽象化ステップが必要になる。
本稿では、Radiantと呼ばれる新しく開発されたドメイン固有言語(DSL)を使用して、ドメインエキスパートにこのステップを実行するよう促すことを目的としています。
Radiantは、より高いレベルのプロセスアクティビティの実行を示すセンサーデータ内のパターンの仕様をサポートしている。
これらのパターンは、実行時にアクティビティの実行を検出するために使用される複雑なイベント処理(CEP)アプリケーションに変換される。
CEPアプリケーションを用いたIoTセンサストリームからのオンラインイベント抽象化に対応するソフトウェアアーキテクチャを提案する。
スマートマニュファクチャリングとスマートヘルスケアにおいて,IoTセンサを用いたアクティビティ実行を監視するために,これらのアプリケーションを評価した。
ドメインの専門家に、活動検出の質と改善の可能性について通知する。
関連論文リスト
- Agentic Search Engine for Real-Time IoT Data [1.9275428660922078]
IoT(Internet of Things)によって、さまざまなデバイスがインターネット上で通信できるようになったが、IoTシステムの断片化によって、シームレスなデータ共有とコーディネート管理が制限された。
本稿では,IoT環境に適したリアルタイム検索エンジンであるIoT Agentic Search Engine(IoT-ASE)について述べる。
論文 参考訳（メタデータ） (2025-03-15T20:46:17Z) - IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、現実世界のモダリティの豊富なソースを提供する。
機械学習は、IoTデータを大規模に自動的に処理する豊富な機会を提供する。
IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
論文 参考訳（メタデータ） (2024-07-13T08:20:37Z) - From Internet of Things Data to Business Processes: Challenges and a Framework [2.9799866120078935]
IoTとビジネスプロセス管理(BPM)コミュニティは、製造業や医療など、多くの共有アプリケーションドメインに共存しています。
本研究は,低レベルのIoTセンサデータを高レベルのプロセスイベントに変換するための,一連の構造化ステップを実行するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-14T12:07:07Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - IoTScent: Enhancing Forensic Capabilities in Internet of Things Gateways [45.44831696628473]
本稿では,IoTゲートウェイとホームオートメーションプラットフォームがIoTトラフィックのキャプチャと分析を行うことを可能にする,オープンソースの法医学ツールであるIoTScentを紹介する。
IoTScentは特に、Zigbeeや6LoWPAN、Threadといった多くのIoT固有のプロトコルの基礎であるIEEE5.4ベースのトラフィックを操作するように設計されている。
この作業は、Zigbeeトラフィックからデバイス識別を実行するためのツールの使用を実証する実用的なユースケースを含む、IoTScentツールの包括的な説明を提供する。
論文 参考訳（メタデータ） (2023-10-05T09:10:05Z) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳（メタデータ） (2022-12-21T03:37:38Z) - Human Activity Recognition using Attribute-Based Neural Networks and
Context Information [61.67246055629366]
手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。
我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。
提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
論文 参考訳（メタデータ） (2021-10-28T06:08:25Z) - An Automated Data Engineering Pipeline for Anomaly Detection of IoT
Sensor Data [0.0]
チップ技術、IoT(Internet of Things)、クラウドコンピューティング、人工知能といったシステムが、現在の問題を解決する可能性を高めている。
データ分析と機械学習/ディープラーニングの使用により、基盤となるパターンを学習し、IoTセンサから生成された大量のデータから何を学んだかに基づいて決定することができる。
プロセスにはIoTセンサ、Raspberry Pi、Amazon Web Services(AWS)、スマートホームセキュリティシステムの異常なケースを特定するための複数の機械学習技術の使用が含まれる。
論文 参考訳（メタデータ） (2021-09-28T15:57:29Z) - Autonomous Maintenance in IoT Networks via AoI-driven Deep Reinforcement
Learning [73.85267769520715]
IoT(Internet of Things)は、デプロイされるデバイスやアプリケーションの数の増加とともに、ネットワークのメンテナンス手順に大きな課題をもたらしている。
部分観測可能なマルコフ決定プロセスとして,IoTネットワークにおける自律的メンテナンスの問題を定式化する。
深層強化学習アルゴリズム (drl) を用いて, 保守手順が整っているか否かを判断するエージェントを訓練し, 前者の場合, 適切なメンテナンス方法が必要となる。
論文 参考訳（メタデータ） (2020-12-31T11:19:51Z) - Machine Learning in the Internet of Things for Industry 4.0 [0.0]
このようなシステムの組織化は,ハードウェア層からソフトウェア層まで,さらにはIoTシステムに必要な応答時間に至るまで,処理スタック全体に依存することを示す。
本稿では,このようなシステムのフロー処理スタックと,エッジやクラウド上での学習や推論の拡散を可能にする,組織的な機械学習アーキテクチャパターンを提案する。
論文 参考訳（メタデータ） (2020-05-22T12:43:15Z)
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。