論文の概要: An Explainable Machine Learning Framework for Railway Predictive Maintenance using Data Streams from the Metro Operator of Portugal
- arxiv url: http://arxiv.org/abs/2508.05388v1
- Date: Thu, 07 Aug 2025 13:38:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-08 18:59:39.879403
- Title: An Explainable Machine Learning Framework for Railway Predictive Maintenance using Data Streams from the Metro Operator of Portugal
- Title（参考訳）: ポルトガルのメトロオペレーターのデータストリームを用いた鉄道予測保守のための説明可能な機械学習フレームワーク
- Authors: Silvia García-Méndez, Francisco de Arriba-Pérez, Fátima Leal, Bruno Veloso, Benedita Malheiro, Juan Carlos Burguillo-Rial,
- Abstract要約: この研究は、Intelligent Transportation Systemsのリアルタイムデータ駆動予測メンテナンスソリューションに寄与する。
提案手法は,サンプル前処理,機械学習モデルによる漸進的分類,結果説明からなる処理パイプラインを実装した。
この研究は、自然言語と視覚的説明可能性を使って、オンラインの故障予測を行う最初のものである。
- 参考スコア（独自算出の注目度）: 4.851138036466503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work contributes to a real-time data-driven predictive maintenance solution for Intelligent Transportation Systems. The proposed method implements a processing pipeline comprised of sample pre-processing, incremental classification with Machine Learning models, and outcome explanation. This novel online processing pipeline has two main highlights: (i) a dedicated sample pre-processing module, which builds statistical and frequency-related features on the fly, and (ii) an explainability module. This work is the first to perform online fault prediction with natural language and visual explainability. The experiments were performed with the MetroPT data set from the metro operator of Porto, Portugal. The results are above 98 % for F-measure and 99 % for accuracy. In the context of railway predictive maintenance, achieving these high values is crucial due to the practical and operational implications of accurate failure prediction. In the specific case of a high F-measure, this ensures that the system maintains an optimal balance between detecting the highest possible number of real faults and minimizing false alarms, which is crucial for maximizing service availability. Furthermore, the accuracy obtained enables reliability, directly impacting cost reduction and increased safety. The analysis demonstrates that the pipeline maintains high performance even in the presence of class imbalance and noise, and its explanations effectively reflect the decision-making process. These findings validate the methodological soundness of the approach and confirm its practical applicability for supporting proactive maintenance decisions in real-world railway operations. Therefore, by identifying the early signs of failure, this pipeline enables decision-makers to understand the underlying problems and act accordingly swiftly.
- Abstract（参考訳）: この研究は、Intelligent Transportation Systemsのリアルタイムデータ駆動予測メンテナンスソリューションに寄与する。
提案手法は,サンプル前処理,機械学習モデルによる漸進的分類,結果説明からなる処理パイプラインを実装した。
この新しいオンライン処理パイプラインには、主なハイライトが2つある。
i) 統計・周波数関連機能をオンザフライで構築する専用サンプル前処理モジュール
(ii)説明可能性モジュール。
この研究は、自然言語と視覚的説明可能性を使って、オンラインの故障予測を行う最初のものである。
実験はポルトガルのポルトにあるメトロオペレーターのMetroPTデータセットを用いて行われた。
その結果,F測定では98%,精度では99%であった。
鉄道における予測維持の文脈において、これらの高い価値を達成することは、正確な故障予測の実践的および運用的意味から重要である。
高いF測定の特定の場合において、システムは、可能な限り多くの実断層を検出することと、サービス可用性の最大化に欠かせない誤報を最小化することの間の最適なバランスを維持する。
さらに、得られた精度は、信頼性、直接コスト削減、安全性の向上を可能にする。
分析の結果,クラス不均衡やノイズがあってもパイプラインは高い性能を維持しており,その説明は意思決定過程を効果的に反映していることがわかった。
本研究は, 提案手法の方法論的健全性を検証するとともに, 実世界の鉄道事業における積極的保守決定を支援するための実用性を確認するものである。
したがって、初期の失敗の兆候を特定することで、このパイプラインは意思決定者が根底にある問題を理解し、迅速に行動することを可能にする。
関連論文リスト
- Self-Explaining Neural Networks for Business Process Monitoring [2.8499886197917443]
我々は、私たちの知る限り、予測プロセス監視のための最初の*自己説明型ニューラルネットワーク*アーキテクチャを紹介します。
我々のフレームワークは、予測を提供するだけでなく、予測ごとに簡潔な説明を出力するLSTMモデルを訓練する。
提案手法は, 生成した説明の忠実さと効率の大幅な向上の両面から, ポストホックアプローチよりも優れていることを示す。
論文 参考訳（メタデータ） (2025-03-23T13:28:34Z) - The First Few Tokens Are All You Need: An Efficient and Effective Unsupervised Prefix Fine-Tuning Method for Reasoning Models [69.798277882245]
大規模言語モデルの推論効率を向上させるために,Unsupervised Prefix Fine-Tuning (UPFT)を導入した。
UPFTはラベル付きデータや徹底的なサンプリングの必要性を取り除く。
実験の結果,UPFTは教師付き手法の性能と一致していることがわかった。
論文 参考訳（メタデータ） (2025-03-04T18:56:03Z) - Certified Human Trajectory Prediction [66.1736456453465]
本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。
そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。
認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
論文 参考訳（メタデータ） (2024-03-20T17:41:35Z) - GVFs in the Real World: Making Predictions Online for Water Treatment [23.651798878534635]
実際の飲料水処理プラントにおける強化学習に基づく予測手法の適用について検討する。
まず、このデータセットを説明し、季節性、非定常性、部分観測可能性といった課題を強調します。
オンラインで学習するTDエージェントに対してオンライン更新を行わずに、純粋にオフラインで訓練されたTDエージェントを比較して、デプロイメントにおける学習の重要性を示す。
論文 参考訳（メタデータ） (2023-12-04T04:49:10Z) - Towards Motion Forecasting with Real-World Perception Inputs: Are
End-to-End Approaches Competitive? [93.10694819127608]
実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。
我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
論文 参考訳（メタデータ） (2023-06-15T17:03:14Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳（メタデータ） (2023-06-07T08:27:36Z) - A hybrid feature learning approach based on convolutional kernels for
ATM fault prediction using event-log data [5.859431341476405]
イベントログデータから特徴を抽出するために,畳み込みカーネル(MiniROCKETとHYDRA)に基づく予測モデルを提案する。
提案手法は,実世界の重要な収集データセットに適用される。
このモデルは、ATMのタイムリーなメンテナンスにおいてオペレータをサポートするコンテナベースの意思決定支援システムに統合された。
論文 参考訳（メタデータ） (2023-05-17T08:55:53Z) - Explain, Adapt and Retrain: How to improve the accuracy of a PPM
classifier through different explanation styles [4.6281736192809575]
最近の論文では、結果指向の予測に予測プロセスモニタリングモデルがなぜ間違った予測を提供するのかを説明するための新しいアプローチが紹介されている。
半自動的な方法でミスを犯す予測者を誘導する最も一般的な特徴を特定するために、説明を利用する方法を示す。
論文 参考訳（メタデータ） (2023-03-27T06:37:55Z) - Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。
提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
論文 参考訳（メタデータ） (2023-01-17T01:46:45Z) - MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。
機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。
本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
論文 参考訳（メタデータ） (2022-10-24T15:14:26Z) - End-to-End Topology-Aware Machine Learning for Power System Reliability
Assessment [0.0]
本稿では,信頼性指標を直接予測するエンド・ツー・エンドの機械学習に関する予備調査を提案する。
2つのモデル(Support Vector Machine と Boosting Trees)がトレーニングされ、比較される。
提案したエンドツーエンド機械学習パイプラインの信頼性評価への適用性を示す。
論文 参考訳（メタデータ） (2022-05-30T00:00:14Z) - Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。
本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。
本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文 参考訳（メタデータ） (2022-01-11T23:01:12Z)
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。