Fugu-MT 論文翻訳(概要): From PREVENTion to REACTion: Enhancing Failure Resolution in Naval Systems

論文の概要: From PREVENTion to REACTion: Enhancing Failure Resolution in Naval Systems

arxiv url: http://arxiv.org/abs/2508.15584v1
Date: Thu, 21 Aug 2025 13:57:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-22 16:26:46.361044
Title: From PREVENTion to REACTion: Enhancing Failure Resolution in Naval Systems
Title（参考訳）: 予防から行動へ:海軍システムにおける破壊解決の強化
Authors: Maria Teresa Rossi, Leonardo Mariani, Oliviero Riganelli,
Abstract要約: 本稿では,Fincantieri が開発した海軍システムに適用したトラブルシューティングモジュール REACT による,最先端の故障予測手法 PreVENT とその拡張について報告する。我々は、これらの分析を他の産業製品に展開し、拡張するのに役立つ、学んだ教訓を議論することで締めくくります。
参考スコア（独自算出の注目度）: 4.171555557592296
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Complex and large industrial systems often misbehave, for instance, due to wear, misuse, or faults. To cope with these incidents, it is important to timely detect their occurrences, localize the sources of the problems, and implement the appropriate countermeasures. This paper reports our experience with a state-of-the-art failure prediction method, PREVENT, and its extension with a troubleshooting module, REACT, applied to naval systems developed by Fincantieri. Our results show how to integrate anomaly detection with troubleshooting procedures. We conclude by discussing a lesson learned, which may help deploy and extend these analyses to other industrial products.
Abstract（参考訳）: 複雑で大規模な産業システムは、例えば、着用、誤用、欠陥のためにしばしば誤動作する。これらの問題に対処するためには、その発生をタイムリーに検知し、問題のソースをローカライズし、適切な対策を実施することが重要である。本稿では,Fincantieri が開発した海軍システムに適用したトラブルシューティングモジュール REACT による,最先端の故障予測手法 PreVENT とその拡張について報告する。以上の結果から,異常検出とトラブルシューティングの併用方法が示唆された。我々は、これらの分析を他の産業製品に展開し、拡張するのに役立つ、学んだ教訓を議論することで締めくくります。

関連論文リスト

Confounding is a Pervasive Problem in Real World Recommender Systems [84.09696908897168]
観測されていない共生は、経済学、医学、生態学、疫学などの分野における観察的研究を損なう。本稿では,機能工学やA/Bテスト,モジュール化など,多くの共通プラクティスが,実際にはコンファウンディングをレコメンデーションシステムに導入できることを示す。
論文参考訳（メタデータ） (2025-08-14T09:31:35Z)
A Survey on AgentOps: Categorization, Challenges, and Future Directions [25.00082531560766]
本稿ではエージェントシステムオペレーション(AgentOps)と呼ばれるエージェントシステムのための新しい包括的な運用フレームワークを紹介する。モニタリング,異常検出,根本原因分析,解決の4つの重要な段階について,詳細な定義と説明を行う。
論文参考訳（メタデータ） (2025-08-04T06:59:36Z)
RealHarm: A Collection of Real-World Language Model Application Failures [1.2820953788225848]
我々は、AIエージェントとの注釈付き問題相互作用のデータセットであるRealHarmを紹介する。我々は、特にデプロイ者の視点から、害、原因、危険を分析します。我々は,現状のガードレールとコンテンツモデレーションシステムを評価し,そのようなシステムが事故を防いだかどうかを調査した。
論文参考訳（メタデータ） (2025-04-14T14:44:41Z)
On the Fly Detection of Root Causes from Observed Data with Application to IT Systems [3.3321350585823826]
本稿では,しきい値に基づくITシステムを表現するための構造因果モデルを提案する。このようなシステムにおける異常の根本原因を迅速に検出するアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-02-09T16:10:19Z)
Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
論文参考訳（メタデータ） (2024-02-07T21:58:40Z)
Supporting Early-Safety Analysis of IoT Systems by Exploiting Testing Techniques [9.095386349136717]
フェールロジック分析 FLAは、潜在的な障害シナリオを予測するテクニックである。手動でFLAルールを指定すれば、不完全あるいは不正確な仕様につながる、厳しいエラーが発生します。これらのルールの完全性と正確性を改善するために,テスト手法を採用することを提案する。
論文参考訳（メタデータ） (2023-09-06T13:32:39Z)
Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
論文参考訳（メタデータ） (2023-08-06T05:58:45Z)
Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文参考訳（メタデータ） (2023-04-21T02:20:24Z)
Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文参考訳（メタデータ） (2022-06-30T06:00:13Z)
Mining Root Cause Knowledge from Cloud Service Incident Investigations for AIOps [71.12026848664753]
サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
論文参考訳（メタデータ） (2022-04-21T02:33:34Z)
Discovering and Validating AI Errors With Crowdsourced Failure Reports [10.4818618376202]
クラウドソースの障害レポートや、モデルが失敗した理由や理由に関するエンドユーザの説明を導入し、開発者がAIエラーの検出にどのように使用できるかを示します。また、障害レポートを合成する視覚分析システムであるDeblinderを設計、実装する。半構造化されたインタビューと10人のAI実践者とのシンク・アラウド・スタディでは、現実の環境でのDeblinderシステムと障害報告の適用可能性について検討する。
論文参考訳（メタデータ） (2021-09-23T23:26:59Z)

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。