論文の概要: CRACI: A Cloud-Native Reference Architecture for the Industrial Compute Continuum
- arxiv url: http://arxiv.org/abs/2509.07498v1
- Date: Tue, 09 Sep 2025 08:24:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-10 14:38:27.228152
- Title: CRACI: A Cloud-Native Reference Architecture for the Industrial Compute Continuum
- Title（参考訳）: CRACI: インダストリアルコンピュート継続のためのクラウドネイティブな参照アーキテクチャ
- Authors: Hai Dinh-Tuan,
- Abstract要約: 本稿では,産業計算連続体のためのクラウドネイティブな参照アーキテクチャであるCRACIを紹介する。
分離されたイベント駆動モデルを促進し、連続体をまたいだ柔軟な非階層的なデータフローを可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The convergence of Information Technology (IT) and Operational Technology (OT) in Industry 4.0 exposes the limitations of traditional, hierarchical architectures like ISA-95 and RAMI 4.0. Their inherent rigidity, data silos, and lack of support for cloud-native technologies impair the development of scalable and interoperable industrial systems. This paper addresses this issue by introducing CRACI, a Cloud-native Reference Architecture for the Industrial Compute Continuum. Among other features, CRACI promotes a decoupled and event-driven model to enable flexible, non-hierarchical data flows across the continuum. It embeds cross-cutting concerns as foundational pillars: Trust, Governance & Policy, Observability, and Lifecycle Management, ensuring quality attributes are core to the design. The proposed architecture is validated through a two-fold approach: (1) a comparative theoretical analysis against established standards, operational models, and academic proposals; and (2) a quantitative evaluation based on performance data from previously published real-world smart manufacturing implementations. The results demonstrate that CRACI provides a viable, state-of-the-art architecture that utilizes the compute continuum to overcome the structural limitations of legacy models and enable scalable, modern industrial systems.
- Abstract（参考訳）: インフォメーション・テクノロジー(IT)とオペレーショナル・テクノロジー(OT)の産業4.0への収束は、ISA-95やRAMI 4.0のような伝統的な階層アーキテクチャの限界を明らかにする。
その固有の剛性、データサイロ、クラウドネイティブテクノロジのサポートの欠如は、スケーラブルで相互運用可能な産業システムの開発を妨げる。
本稿では,Industrial Compute Continuum用のクラウドネイティブ参照アーキテクチャであるCRACIを導入することで,この問題に対処する。
その他の機能として、CRACIは分離されたイベント駆動モデルを促進し、連続体をまたいだ柔軟な非階層的なデータフローを可能にする。
信頼、ガバナンスとポリシー、可観測性、ライフサイクル管理、品質特性が設計の中核であることを保証します。
提案アーキテクチャは,(1)確立された標準,運用モデル,学術的提案に対する比較理論的分析,(2)以前に公表された実世界のスマート製造実装の性能データに基づく定量的評価という2つのアプローチによって検証される。
その結果、CRACIは従来のモデルの構造的制約を克服し、スケーラブルでモダンな産業システムを実現するために計算連続性を利用する、実用的で最先端のアーキテクチャを提供することを示した。
関連論文リスト
- Bridging Industrial Expertise and XR with LLM-Powered Conversational Agents [2.526333884960815]
本稿では,大規模言語モデル(LLM)と拡張現実感(XR)との新たな統合を提案する。
提案システムは、自然言語インタフェースを通じて、ドメイン固有の産業知識をXR環境に組み込み、労働者のためのハンズフリーでコンテキスト対応のエキスパートガイダンスを可能にする。
論文 参考訳（メタデータ） (2025-04-07T22:02:19Z) - Adaptable Embeddings Network (AEN) [49.1574468325115]
我々はカーネル密度推定(KDE)を用いた新しいデュアルエンコーダアーキテクチャであるAdaptable Embeddings Networks (AEN)を紹介する。
AENは、再トレーニングせずに分類基準のランタイム適応を可能にし、非自己回帰的である。
アーキテクチャのプリプロセスとキャッシュ条件の埋め込み能力は、エッジコンピューティングアプリケーションやリアルタイム監視システムに最適である。
論文 参考訳（メタデータ） (2024-11-21T02:15:52Z) - Towards General Industrial Intelligence: A Survey of Continual Large Models in Industrial IoT [25.16997700703974]
本調査では,大規模モデル(LM)とのIIoT統合とその産業環境への応用について検討する。
我々は,言語ベース,視覚ベース,時系列,マルチモーダルモデルという,産業用LMの4つの主要なタイプに注目した。
IIoTが豊富な多様なデータリソースをどのように提供するかを分析し、LMのトレーニングと微調整をサポートする。
論文 参考訳（メタデータ） (2024-09-02T12:35:59Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Generative AI in the Construction Industry: A State-of-the-art Analysis [0.4241054493737716]
建設業界における生成AIの現状、機会、課題に関する文献のギャップがある。
本研究は, 建設産業における既存の, 新興のジェネレーティブAIの機会と課題をレビューし, 分類することを目的とする。
建設会社が独自のデータを使ってカスタマイズされた生成AIソリューションを構築するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-15T13:39:55Z) - Serving Deep Learning Model in Relational Databases [70.53282490832189]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
論文 参考訳（メタデータ） (2023-10-07T06:01:35Z) - An Architecture for Deploying Reinforcement Learning in Industrial
Environments [3.18294468240512]
OPC UAをベースとしたオペレーショナル・テクノロジー(OT)対応のRLアーキテクチャを提案する。
我々は,汎用的なプラグアンドプレイ型アプローチでRLエージェントを交換するOPC UA情報モデルを定義する。
おもちゃの例を解くことで、このアーキテクチャが最適なポリシーを決定することができることを示す。
論文 参考訳（メタデータ） (2023-06-02T10:22:01Z) - Continual-Learning-as-a-Service (CLaaS): On-Demand Efficient Adaptation
of Predictive Models [17.83007940710455]
機械学習ベースのアプリケーションを構築したい企業にとって、将来の2つのトレンドは、リアルタイムの推論と継続的な更新である。
本稿では,これらの課題に対処するため,新しいソフトウェアサービスと継続的学習・アズ・ア・サービス(CL)と呼ばれるモデル配信基盤を定義した。
オンプレミスソリューションなしで、効率的でステートフルで使いやすい方法で、データサイエンティストのためのモデル更新とバリデーションツールをサポートする。
論文 参考訳（メタデータ） (2022-06-14T16:22:54Z)
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。