論文の概要: AI Asset Management for Manufacturing (AIM4M): Development of a Process Model for Operationalization

• arxiv url: http://arxiv.org/abs/2509.11691v1
• Date: Mon, 15 Sep 2025 08:45:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.202274
• Title: AI Asset Management for Manufacturing (AIM4M): Development of a Process Model for Operationalization
• Title（参考訳）: AIアセット・マネジメント・フォー・マニュファクチャリング(AIM4M):運用プロセスモデルの開発
• Authors: Lukas Rauh, Mel-Rick Süner, Daniel Schel, Thomas Bauernhansl,
• Abstract要約: 本稿では,製造におけるAI資産のライフサイクル管理のための新しいプロセスモデルを提案する。 提案されたプロセスモデルは、AI資産をライフサイクル全体にわたって体系的に開発、デプロイ、管理する組織を支援することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The benefits of adopting artificial intelligence (AI) in manufacturing are undeniable. However, operationalizing AI beyond the prototype, especially when involved with cyber-physical production systems (CPPS), remains a significant challenge due to the technical system complexity, a lack of implementation standards and fragmented organizational processes. To this end, this paper proposes a new process model for the lifecycle management of AI assets designed to address challenges in manufacturing and facilitate effective operationalization throughout the entire AI lifecycle. The process model, as a theoretical contribution, builds on machine learning operations (MLOps) principles and refines three aspects to address the domain-specific requirements from the CPPS context. As a result, the proposed process model aims to support organizations in practice to systematically develop, deploy and manage AI assets across their full lifecycle while aligning with CPPS-specific constraints and regulatory demands.
• Abstract（参考訳）: 製造において人工知能(AI)を採用する利点は否定できない。 しかし、特にサイバー物理生産システム(CPPS)に関わる場合、プロトタイプを超えてAIを運用することは、技術的システムの複雑さ、実装標準の欠如、組織プロセスの断片化など、大きな課題である。 そこで本研究では,AIライフサイクル全体を通して,製造における課題に対処し,効率的な運用を促進するために設計された,AI資産のライフサイクル管理のための新しいプロセスモデルを提案する。 プロセスモデルは理論的コントリビューションとして、機械学習操作(MLOps)の原則に基づいて、CPPSコンテキストからドメイン固有の要件に対処する3つの側面を洗練します。 その結果として、提案されたプロセスモデルは、CPPS固有の制約や規制要件と整合しながら、AI資産をフルライフサイクルにわたって体系的に開発、デプロイ、管理する組織を支援することを目的としている。

関連論文リスト

• AssetOpsBench: Benchmarking AI Agents for Task Automation in Industrial Asset Operations and Maintenance [7.110126223593506]
  本稿では,これまで異なる専門知識と手動調整を必要としていたタスクを,AIエージェントが自律的に管理する未来を想定する。 AssetOpsBench - ドメイン固有のエージェントの開発、オーケストレーション、評価をガイドするために設計された、統合されたフレームワークと環境。 我々は,このような包括的システムに対する重要な要件を概説し,実世界の産業活動に対する認識,推論,制御を統合するエージェント構築に関する実用的な洞察を提供する。
  論文  参考訳（メタデータ） (2025-06-04T10:57:35Z)
• An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
  本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。 このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。 完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
  論文  参考訳（メタデータ） (2025-04-20T16:57:45Z)
• Towards practicable Machine Learning development using AI Engineering Blueprints [0.8654896256058138]
  中小規模企業(中小企業)は、製品やプロセスにAIを実装する際に課題に直面します。 本稿では,プロプライエタリ機械学習(ML)モデル作成のための青写真の開発を目的とした研究計画を提案する。
  論文  参考訳（メタデータ） (2025-04-08T19:28:05Z)
• Pretrained LLMs as Real-Time Controllers for Robot Operated Serial Production Line [5.647265893402412]
  本研究では,大規模言語モデル(LLM),特に GPT-4 を,製造システム,特に移動ロボットスケジューリングを制御するための,単純で適応可能なソリューションとして用いることの実現可能性について検討する。 ロボットによる連続生産ラインにおいて,移動ロボットを異なるマシンに割り当てるLLMベースの制御フレームワークを導入し,システムスループットの観点からその性能を評価する。 MARL(Multi-Agent Reinforcement Learning)のような最先端の手法と同等のパフォーマンスを実現するが、大規模なリトレーニングを必要とせずに、同等のスループットを提供するという、明確な利点を提供する。
  論文  参考訳（メタデータ） (2025-03-05T20:43:49Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
  製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。 セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:37:34Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。