論文の概要: Intelligent 5S Audit: Application of Artificial Intelligence for Continuous Improvement in the Automotive Industry
- arxiv url: http://arxiv.org/abs/2510.00067v1
- Date: Mon, 29 Sep 2025 15:28:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 16:59:20.156485
- Title: Intelligent 5S Audit: Application of Artificial Intelligence for Continuous Improvement in the Automotive Industry
- Title（参考訳）: インテリジェント5S監査: 人工知能の自動車産業の継続的改善への応用
- Authors: Rafael da Silva Maciel, Lucio Veraldo Jr,
- Abstract要約: 本研究は,大規模言語モデル(LLM)に基づく自動5S監査システムを開発した。
インテリジェントな画像解析によって5つの感覚を標準化された方法で評価することができる。
提案手法は自動車製造環境の継続的な改善に大きく貢献する。
- 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 evolution of the 5S methodology with the support of artificial intelligence techniques represents a significant opportunity to improve industrial organization audits in the automotive chain, making them more objective, efficient and aligned with Industry 4.0 standards. This work developed an automated 5S audit system based on large-scale language models (LLM), capable of assessing the five senses (Seiri, Seiton, Seiso, Seiketsu, Shitsuke) in a standardized way through intelligent image analysis. The system's reliability was validated using Cohen's concordance coefficient (kappa = 0.75), showing strong alignment between the automated assessments and the corresponding human audits. The results indicate that the proposed solution contributes significantly to continuous improvement in automotive manufacturing environments, speeding up the audit process by 50% of the traditional time and maintaining the consistency of the assessments, with a 99.8% reduction in operating costs compared to traditional manual audits. The methodology presented establishes a new paradigm for integrating lean systems with emerging AI technologies, offering scalability for implementation in automotive plants of different sizes.
- Abstract（参考訳）: 人工知能技術のサポートによる5S方法論の進化は、自動車チェーンにおける産業組織監査を改善する重要な機会であり、より客観的で効率的で、産業4.0標準に準拠している。
本研究は, 大規模言語モデル(LLM)に基づく自動5S監査システムを開発し, 知的画像解析による5つの感覚(セイリ, セイトン, セイソ, セイケツ, シーケツ, シトケ)を標準化された方法で評価する。
システムの信頼性はコーエンの一致係数(kappa = 0.75)を用いて検証され、自動評価とそれに対応する人間の監査との間に強い整合性を示した。
その結果, 提案手法は自動車製造環境の継続的な改善に大きく寄与し, 従来型の50%の監査プロセスを高速化し, 評価の整合性を維持し, 従来の手作業による監査に比べて99.8%の運用コスト削減を実現していることがわかった。
提案された方法論は、リーンシステムと新興AI技術を統合するための新しいパラダイムを確立し、異なる大きさの自動車工場で実装するためのスケーラビリティを提供する。
関連論文リスト
- Automated Quality Assessment for LLM-Based Complex Qualitative Coding: A Confidence-Diversity Framework [0.23872611575805827]
モデル信頼度とモデル間コンセンサス(外部エントロピー)を組み合わせた二重信号品質評価フレームワークを開発する。
法的な理由づけ、政治的分析、医学的分類書にまたがって評価する。
このフレームワークは、広範に二重符号化することなく定性的なコーディングをスケールする、原則化された、ドメインに依存しない品質保証メカニズムを提供する。
論文 参考訳（メタデータ） (2025-08-28T06:25:07Z) - The AI-Fraud Diamond: A Novel Lens for Auditing Algorithmic Deception [0.0]
本稿では,従来のフラッド・トライアングルの拡張であるAI-フラッド・ダイアモンドを紹介し,圧力,機会,合理化とともに,技術的不透明度を第4条件として追加する。
従来の詐欺とは異なり、AI対応の詐欺は明確な人間の意図を伴わないが、不透明なモデル行動、欠陥のあるトレーニングデータ、規制されていないデプロイメントプラクティスといったシステムレベルの特徴から生じる可能性がある。
論文 参考訳（メタデータ） (2025-08-19T16:21:44Z) - E2E Process Automation Leveraging Generative AI and IDP-Based Automation Agent: A Case Study on Corporate Expense Processing [1.5728609542259502]
本稿では,現代デジタルトランスフォーメーションにおけるインテリジェントな作業自動化手法を提案する。
生成AIとインテリジェントドキュメント処理技術とオートメーションエージェントを統合し、企業の財政的経費処理タスクのエンドツーエンド(E2E)自動化を実現する。
論文 参考訳（メタデータ） (2025-05-27T05:21:08Z) - DARS: Dynamic Action Re-Sampling to Enhance Coding Agent Performance by Adaptive Tree Traversal [55.13854171147104]
大規模言語モデル(LLM)は、自然言語処理、データ分析、ソフトウェア開発など、さまざまな領域に革命をもたらした。
符号化エージェントのための新しい推論時間計算スケーリングアプローチである動的アクション再サンプリング(DARS)を提案する。
我々は、SWE-Bench Liteベンチマークに対する我々のアプローチを評価し、このスケーリング戦略がClude 3.5 Sonnet V2で55%のパス@kスコアを達成したことを実証した。
論文 参考訳（メタデータ） (2025-03-18T14:02:59Z) - AI-in-the-Loop Sensing and Communication Joint Design for Edge Intelligence [65.29835430845893]
本稿では,AI-in-the-loopジョイントセンシングと通信によるエッジインテリジェンス向上のためのフレームワークを提案する。
私たちの研究の重要な貢献は、バリデーション損失とシステムのチューニング可能なパラメータとの間に明確な関係を確立することです。
提案手法は, 通信エネルギー消費を最大77%削減し, 試料数で測定した検知コストを最大52%削減する。
論文 参考訳（メタデータ） (2025-02-14T14:56:58Z) - BitsAI-CR: Automated Code Review via LLM in Practice [16.569842114384233]
BitsAI-CRは、2段階のアプローチを通じてコードレビューを強化する革新的なフレームワークである。
システムはレビュールールの包括的な分類に基づいて構築され、データフライホイール機構を実装している。
実証評価はBitsAI-CRの有効性を示し、レビューコメント生成において75.0%の精度を達成した。
論文 参考訳（メタデータ） (2025-01-25T08:39:50Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳（メタデータ） (2023-11-06T00:21:44Z) - AttNS: Attention-Inspired Numerical Solving For Limited Data Scenarios [51.94807626839365]
限定データによる微分方程式の解法として,注目型数値解法(AttNS)を提案する。
AttNSは、モデル一般化とロバスト性の向上におけるResidual Neural Networks(ResNet)のアテンションモジュールの効果にインスパイアされている。
論文 参考訳（メタデータ） (2023-02-05T01:39:21Z) - Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。
ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文 参考訳（メタデータ） (2021-03-08T10:56:38Z)
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。