論文の概要: FBS Model-based Maintenance Record Accumulation for Failure-Cause Inference in Manufacturing Systems

• arxiv url: http://arxiv.org/abs/2510.11003v1
• Date: Mon, 13 Oct 2025 04:37:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.201991
• Title: FBS Model-based Maintenance Record Accumulation for Failure-Cause Inference in Manufacturing Systems
• Title（参考訳）: 製造システムにおける故障原因推論のためのFBSモデルに基づく保守記録蓄積
• Authors: Takuma Fujiu, Sho Okazaki, Kohei Kaminishi, Yuji Nakata, Shota Hamamoto, Kenshin Yokose, Tatsunori Hara, Yasushi Umeda, Jun Ota,
• Abstract要約: 本研究では,診断知識オントロジーを構築し,FBSモデルに基づく保守記録蓄積手法を提案する。 提案手法によって蓄積された保守記録を用いた故障原因推定では,専門家が列挙した候補要因との一致が良好であった。
• 参考スコア（独自算出の注目度）: 0.8577741965348354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In manufacturing systems, identifying the causes of failures is crucial for maintaining and improving production efficiency. In knowledge-based failure-cause inference, it is important that the knowledge base (1) explicitly structures knowledge about the target system and about failures, and (2) contains sufficiently long causal chains of failures. In this study, we constructed Diagnostic Knowledge Ontology and proposed a Function-Behavior-Structure (FBS) model-based maintenance-record accumulation method based on it. Failure-cause inference using the maintenance records accumulated by the proposed method showed better agreement with the set of candidate causes enumerated by experts, especially in difficult cases where the number of related cases is small and the vocabulary used differs. In the future, it will be necessary to develop inference methods tailored to these maintenance records, build a user interface, and carry out validation on larger and more diverse systems. Additionally, this approach leverages the understanding and knowledge of the target in the design phase to support knowledge accumulation and problem solving during the maintenance phase, and it is expected to become a foundation for knowledge sharing across the entire engineering chain in the future.
• Abstract（参考訳）: 製造システムでは、失敗の原因を特定することが生産効率の維持と改善に不可欠である。 知識に基づく失敗原因推論では,(1)対象システムと障害に関する知識を明示的に構造化し,(2)失敗の因果連鎖が十分に長いことが重要である。 本研究では,診断知識オントロジーを構築し,FBSモデルに基づく保守記録蓄積手法を提案する。 提案手法によって蓄積された保守記録を用いた故障原因推定では,専門家が列挙した候補要因の集合との一致が良好であった。 将来的には,これらの保守記録に適した推論手法を開発し,ユーザインターフェースを構築し,より大規模で多様なシステムに対する検証を行う必要がある。 さらに,本手法では, 設計段階における目標の理解と知識を活用して, 保守段階における知識蓄積と問題解決を支援する。

関連論文リスト

• Walk the Talk: Is Your Log-based Software Reliability Maintenance System Really Reliable? [18.587739647424716]
  本稿では、サービス提供者の信頼を得るためのモデルに対する信頼性基準、診断忠実度を定義する。 本稿では,忠実なログに基づく異常検出システムであるFaithLogを提案する。
  論文  参考訳（メタデータ） (2025-09-29T06:52:40Z)
• Online Identification of IT Systems through Active Causal Learning [1.7188280334580195]
  本稿では,ITシステムの因果モデルによるオンライン・データ駆動型識別のための最初の原理的手法を提案する。 本手法は,システム操作に対する低干渉を誘導しながら,因果系モデルの正確な同定を可能にする。
  論文  参考訳（メタデータ） (2025-09-02T09:25:36Z)
• Disentangling Memory and Reasoning Ability in Large Language Models [97.26827060106581]
  本稿では、複雑な推論プロセスを2つの異なる明確なアクションに分解する新しい推論パラダイムを提案する。 実験の結果, この分解によりモデル性能が向上し, 推論プロセスの解釈可能性も向上することがわかった。
  論文  参考訳（メタデータ） (2024-11-20T17:55:38Z)
• Towards a Framework for Deep Learning Certification in Safety-Critical Applications Using Inherently Safe Design and Run-Time Error Detection [0.0]
  航空や他の安全上重要な分野における現実世界の問題について検討し,認定モデルの要件について検討する。 我々は、(i)本質的に安全な設計と(ii)実行時のエラー検出に基づいて、ディープラーニング認定に向けた新しいフレームワークを構築した。
  論文  参考訳（メタデータ） (2024-03-12T11:38:45Z)
• Multi-modal Causal Structure Learning and Root Cause Analysis [67.67578590390907]
  根本原因局所化のためのマルチモーダル因果構造学習手法であるMulanを提案する。 ログ選択言語モデルを利用してログ表現学習を行い、ログシーケンスを時系列データに変換する。 また、モダリティの信頼性を評価し、最終因果グラフを共同学習するための新しいキーパフォーマンスインジケータ対応アテンション機構も導入する。
  論文  参考訳（メタデータ） (2024-02-04T05:50:38Z)
• An Ontology for Defect Detection in Metal Additive Manufacturing [3.997680012976965]
  産業用 4.0 アプリケーションのキーは、データ統合とセマンティック相互運用性の問題に対処できる制御システムを開発することである。 金属添加物製造文献から知られているプロセス誘起欠陥の分類について述べる。 我々の知識基盤は、さらなる欠陥分析用語を付加することにより、付加的な製造能力を向上させることを目的としている。
  論文  参考訳（メタデータ） (2022-09-29T13:35:25Z)
• A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
  本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。 我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。 提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
  論文  参考訳（メタデータ） (2022-06-30T02:35:04Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)

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。