論文の概要: Deep Learning-Based Control Optimization for Glass Bottle Forming

• arxiv url: http://arxiv.org/abs/2510.18412v1
• Date: Tue, 21 Oct 2025 08:42:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.157951
• Title: Deep Learning-Based Control Optimization for Glass Bottle Forming
• Title（参考訳）: ガラスボトル形成のための深層学習に基づく制御最適化
• Authors: Mattia Pujatti, Andrea Di Luca, Nicola Peghini, Federico Monegaglia, Marco Cristoforetti,
• Abstract要約: 本研究では,実運用環境における生成過程の最適化を目的としたディープラーニングに基づく制御アルゴリズムを提案する。 我々のニューラルネットワークは、アクティブな製造工場の実際の運用データを用いて、現在の生産設備に基づいてパラメータ変化の影響を予測する。
• 参考スコア（独自算出の注目度）: 0.7340017786387767
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In glass bottle manufacturing, precise control of forming machines is critical for ensuring quality and minimizing defects. This study presents a deep learning-based control algorithm designed to optimize the forming process in real production environments. Using real operational data from active manufacturing plants, our neural network predicts the effects of parameter changes based on the current production setup. Through a specifically designed inversion mechanism, the algorithm identifies the optimal machine settings required to achieve the desired glass gob characteristics. Experimental results on historical datasets from multiple production lines show that the proposed method yields promising outcomes, suggesting potential for enhanced process stability, reduced waste, and improved product consistency. These results highlight the potential of deep learning to process control in glass manufacturing.
• Abstract（参考訳）: ガラスボトル製造において, 成形機の精密制御は品質確保と欠陥の最小化に重要である。 本研究では,実運用環境における生成過程の最適化を目的としたディープラーニングに基づく制御アルゴリズムを提案する。 我々のニューラルネットワークは、アクティブな製造工場の実際の運用データを用いて、現在の生産設備に基づいてパラメータ変化の影響を予測する。 特別に設計された反転機構により、所望のガラスゴブ特性を達成するのに必要な最適マシン設定を特定する。 複数の生産ラインから得られた過去のデータセットによる実験結果から,提案手法が期待できる結果となり,プロセス安定性の向上,廃棄物の削減,製品一貫性の向上が示唆された。 これらの結果は,ガラス製造における深層学習のプロセス制御の可能性を強調している。

関連論文リスト

• Sample-Efficient Bayesian Transfer Learning for Online Machine Parameter Optimization [5.467297536043163]
  本研究では,ベイズ最適化アルゴリズムを用いて,システム自体のマシンパラメータを最適化する手法を提案する。 既存のマシンデータを活用することで、最小限のイテレーションで最適点を特定するために、転送学習アプローチを使用する。 実世界における金属板の切削用レーザ機へのアプローチを検証した。
  論文  参考訳（メタデータ） (2025-03-20T08:08:17Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• Reinforcement Learning of Display Transfer Robots in Glass Flow Control Systems: A Physical Simulation-Based Approach [6.229216953398305]
  フロー制御システムは製造システムの生産能力を高めるための重要な概念である。 フロー制御に関するスケジューリング最適化問題を解決するため、既存の手法はドメイン・ヒューマン・エキスパートによる設計に依存している。 本稿では,物理シミュレーション環境を実装し,ディスプレイ製造における移動ロボットを用いた現実的なフロー制御システムの設計を提案する。
  論文  参考訳（メタデータ） (2023-10-12T02:10:29Z)
• MFRL-BI: Design of a Model-free Reinforcement Learning Process Control Scheme by Using Bayesian Inference [5.375049126954924]
  プロセス制御方式の設計は、製造システムのばらつきを低減するために品質保証に不可欠である。 本稿では,モデルフリー強化学習(MFRL)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-17T08:18:55Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• Large Scale Mask Optimization Via Convolutional Fourier Neural Operator and Litho-Guided Self Training [54.16367467777526]
  マスクタスクを効率的に学習できる畳み込みニューラルネットワーク(CFCF)を提案する。 機械学習ベースのフレームワークが初めて、最先端の数値マスクデータセットを上回った。
  論文  参考訳（メタデータ） (2022-07-08T16:39:31Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• An IIoT machine model for achieving consistency in product quality in manufacturing plants [0.5574339026647824]
  本稿では,植物機械の効率的な監視と制御を可能にする産業用IoT(Industrial Internet of Things)マシンモデルを提案する。 提案アルゴリズムは製品の品質を高い精度で予測し,効率的な生産監視と制御を可能にする。
  論文  参考訳（メタデータ） (2021-09-27T11:42:17Z)
• Modeling and Optimizing Laser-Induced Graphene [59.8912133964006]
  レーザ誘起グラフェンの生成の最適化を記述したデータセットを提供する。 提供するデータセットに基づいて,3つの課題を提起します。 興味のあるユーザにとっての出発点として、図解的な結果と、それらを生成するためのコードを提示します。
  論文  参考訳（メタデータ） (2021-07-29T18:08:24Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。