論文の概要: What is the Return on Investment of Digital Engineering for Complex Systems Development? Findings from a Mixed-Methods Study on the Post-production Design Change Process of Navy Assets

• arxiv url: http://arxiv.org/abs/2511.00077v1
• Date: Wed, 29 Oct 2025 15:37:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.566812
• Title: What is the Return on Investment of Digital Engineering for Complex Systems Development? Findings from a Mixed-Methods Study on the Post-production Design Change Process of Navy Assets
• Title（参考訳）: 複雑なシステム開発のためのディジタルエンジニアリング投資のリターンは何か? : 海軍資産のポストプロダクション設計変更過程に関する混合手法研究から
• Authors: Jannatul Shefa, Taylan G. Topcu,
• Abstract要約: 複雑なエンジニアリングシステムでは、通常、スケジュールとコストのオーバーランに直面すると同時に、デプロイ後のパフォーマンスが低下する。 INCOSEと国防総省(DoD)の協力を得て、システムエンジニアリング(SE)コミュニティは、デジタルエンジニアリング(DE)を潜在的な治療法と見なしている。 本研究は, 海軍の運用後設計変更プロジェクトの予備設計フェーズに責任を負う海軍SEチームの事例研究から得られた知見を提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Complex engineered systems routinely face schedule and cost overruns, along with poor post-deployment performance. Championed by both INCOSE and the U.S. Department of Defense (DoD), the systems engineering (SE) community has increasingly looked to Digital Engineering (DE) as a potential remedy. Despite this growing advocacy, most of DE's purported benefits remain anecdotal, and its return on investment (ROI) remains poorly understood. This research presents findings from a case study on a Navy SE team responsible for the preliminary design phase of post-production design change projects for Navy assets. Using a mixed-methods approach, we document why complex system sustainment projects are routinely late, where and to what extent schedule slips arise, and how a DE transformation could improve schedule adherence. This study makes three contributions. First, it identifies four archetypical inefficiency modes that drive schedule overruns and explains how these mechanisms unfold in their organizational context. Second, it quantifies the magnitude and variation of schedule slips. Third, it creates a hypothetical digitally transformed version of the current process, aligned with DoD DE policy, and compares it to the current state to estimate potential schedule gains. Our findings suggest that a DE transformation could reduce the median project duration by 50.1% and reduce the standard deviation by 41.5%, leading to faster and more predictable timelines. However, the observed gains are not uniform across task categories. Overall, this study provides initial quantitative evidence of DE's potential ROI and its value in improving the efficiency and predictability of complex system sustainment projects.
• Abstract（参考訳）: 複雑なエンジニアリングシステムでは、通常、スケジュールとコストのオーバーランに直面すると同時に、デプロイ後のパフォーマンスが低下する。 INCOSEと国防総省(DoD)の協力を得て、システムエンジニアリング(SE)コミュニティは、デジタルエンジニアリング(DE)を潜在的な治療法と見なしている。 この支持者の増加にもかかわらず、D.D.の純利益のほとんどは逸話的であり、投資への回帰(ROI)はいまだに理解されていない。 本研究は, 海軍の運用後設計変更プロジェクトの予備設計フェーズに責任を負う海軍SEチームの事例研究から得られた知見を提示する。 混合メソッドのアプローチを用いることで、複雑なシステム持続プロジェクトがなぜいつも遅れているのか、どこでどの程度スケジュールがずれているのか、DE変換がスケジュールの順守を改善するのかを記述します。 この研究は3つの貢献をする。 まず、スケジュールオーバーランを駆動する4つの典型的非効率モードを特定し、これらのメカニズムが組織的コンテキストでどのように展開されるかを説明する。 次に、スケジュールスリップの大きさと変動を定量化する。 第3に、現在のプロセスの仮想ディジタル変換バージョンを作成し、DoD DEポリシーに適合し、現在の状態と比較して、潜在的なスケジュールゲインを推定する。 我々の研究結果は、DEC変換によってプロジェクト中央値の期間を50.1%短縮し、標準偏差を41.5%削減し、より高速で予測可能なスケジュールを実現できることを示唆している。 しかし、観察された利得はタスクカテゴリ間で均一ではない。 本研究は, 複雑なシステム維持プロジェクトの効率性と予測可能性向上におけるDEの可能性ROIとその価値を定量的に検証した。

関連論文リスト

• BranchGRPO: Stable and Efficient GRPO with Structured Branching in Diffusion Models [57.304411396229035]
  BranchGRPOは、ロールアウトプロセスを分岐木に再構成する手法である。 HPDv2.1イメージアライメントでは、BranchGRPOはDanceGRPOよりも最大でtextbf16%のアライメントスコアを改善する。 ハイブリッド版であるBranchGRPO-MixはDanceGRPOよりも4.7倍の速度でトレーニングを加速する。
  論文  参考訳（メタデータ） (2025-09-07T12:53:06Z)
• Anytime Incremental $ρ$POMDP Planning in Continuous Spaces [5.767643556541711]
  我々は、時間とともに改善の正式な保証とともに、信念表現を動的に洗練する時限解法を提案する。 一般的なエントロピー推定器の有効性を示し、計算コストを桁違いに削減する。 実験の結果,$rho$POMCPOW は効率と解品質の両方において最先端の解法よりも優れていた。
  論文  参考訳（メタデータ） (2025-02-04T18:19:40Z)
• Management Decisions in Manufacturing using Causal Machine Learning -- To Rework, or not to Rework? [0.5772546394254112]
  本稿では,製造システムにおける最適リワークポリシーを推定するためのデータ駆動モデルを提案する。 我々は、任意の再作業ステップを可能にする、多段階のロットベースシステム内の単一のプロダクションステージについて検討する。 本研究では、因果機械学習、特にDML(Double/debiased Machine Learning)の手法を用いて、データから条件付き処理効果を推定する。
  論文  参考訳（メタデータ） (2024-06-17T08:14:40Z)
• Can LLMs Generate Architectural Design Decisions? -An Exploratory Empirical study [10.051928501109]
  アーキテクチャ知識管理(AKM)の本質的な成果は、アーキテクチャ決定記録(ADR)である。 彼らの利点にもかかわらず、ADRがソフトウェア開発に採用されるのは、時間的制約や一貫性のない取り込みといった課題のために遅い。 大規模言語モデル(LLM)の最近の進歩は、ADR生成を容易にすることで、この採用ギャップを埋めるのに役立つかもしれない。
  論文  参考訳（メタデータ） (2024-03-04T03:56:14Z)
• An Investigation of Time Reversal Symmetry in Reinforcement Learning [18.375784421726287]
  マルコフ決定過程(MDP)における時間反転対称性の概念を定式化する。 MDPにおける時間反転構造を利用することで、エージェントが経験したすべての環境遷移を、実現可能な逆時間遷移に変換することができる。 新たに合成したデータの有用性を検証するため,時間対称データ拡張(TSDA)と呼ばれる新しい手法を開発した。
  論文  参考訳（メタデータ） (2023-11-28T18:02:06Z)
• Ladder-of-Thought: Using Knowledge as Steps to Elevate Stance Detection [73.31406286956535]
  姿勢検出タスクにLadder-of-Thought(LoT)を導入する。 LoTは、小さなLMに高品質な外部知識を同化させ、生成した中間的論理を精査するように指示する。 実験では, 姿勢検出タスクにおけるCoTのGPT-3.5よりも16%改善し, 10%向上した。
  論文  参考訳（メタデータ） (2023-08-31T14:31:48Z)
• Integration of Domain Expert-Centric Ontology Design into the CRISP-DM for Cyber-Physical Production Systems [45.05372822216111]
  機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。 しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。 このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチを提供することを目的としている。
  論文  参考訳（メタデータ） (2023-07-21T15:04:00Z)
• A Machine Learning Approach to Improving Timing Consistency between Global Route and Detailed Route [3.202646674984817]
  不正確なタイミング予測は設計の労力を浪費し、回路性能を損なう。 この研究は、時間と「完全」ネットリストを最適化する最も初期の機会であるクロックツリー合成と配置の合法化の後のタイミング予測に焦点を当てている。 GR-based parasiticと時間推定のギャップを埋めるために,ポストGR最適化におけるポストDR結果のギャップを埋めるため,機械学習(ML)ベースのモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-11T16:01:23Z)
• Transformer Hawkes Process [79.16290557505211]
  本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。 THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。 本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
  論文  参考訳（メタデータ） (2020-02-21T13:48:13Z)

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。