Fugu-MT 論文翻訳(概要): A Model-Based Approach to Automated Digital Twin Generation in Manufacturing

論文の概要: A Model-Based Approach to Automated Digital Twin Generation in Manufacturing

arxiv url: http://arxiv.org/abs/2511.03742v1
Date: Thu, 30 Oct 2025 09:33:41 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-07 20:17:53.158733
Title: A Model-Based Approach to Automated Digital Twin Generation in Manufacturing
Title（参考訳）: 生産におけるディジタル双極子自動生成へのモデルベースアプローチ
Authors: Angelos Alexopoulos, Agorakis Bompotas, Nikitas Rigas Kalogeropoulos, Panagiotis Kechagias, Athanasios P. Kalogeras, Christos Alexakos,
Abstract要約: モデルベースエンジニアリング(MBE)は、迅速な生産ライン設計をサポートするが、最終的な再構成にはシミュレーションと検証が必要である。本稿では,自動化MLをベースとしたファクトリプランを用いたDT生成とデプロイメントを自動化する新しいプラットフォームを提案する。
参考スコア（独自算出の注目度）: 0.9236074230806578
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Modern manufacturing demands high flexibility and reconfigurability to adapt to dynamic production needs. Model-based Engineering (MBE) supports rapid production line design, but final reconfiguration requires simulations and validation. Digital Twins (DTs) streamline this process by enabling real-time monitoring, simulation, and reconfiguration. This paper presents a novel platform that automates DT generation and deployment using AutomationML-based factory plans. The platform closes the loop with a GAI-powered simulation scenario generator and automatic physical line reconfiguration, enhancing efficiency and adaptability in manufacturing.
Abstract（参考訳）: 現代の製造業は、動的生産のニーズに適応するために高い柔軟性と再構成性を必要としている。モデルベースエンジニアリング(MBE)は、迅速な生産ライン設計をサポートするが、最終的な再構成にはシミュレーションと検証が必要である。 Digital Twins (DT)は、リアルタイムモニタリング、シミュレーション、再構成を可能にすることで、このプロセスを合理化している。本稿では,自動化MLをベースとしたファクトリプランを用いたDT生成とデプロイメントを自動化する新しいプラットフォームを提案する。プラットフォームは、GAIを利用したシミュレーションシナリオジェネレータと自動物理ライン再構成でループを閉じ、製造の効率性と適応性を向上する。

関連論文リスト

Smart Manufacturing: MLOps-Enabled Event-Driven Architecture for Enhanced Control in Steel Production [2.087827281461409]
鉄鋼プラントのサステナビリティ, 効率, コスト効果を改善するために, スマートマニュファクチャリングのためのディジタルツインベースのアプローチについて検討する。当社のシステムは,プロセスからリアルタイムセンサデータを,収束したネットワークインフラストラクチャ上でディジタルツインに取り込み,マイクロサービスエッジ計算プラットフォームを基盤としている。当社のアプローチの鍵となるのは、機械学習操作(MLOps)駆動システムで使用されているDeep Reinforcement学習ベースのエージェントで、システム状態とデジタルツインを自律的に関連付け、プラントの電力設定を最適化することを目的とした修正動作を特定する。
論文参考訳（メタデータ） (2025-11-19T05:29:43Z)
Simulating Environments with Reasoning Models for Agent Training [55.98861707136674]
トレーニング用の起動環境の構築は重く、脆く、進捗を制限します。我々はSimia-SFTとSimia-RLの2つのフレームワークを提案する。 Simia-SFTとSimia-RLは、環境工学を使わずにスケーラブルなエージェントトレーニングを可能にする。
論文参考訳（メタデータ） (2025-11-03T18:29:57Z)
Automated Constraint Specification for Job Scheduling by Regulating Generative Model with Domain-Specific Representation [38.193536141447254]
本稿では,大規模言語モデル (LLM) を規定する制約中心アーキテクチャを提案する。自動生産シナリオ適応アルゴリズムを設計,展開し,アーキテクチャを特定の製造構成に合わせて効率的にカスタマイズする。実験結果から,提案手法はLCMの生成能力と製造システムの信頼性要件とのバランスをとることができた。
論文参考訳（メタデータ） (2025-10-03T02:34:11Z)
AutoChemSchematic AI: Agentic Physics-Aware Automation for Chemical Manufacturing Scale-Up [2.5875933818780363]
現在のAIシステムは、重要なエンジニアリングスキーマを確実に生成することはできない。産業用PFDとPIDの自動生成のためのクローズドループ物理対応フレームワークを提案する。本研究では,本フレームワークが高忠実度でシミュレータ検証されたプロセス記述を生成することを示す。
論文参考訳（メタデータ） (2025-05-30T13:32:00Z)
Leveraging Importance Sampling to Detach Alignment Modules from Large Language Models [48.15777554876988]
伝統的なアライメント手法では、しばしば大きな事前訓練されたモデルを再訓練する必要がある。本稿では,アライメント処理を重要サンプリングの一種として形式化する新しいtextitResidual Alignment Model (textitRAM) を提案する。本稿では,トークンレベルの復号化を反復的に行う再サンプリングアルゴリズムを開発した。
論文参考訳（メタデータ） (2025-05-26T08:53:02Z)
A Unified Modeling Framework for Automated Penetration Testing [7.670104854248101]
自動貫入テスト(AutoPT)への人工知能の統合は、インテリジェントエージェントのトレーニングのためのシミュレーションモデルの必要性を強調している。シミュレーションモデリングのための統一フレームワークが利用可能であることには、認識されているギャップがある。本稿では,文献の目的,ネットワークシミュレーションの複雑さ,技術的および戦術的操作の依存性,シナリオフィードバックと変動に基づく研究を分類するためにMDCPMを紹介する。政策自動化に基づく新しいモデリングフレームワークであるAutoPT-Simを紹介し,すべての部分次元の組み合わせを包含する。
論文参考訳（メタデータ） (2025-02-17T09:21:53Z)
GraphCompNet: A Position-Aware Model for Predicting and Compensating Shape Deviations in 3D Printing [46.76421610124468]
本稿では、添加性製造(AM)における形状偏差のモデル化と補償のためのデータ駆動アルゴリズムを提案する。機械学習(ML)の最近の進歩により補償精度は向上しているが、複雑な地形をまたいで一般化し、位置依存的な変化に適応する問題は残っている。本稿では,グラフベースニューラルネットワークとGAN(Generative Adversarial Network)にインスパイアされたトレーニングプロセスを組み合わせた計算フレームワークであるGraphCompNetを用いて,粉体層融合プロセスの新しいアプローチを提案する。
論文参考訳（メタデータ） (2025-02-11T20:22:00Z)
Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
論文参考訳（メタデータ） (2024-10-31T07:28:22Z)
Semantic Capability Model for the Simulation of Manufacturing Processes [38.69817856379812]
シミュレーションは製造工程の検査の機会を提供する。異なるシミュレーションの組み合わせは、あるシミュレーションの出力が別のシミュレーションの入力パラメータとして機能し、結果として一連のシミュレーションとなるときに必要である。シミュレーション、特定の知識を生成する能力、それぞれの品質基準を表現した情報モデルが導入された。
論文参考訳（メタデータ） (2024-08-15T09:28:08Z)
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)
End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-03T10:21:53Z)
Towards autonomous system: flexible modular production system enhanced with large language model agents [0.0]
本稿では,大規模言語モデル(LLM),デジタルツイン,産業自動化システムを組み合わせた新しいフレームワークを提案する。実装済みのプロトタイプが未定義のタスクをどのように処理し、運用プロセスを計画し、操作を実行するかを示します。
論文参考訳（メタデータ） (2023-04-28T09:42:18Z)
A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
論文参考訳（メタデータ） (2022-11-11T09:46:58Z)
Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
論文参考訳（メタデータ） (2022-11-03T14:49:02Z)

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。