論文の概要: A Service Suite for Specifying Digital Twins for Industry 5.0
- arxiv url: http://arxiv.org/abs/2511.07506v1
- Date: Wed, 12 Nov 2025 01:01:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-12 20:17:03.374085
- Title: A Service Suite for Specifying Digital Twins for Industry 5.0
- Title（参考訳）: 産業用デジタルツインを特定するサービススイート5.0
- Authors: Izaque Esteves, Regina Braga, José Maria David, Victor Stroele,
- Abstract要約: デジタルツイン(DT)は、情報処理や意思決定支援に使用することができる。
DT-Createスイートはインテリジェントな技術、セマンティックデータ処理、自己適応に基づいている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: One of the challenges of predictive maintenance is making decisions based on data in an agile and assertive way. Connected sensors and operational data favor intelligent processing techniques to enrich information and enable decision-making. Digital Twins (DTs) can be used to process information and support decision-making. DTs are a real-time representation of physical machines and generate data that predictive maintenance can use to make assertive and quick decisions. The main contribution of this work is the specification of a suite of services for specifying DTs, called DT-Create, focused on decision support in predictive maintenance. DT-Create suite is based on intelligent techniques, semantic data processing, and self-adaptation. This suite was developed using the Design Science Research (DSR) methodology through two development cycles and evaluated through case studies. The results demonstrate the feasibility of using DT-Create in specifying DTs considering the following aspects: (i) collection, storage, and intelligent processing of data generated by sensors, (ii) enrichment of information through machine learning and ontologies, (iii) use of intelligent techniques to select predictive models that adhere to the available data set, and (iv) decision support and self-adaptation.
- Abstract（参考訳）: 予測的メンテナンスの課題のひとつは、データに基づいた決定をアジャイルで断定的な方法で行うことだ。
接続されたセンサと運用データは、情報を強化し、意思決定を可能にするインテリジェントな処理技術を好む。
デジタルツイン(DT)は、情報処理や意思決定支援に使用することができる。
DTは物理機械のリアルタイム表現であり、予測保守によって断定的かつ迅速な決定を行うことができるデータを生成する。
この作業の主な貢献はDTを指定するための一連のサービスの仕様であり、DT-Createと呼ばれ、予測保守における意思決定のサポートに焦点を当てている。
DT-Createスイートはインテリジェントな技術、セマンティックデータ処理、自己適応に基づいている。
このスイートは、2つの開発サイクルを通じてデザインサイエンスリサーチ(DSR)方法論を用いて開発され、ケーススタディを通じて評価された。
結果は、以下の側面を考慮してDTを指定する際にDT-Createを使用することの可能性を示している。
一 センサによって生成されたデータの収集、保管及びインテリジェントな処理
二 機械学習及びオントロジーによる情報の充実
三 利用可能なデータセットに準拠した予測モデルを選択するための知的手法の使用、及び
(四)意思決定支援及び自己適応。
関連論文リスト
- What's the next frontier for Data-centric AI? Data Savvy Agents [71.76058707995398]
我々は、エージェントシステムの設計において、データに精通する能力が最優先すべきであると主張している。
本稿では,このビジョンを実現するための4つの重要な機能を提案する。プロアクティブデータ取得,ソフシフィケートデータ処理,インタラクティブテストデータ合成,連続的適応。
論文 参考訳（メタデータ） (2025-11-02T17:09:29Z) - Autonomous Data Agents: A New Opportunity for Smart Data [50.02229219403014]
DataAgentsは、自律的なデータから知識システムへのパラダイムシフトを表している、とReportは主張する。
DataAgentsは、複雑で非構造化されたデータをコヒーレントで行動可能な知識に変換する。
エージェントAIとデータ・トゥ・ナレッジシステムの収束が重要なトレンドとなっている理由を最初に検討する。
論文 参考訳（メタデータ） (2025-09-23T06:46:41Z) - Digital Twins in Additive Manufacturing: A Systematic Review [0.4218593777811082]
デジタルツイン (DT) は添加性製造 (AM) で人気が高まっている
機械学習(ML)、拡張現実(AR)、シミュレーションベースのモデルは、DTの開発において重要な役割を果たす。
論文 参考訳（メタデータ） (2024-09-02T00:11:48Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Towards an Extensible Model-Based Digital Twin Framework for Space Launch Vehicles [12.153961316909852]
Digital Twin(DT)の概念は、ドメイン間の異なる抽象化レベルにあるシステムにますます適用されています。
DTの定義は明確ではなく、DTの能力を完全に実現するための明確な経路も存在しない。
本稿では,モデルに基づくDT開発手法を提案するDT成熟度行列を提案する。
論文 参考訳（メタデータ） (2024-06-04T11:31:00Z) - Large Language Models for Explainable Decisions in Dynamic Digital Twins [3.179208155005568]
動的データ駆動型Digital Twins(DDT)は、インフォームドな意思決定を可能にし、基盤となるシステムのための最適化プラットフォームを提供する。
本稿では,大規模言語モデル(LLM)を用いてDDTの説明可能性プラットフォームを提案する。
ドメイン固有の知識ベースを活用することにより、システムの意思決定に関する自然言語の説明を生成する。
論文 参考訳（メタデータ） (2024-05-23T10:32:38Z) - LESS: Selecting Influential Data for Targeted Instruction Tuning [64.78894228923619]
本稿では,データの影響を推定し,命令データ選択のための低ランクグレーディエント類似度探索を行うアルゴリズムであるLESSを提案する。
LESS選択したデータの5%のトレーニングは、さまざまなダウンストリームタスクにわたる完全なデータセットでのトレーニングよりも優れています。
我々の方法は、意図した下流アプリケーションに必要な推論スキルを識別するために、表面的なフォームキューを超えています。
論文 参考訳（メタデータ） (2024-02-06T19:18:04Z) - Digital Twin: From Concept to Practice [1.3633989508250934]
本稿では,デジタルツインにおいて,実践者が適切なレベルの高度化を選択するためのフレームワークを提案する。
実生活における3つのケーススタディは、フレームワークの適用と有用性を示している。
論文 参考訳（メタデータ） (2022-01-14T17:41:26Z)
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。