論文の概要: Discovering Operational Patterns Using Image-Based Convolutional Clustering and Composite Evaluation: A Case Study in Foundry Melting Processes

• arxiv url: http://arxiv.org/abs/2511.13444v1
• Date: Mon, 17 Nov 2025 14:50:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.3118
• Title: Discovering Operational Patterns Using Image-Based Convolutional Clustering and Composite Evaluation: A Case Study in Foundry Melting Processes
• Title（参考訳）: 画像に基づく畳み込みクラスタリングと複合評価による操作パターンの発見:鋳物溶融プロセスにおけるケーススタディ
• Authors: Zhipeng Ma, Bo Nørregaard Jørgensen, Zheng Grace Ma,
• Abstract要約: 本稿では,一変量時系列データにおける運用モードの教師なし発見のための新しいフレームワークを提案する。 北欧の鋳造所からの3900以上の溶融炉の操業に適用される。 このフレームワークは、シーケンスの不規則性、重複モード、メートル法の不整合など、教師なしの時系列分析における重要な課題に対処する。
• 参考スコア（独自算出の注目度）: 2.921530235206301
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Industrial process monitoring increasingly relies on sensor-generated time-series data, yet the lack of labels, high variability, and operational noise make it difficult to extract meaningful patterns using conventional methods. Existing clustering techniques either rely on fixed distance metrics or deep models designed for static data, limiting their ability to handle dynamic, unstructured industrial sequences. Addressing this gap, this paper proposes a novel framework for unsupervised discovery of operational modes in univariate time-series data using image-based convolutional clustering with composite internal evaluation. The proposed framework improves upon existing approaches in three ways: (1) raw time-series sequences are transformed into grayscale matrix representations via overlapping sliding windows, allowing effective feature extraction using a deep convolutional autoencoder; (2) the framework integrates both soft and hard clustering outputs and refines the selection through a two-stage strategy; and (3) clustering performance is objectively evaluated by a newly developed composite score, S_eva, which combines normalized Silhouette, Calinski-Harabasz, and Davies-Bouldin indices. Applied to over 3900 furnace melting operations from a Nordic foundry, the method identifies seven explainable operational patterns, revealing significant differences in energy consumption, thermal dynamics, and production duration. Compared to classical and deep clustering baselines, the proposed approach achieves superior overall performance, greater robustness, and domain-aligned explainability. The framework addresses key challenges in unsupervised time-series analysis, such as sequence irregularity, overlapping modes, and metric inconsistency, and provides a generalizable solution for data-driven diagnostics and energy optimization in industrial systems.
• Abstract（参考訳）: 産業プロセスの監視は、センサが生成する時系列データにますます依存するが、ラベルの欠如、高い可変性、および運用ノイズにより、従来の方法で意味のあるパターンを抽出することは困難である。 既存のクラスタリング技術は固定距離メトリクスか静的データ用に設計されたディープモデルに依存しており、動的で非構造的な産業シーケンスを扱う能力を制限する。 このギャップに対処するために,画像ベースの畳み込みクラスタリングと複合内部評価を用いた一変量時系列データにおける動作モードの教師なし発見のための新しいフレームワークを提案する。 提案手法は,(1) 生の時系列列を重なり合うウィンドウでグレースケールの行列表現に変換し,深層畳み込みオートエンコーダを用いて効果的な特徴抽出を可能にする,(2) ソフトクラスタリング出力とハードクラスタリング出力を統合し,2段階戦略により選択を洗練させる,(3) クラスタリング性能は,Silhouette,Calinski-Harabasz,Davies-Bouldinインデックスを併用した合成スコアS_evaで客観的に評価する,という3つの方法で改善されている。 北欧の鋳造所からの3900件以上の溶融炉の操業に適用し、説明可能な7つの運転パターンを特定し、エネルギー消費、熱力学、生産期間に有意な差異を明らかにした。 従来のクラスタリングベースラインや深層クラスタリングベースラインと比較して,提案手法はより優れた全体的な性能,堅牢性,ドメイン整合性を実現している。 このフレームワークは、シーケンス不規則性、重複モード、メートル法不整合などの教師なし時系列解析における重要な課題に対処し、産業システムにおけるデータ駆動診断とエネルギー最適化のための一般化可能なソリューションを提供する。

関連論文リスト

• Unsupervised Deep Clustering of MNIST with Triplet-Enhanced Convolutional Autoencoders [0.0]
  本研究は、MNIST手書き桁のための高度な教師なしクラスタリングシステムを実装した。 ディープ・ニューラル・オートエンコーダは、画像の最小でも解釈可能な表現を開発するために、フェーズ1のトレーニングプロセスを必要とする。
  論文  参考訳（メタデータ） (2025-06-11T18:26:13Z)
• Revisiting Dynamic Graph Clustering via Matrix Factorization [26.290080380814196]
  行列分解に基づく手法はこの課題に対して有望なアプローチである。 堅牢性に欠ける傾向があり、現実世界の騒々しいデータに弱い。 本稿では,時間分割行列分解,二クラスタ化正規化,選択的埋め込み更新を提案する。
  論文  参考訳（メタデータ） (2025-02-10T02:57:46Z)
• TS-HTFA: Advancing Time Series Forecasting via Hierarchical Text-Free Alignment with Large Language Models [14.411646409316624]
  時系列予測の新しい手法である textbfHierarchical textbfText-textbfFree textbfAlignment (textbfTS-HTFA) を導入する。 我々は、QR分解語埋め込みと学習可能なプロンプトに基づいて、ペア化されたテキストデータを適応的な仮想テキストに置き換える。 複数の時系列ベンチマークの実験は、HTFAが最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2024-09-23T12:57:24Z)
• Diffusion Action Segmentation [63.061058214427085]
  本稿では,このような反復的洗練の本質的な精神を共用した拡散モデルによる新しい枠組みを提案する。 このフレームワークでは、入力された映像の特徴を条件としてランダムノイズから行動予測を反復的に生成する。
  論文  参考訳（メタデータ） (2023-03-31T10:53:24Z)
• Understanding and Constructing Latent Modality Structures in Multi-modal Representation Learning [53.68371566336254]
  優れたパフォーマンスの鍵は、完全なモダリティアライメントではなく、有意義な潜在モダリティ構造にある、と我々は主張する。 具体的には,1)モダリティ内正規化のための深い特徴分離損失,2)モダリティ間正規化のためのブラウン橋損失,3)モダリティ内正規化およびモダリティ間正規化のための幾何学的整合損失を設計する。
  論文  参考訳（メタデータ） (2023-03-10T14:38:49Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
  野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。 本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
  論文  参考訳（メタデータ） (2022-09-01T10:46:09Z)
• Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
  相互依存信号のデータセットは、列が強い依存を示す行列として定義される。 ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。 ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
  論文  参考訳（メタデータ） (2022-03-29T21:00:39Z)
• An Empirical Study: Extensive Deep Temporal Point Process [61.14164208094238]
  本稿では,非同期イベントシーケンスを時間的プロセスでモデル化することの課題と最近の研究を概観する。 本稿では,多種類のイベント間の関係を生かしたGranger因果発見フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-19T10:15:00Z)
• Stacking VAE with Graph Neural Networks for Effective and Interpretable Time Series Anomaly Detection [5.935707085640394]
  本研究では,実効かつ解釈可能な時系列異常検出のための,グラフニューラルネットワークを用いた自動エンコーダ(VAE)モデルを提案する。 我々は,提案モデルが3つの公開データセットの強いベースラインを上回っており,大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-05-18T09:50:00Z)

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。