論文の概要: Smart Manufacturing: MLOps-Enabled Event-Driven Architecture for Enhanced Control in Steel Production

• arxiv url: http://arxiv.org/abs/2511.17632v1
• Date: Wed, 19 Nov 2025 05:29:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.31198
• Title: Smart Manufacturing: MLOps-Enabled Event-Driven Architecture for Enhanced Control in Steel Production
• Title（参考訳）: スマートマニュファクチャリング: MLOpsによる鉄鋼生産における制御強化のためのイベント駆動アーキテクチャ
• Authors: Bestoun S. Ahmed, Tommaso Azzalin, Andreas Kassler, Andreas Thore, Hans Lindback,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.087827281461409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We explore a Digital Twin-Based Approach for Smart Manufacturing to improve Sustainability, Efficiency, and Cost-Effectiveness for a steel production plant. Our system is based on a micro-service edge-compute platform that ingests real-time sensor data from the process into a digital twin over a converged network infrastructure. We implement agile machine learning-based control loops in the digital twin to optimize induction furnace heating, enhance operational quality, and reduce process waste. Key to our approach is a Deep Reinforcement learning-based agent used in our machine learning operation (MLOps) driven system to autonomously correlate the system state with its digital twin to identify correction actions that aim to optimize power settings for the plant. We present the theoretical basis, architectural details, and practical implications of our approach to reduce manufacturing waste and increase production quality. We design the system for flexibility so that our scalable event-driven architecture can be adapted to various industrial applications. With this research, we propose a pivotal step towards the transformation of traditional processes into intelligent systems, aligning with sustainability goals and emphasizing the role of MLOps in shaping the future of data-driven manufacturing.
• Abstract（参考訳）: 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。 ディジタルツインにアジャイルな機械学習ベースの制御ループを実装し、誘導炉加熱を最適化し、運用品質を向上し、プロセスの無駄を削減する。 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。 本稿では, 製造廃棄物の削減と生産品質向上に向けたアプローチの理論的基礎, 建築的詳細, 実践的意義について述べる。 スケーラブルなイベント駆動アーキテクチャをさまざまな産業アプリケーションに適用できるように、フレキシブルに設計する。 本研究では,従来のプロセスからインテリジェントなシステムへの転換に向けた重要な一歩として,サステナビリティの目標と整合し,データ駆動製造の未来を形作る上でのMLOpsの役割を強調する。

関連論文リスト

• Pretrained LLMs as Real-Time Controllers for Robot Operated Serial Production Line [5.647265893402412]
  本研究では,大規模言語モデル(LLM),特に GPT-4 を,製造システム,特に移動ロボットスケジューリングを制御するための,単純で適応可能なソリューションとして用いることの実現可能性について検討する。 ロボットによる連続生産ラインにおいて,移動ロボットを異なるマシンに割り当てるLLMベースの制御フレームワークを導入し,システムスループットの観点からその性能を評価する。 MARL(Multi-Agent Reinforcement Learning)のような最先端の手法と同等のパフォーマンスを実現するが、大規模なリトレーニングを必要とせずに、同等のスループットを提供するという、明確な利点を提供する。
  論文  参考訳（メタデータ） (2025-03-05T20:43:49Z)
• Digital Twin Synchronization: Bridging the Sim-RL Agent to a Real-Time Robotic Additive Manufacturing Control [2.5709786140685633]
  この研究は、産業ロボット工学応用のためのソフトアクター・クライトとデジタルツインの統合を推進している。 システムアーキテクチャはUnityのシミュレーション環境とROS2を組み合わせて、シームレスなデジタル双対同期を実現する。 その結果、シミュレートされた環境と物理的環境の両方において、迅速な政策収束と堅牢なタスク実行が示された。
  論文  参考訳（メタデータ） (2025-01-29T22:06:53Z)
• 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)
• 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)
• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)

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。