論文の概要: Data-Driven Methods and AI in Engineering Design: A Systematic Literature Review Focusing on Challenges and Opportunities
- arxiv url: http://arxiv.org/abs/2511.20730v1
- Date: Tue, 25 Nov 2025 11:16:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:58.79581
- Title: Data-Driven Methods and AI in Engineering Design: A Systematic Literature Review Focusing on Challenges and Opportunities
- Title（参考訳）: エンジニアリング設計におけるデータ駆動手法とAI: 挑戦と機会に着目した体系的な文献レビュー
- Authors: Nehal Afifi, Christoph Wittig, Lukas Paehler, Andreas Lindenmann, Kai Wolter, Felix Leitenberger, Melih Dogru, Patric Grauberger, Tobias Düser, Albert Albers, Sven Matthiesen,
- Abstract要約: 機械学習と統計的手法が現在の実践を支配しているのに対して、ディープラーニングは採用における明らかな上昇傾向を示している。
既存のアプリケーションの主な課題は、限定されたモデル解釈可能性、低い段階的トレーサビリティ、現実の条件下での検証の不十分である。
このレビューは、設計段階のガイドラインへの第一歩であり、フォローアップ合成は、コンピュータ科学のアルゴリズムをエンジニアリング設計の問題や活動にマッピングするべきである。
- 参考スコア（独自算出の注目度）: 0.2545763876632975
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The increasing availability of data and advancements in computational intelligence have accelerated the adoption of data-driven methods (DDMs) in product development. However, their integration into product development remains fragmented. This fragmentation stems from uncertainty, particularly the lack of clarity on what types of DDMs to use and when to employ them across the product development lifecycle. To address this, a necessary first step is to investigate the usage of DDM in engineering design by identifying which methods are being used, at which development stages, and for what application. This paper presents a PRISMA systematic literature review. The V-model as a product development framework was adopted and simplified into four stages: system design, system implementation, system integration, and validation. A structured search across Scopus, Web of Science, and IEEE Xplore (2014--2024) retrieved 1{,}689 records. After screening, 114 publications underwent full-text analysis. Findings show that machine learning (ML) and statistical methods dominate current practice, whereas deep learning (DL), though still less common, exhibits a clear upward trend in adoption. Additionally, supervised learning, clustering, regression analysis, and surrogate modeling are prevalent in design, implementation, and integration system stages but contributions to validation remain limited. Key challenges in existing applications include limited model interpretability, poor cross-stage traceability, and insufficient validation under real-world conditions. Additionally, it highlights key limitations and opportunities such as the need for interpretable hybrid models. This review is a first step toward design-stage guidelines; a follow-up synthesis should map computer science algorithms to engineering design problems and activities.
- Abstract（参考訳）: データの普及とコンピュータインテリジェンスの向上により、製品開発におけるデータ駆動手法(DDM)の採用が加速された。
しかし、製品開発への統合はいまだに断片化されている。
この断片化は、不確実性、特にどのタイプのDDMを使うか、いつ製品開発ライフサイクル全体にわたって採用するかを明確にしていないことに起因する。
これを解決するためには、エンジニアリング設計におけるDDMの使用方法、どの開発段階、どのアプリケーションで使われているかを特定することが必要である。
本稿では,PRISMAの体系的文献レビューについて述べる。
製品開発フレームワークとしてのVモデルが採用され、システム設計、システム実装、システム統合、バリデーションの4段階に簡略化された。
スコパス、Web of Science、IEEE Xplore (2014-2024) にまたがる構造化検索では、1{,}689レコードが検索された。
上映後、114の出版物が全文分析を受けた。
機械学習(ML)と統計手法が現在のプラクティスを支配しているのに対して、ディープラーニング(DL)は依然として一般的ではないものの、採用の傾向は明らかである。
さらに、教師付き学習、クラスタリング、回帰分析、代理モデリングは、設計、実装、統合システム段階において一般的であるが、検証への貢献は限られている。
既存のアプリケーションの主な課題は、限定されたモデル解釈可能性、低い段階的トレーサビリティ、現実の条件下での検証の不十分である。
さらに、解釈可能なハイブリッドモデルの必要性など、重要な制限と機会を強調している。
このレビューは、設計段階のガイドラインへの第一歩であり、フォローアップ合成は、コンピュータ科学のアルゴリズムをエンジニアリング設計の問題や活動にマッピングするべきである。
関連論文リスト
- Large Language Models for Unit Test Generation: Achievements, Challenges, and the Road Ahead [15.43943391801509]
単体テストは、ソフトウェアの検証には不可欠だが、面倒なテクニックである。
大規模言語モデル(LLM)は、コードセマンティクスとプログラミングパターンに関するデータ駆動の知識を活用することで、この制限に対処する。
このフレームワークは、コアジェネレーティブ戦略と一連の拡張テクニックに関する文献を分析します。
論文 参考訳（メタデータ） (2025-11-26T13:30:11Z) - Identity Card Presentation Attack Detection: A Systematic Review [7.7489419818764596]
ディープ・ラーニングはプレゼンテーション・アタック検出の進歩を推進した。
この分野は、データの欠如とモデルの一般化の貧弱により、基本的に制限されている。
本稿では,本研究の成果を整理し,重要な研究ギャップを特定し,今後の研究の規範的ロードマップを概説する。
論文 参考訳（メタデータ） (2025-11-08T15:55:37Z) - A Survey on Efficient Vision-Language-Action Models [153.11669266922993]
VLA(Vision-Language-Action Model)は、物理世界の相互作用によってデジタル知識を橋渡しすることを目的とした、インテリジェンスにおける重要なフロンティアである。
これらの課題に緊急に対応する必要性から、この調査は、効率的なビジョン・ランゲージ・アクションモデルに関する最初の包括的なレビューを提示する。
論文 参考訳（メタデータ） (2025-10-27T17:57:33Z) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。
近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。
この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
論文 参考訳（メタデータ） (2025-06-11T03:29:18Z) - Formation of requirements traceability in the process of information systems design [0.0]
情報システム設計プロセスにおける要件のトレーサビリティは、プロジェクトの本質的な特性であると考えられている。
トレーサビリティプロセスの課題の1つは、トレーサビリティ研究者の間で「トレーサビリティの大挑戦」と呼ばれ、その設計プロセスへの統合である。
本稿では,著者らが開発した情報システムのアダプティブクラスタリング手法(ACM)の適用について述べる。
論文 参考訳（メタデータ） (2025-05-07T08:13:59Z) - Online Continual Learning: A Systematic Literature Review of Approaches, Challenges, and Benchmarks [1.3631535881390204]
オンライン連続学習(OCL)は、機械学習において重要な分野である。
本研究は,OCLに関する総合的なシステム文献レビューを初めて実施する。
論文 参考訳（メタデータ） (2025-01-09T01:03:14Z) - 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) - Bridging MDE and AI: A Systematic Review of Domain-Specific Languages and Model-Driven Practices in AI Software Systems Engineering [1.4853133497896698]
本研究の目的は、AIソフトウェアシステムのエンジニアリングを支援するために、DSLに依存した既存のモデル駆動アプローチを検討することである。
AIにMDEを使うことはまだ初期段階にあり、広く使われているツールやメソッドはひとつもない。
論文 参考訳（メタデータ） (2023-07-10T14:38:38Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z)
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。