論文の概要: Unified Smart Factory Model: A model-based Approach for Integrating Industry 4.0 and Sustainability for Manufacturing Systems
- arxiv url: http://arxiv.org/abs/2512.10631v1
- Date: Thu, 11 Dec 2025 13:30:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-13 06:27:39.364874
- Title: Unified Smart Factory Model: A model-based Approach for Integrating Industry 4.0 and Sustainability for Manufacturing Systems
- Title（参考訳）: 統合型スマートファクトリモデル:製造業の4.0とサステナビリティを統合化するためのモデルに基づくアプローチ
- Authors: Ishaan Kaushal, Amaresh Chakrabarti,
- Abstract要約: 統一スマートファクトリモデル(USFM)は、高レベルのサステナビリティ目標を測定可能なファクトリレベル指標に変換するために設計された包括的なフレームワークである。
モデルの体系的なアプローチは冗長性を低減し、臨界情報の欠落のリスクを最小限にし、データ収集を強化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper presents the Unified Smart Factory Model (USFM), a comprehensive framework designed to translate high-level sustainability goals into measurable factory-level indicators with a systematic information map of manufacturing activities. The manufacturing activities were modelled as set of manufacturing, assembly and auxiliary processes using Object Process Methodology, a Model Based Systems Engineering (MBSE) language. USFM integrates Manufacturing Process and System, Data Process, and Key Performance Indicator (KPI) Selection and Assessment in a single framework. Through a detailed case study of Printed Circuit Board (PCB) assembly factory, the paper demonstrates how environmental sustainability KPIs can be selected, modelled, and mapped to the necessary data, highlighting energy consumption and environmental impact metrics. The model's systematic approach can reduce redundancy, minimize the risk of missing critical information, and enhance data collection. The paper concluded that the USFM bridges the gap between sustainability goals and practical implementation, providing significant benefits for industries specifically SMEs aiming to achieve sustainability targets.
- Abstract（参考訳）: 本稿では,高レベルのサステナビリティ目標を,生産活動の体系的な情報マップを用いた計測可能な工場レベルの指標に変換するための総合的なフレームワークである統一スマートファクトリモデル(USFM)を提案する。
製造活動は、モデルベースシステム工学(MBSE)言語であるObject Process Methodologyを用いて、製造、組み立て、補助プロセスのセットとしてモデル化された。
USFMは、製造プロセスとシステム、データプロセス、キーパフォーマンス指標(KPI)を単一のフレームワークに統合し、評価する。
プリント回路基板 (PCB) 組立工場の詳細なケーススタディを通じて, 環境持続可能性KPIを, 必要なデータに選択, モデル化, マッピングし, エネルギー消費と環境影響の指標を明らかにする。
モデルの体系的なアプローチは冗長性を低減し、臨界情報の欠落のリスクを最小限にし、データ収集を強化する。
本稿は、USFMがサステナビリティ目標と実践的実装のギャップを埋め、サステナビリティ目標達成を目指す中小企業に重要な利益をもたらすと結論付けた。
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) - The Lessons of Developing Process Reward Models in Mathematical Reasoning [62.165534879284735]
Process Reward Models (PRM) は、推論プロセスにおける中間エラーを特定し、緩和することを目的としている。
我々は,モンテカルロ (MC) 推定とLarge Language Models (LLM) を効果的に統合するコンセンサスフィルタリング機構を開発した。
私たちは、既存のオープンソース代替品よりも優れた、最先端のPRMを新たにリリースしています。
論文 参考訳（メタデータ） (2025-01-13T13:10:16Z) - Process Modeling With Large Language Models [42.0652924091318]
本稿では,大規模言語モデル(LLM)のプロセスモデリングへの統合について検討する。
プロセスモデルの自動生成と反復的改善にLLMを利用するフレームワークを提案する。
予備的な結果は、プロセスモデリングタスクを合理化するフレームワークの能力を示している。
論文 参考訳（メタデータ） (2024-03-12T11:27:47Z) - From Quantity to Quality: Boosting LLM Performance with Self-Guided Data Selection for Instruction Tuning [52.257422715393574]
本稿では,Large Language Models (LLMs) の自己誘導手法を導入し,オープンソースデータセットからサクラサンプルを自動識別し,選択する。
我々の重要な革新である命令追従困難度(IFD)メトリックは、モデルが期待する応答と本質的な生成能力の相違を識別するための重要な指標として現れます。
論文 参考訳（メタデータ） (2023-08-23T09:45:29Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - Discover, Explanation, Improvement: An Automatic Slice Detection
Framework for Natural Language Processing [72.14557106085284]
スライス検出モデル(SDM)は、データポイントの低パフォーマンスなグループを自動的に識別する。
本稿では,NLPタスクの分類のための "Discover, Explain, improve (DEIM)" というベンチマークを提案する。
評価の結果,Edisaは情報的セマンティックな特徴を持つ誤り発生データポイントを正確に選択できることがわかった。
論文 参考訳（メタデータ） (2022-11-08T19:00:00Z) - Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。
提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
論文 参考訳（メタデータ） (2022-10-03T16:19:27Z)
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。