論文の概要: Distribution-Free Process Monitoring with Conformal Prediction

• arxiv url: http://arxiv.org/abs/2512.23602v1
• Date: Mon, 29 Dec 2025 16:56:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.58863
• Title: Distribution-Free Process Monitoring with Conformal Prediction
• Title（参考訳）: 等角予測による配電自由プロセスモニタリング
• Authors: Christopher Burger,
• Abstract要約: 本稿では,統計的プロセス制御(SPC)を強化するハイブリッドフレームワークを提案する。 コンフォーマル拡張制御チャートとコンフォーマル拡張プロセスモニタリングの2つの新しいアプリケーションを提案する。 我々のフレームワークは、従来の手法の解釈可能性と使いやすさを維持しつつ、より堅牢で統計的に厳密な品質管理アプローチを提供します。
• 参考スコア（独自算出の注目度）: 0.13537117504260623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional Statistical Process Control (SPC) is essential for quality management but is limited by its reliance on often violated statistical assumptions, leading to unreliable monitoring in modern, complex manufacturing environments. This paper introduces a hybrid framework that enhances SPC by integrating the distribution free, model agnostic guarantees of Conformal Prediction. We propose two novel applications: Conformal-Enhanced Control Charts, which visualize process uncertainty and enable proactive signals like 'uncertainty spikes', and Conformal-Enhanced Process Monitoring, which reframes multivariate control as a formal anomaly detection problem using an intuitive p-value chart. Our framework provides a more robust and statistically rigorous approach to quality control while maintaining the interpretability and ease of use of classic methods.
• Abstract（参考訳）: 従来の統計プロセス制御(SPC)は品質管理に不可欠であるが、しばしば破られた統計的仮定に依存して制限されており、現代の複雑な製造環境において信頼性の低い監視に繋がる。 本稿では,分散自由なモデルに依存しないコンフォーマル予測の保証を統合することによって,SPCを向上するハイブリッドフレームワークを提案する。 プロセスの不確かさを可視化し,'不確かさスパイク'のようなプロアクティブな信号を可能にするConformal-Enhanced Control Chartsと,直感的なp値チャートを用いて多変量制御を形式的異常検出問題として再設定するConformal-Enhanced Process Monitoringという2つの新しいアプリケーションを提案する。 我々のフレームワークは、従来の手法の解釈可能性と使いやすさを維持しつつ、より堅牢で統計的に厳密な品質管理アプローチを提供します。

関連論文リスト

• WATCH: Adaptive Monitoring for AI Deployments via Weighted-Conformal Martingales [22.789611187514975]
  非パラメトリックシーケンシャルテストのメソッド -- 特にコンフォーマルテストマーチンチャル(CTM)と任意の時間価推論 -- は、この監視タスクに有望なツールを提供する。 既存のアプローチは、限られた仮説クラスやアラーム基準の監視に限られています。」
  論文  参考訳（メタデータ） (2025-05-07T17:53:47Z)
• Safe Beyond the Horizon: Efficient Sampling-based MPC with Neural Control Barrier Functions [23.693610702522236]
  モデル予測制御(MPC)を実際に使用する場合の一般的な問題は、予測地平線を超えた安全仕様の満足度である。 本稿では、推定最適制御のばらつきを大幅に低減し、サンプル効率を向上し、CPU上でのリアルタイム計画を可能にする新しいサンプリング戦略を提案する。
  論文  参考訳（メタデータ） (2025-02-20T19:59:11Z)
• Forking Uncertainties: Reliable Prediction and Model Predictive Control with Sequence Models via Conformal Risk Control [40.918012779935246]
  本稿では,事前設計した確率予測器が生成した予測に基づいて,信頼性の高いエラーバーを生成する,新しいポストホックキャリブレーション手法を提案する。 最先端技術とは異なり、PTS-CRCはカバレッジ以上の信頼性定義を満たすことができる。 PTS-CRC予測と制御の性能を,無線ネットワークの文脈における多くのユースケースの研究により実験的に検証した。
  論文  参考訳（メタデータ） (2023-10-16T11:35:41Z)
• Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
  雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。 まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。 我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
  論文  参考訳（メタデータ） (2023-01-04T10:40:30Z)
• Adaptive Stochastic MPC under Unknown Noise Distribution [19.03553854357296]
  我々は、未知の雑音分布の下で、確率状態制約とハード入力制約を対象とする線形システムのMPC問題に対処する。 我々は、既知の雑音統計の理想的な設定のために、分布的に頑健で安定なベンチマークSMPCアルゴリズムを設計する。 我々はこのベンチマークコントローラを用いて、必要なノイズ統計をオンラインで学習する新しい適応SMPCスキームを導出する。
  論文  参考訳（メタデータ） (2022-04-03T16:35:18Z)
• Sparsity in Partially Controllable Linear Systems [56.142264865866636]
  本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。 最適制御には無関係な状態変数を特徴付ける。
  論文  参考訳（メタデータ） (2021-10-12T16:41:47Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• Closing the Closed-Loop Distribution Shift in Safe Imitation Learning [80.05727171757454]
  模倣学習問題において,安全な最適化に基づく制御戦略を専門家として扱う。 我々は、実行時に安価に評価でき、専門家と同じ安全保証を確実に満足する学習されたポリシーを訓練する。
  論文  参考訳（メタデータ） (2021-02-18T05:11:41Z)
• Enforcing robust control guarantees within neural network policies [76.00287474159973]
  本稿では、ニューラルネットワークによってパラメータ化され、ロバスト制御と同じ証明可能なロバスト性基準を適用した、一般的な非線形制御ポリシークラスを提案する。 提案手法は,複数の領域において有効であり,既存のロバスト制御法よりも平均ケース性能が向上し,(非ロバスト)深部RL法よりも最悪のケース安定性が向上した。
  論文  参考訳（メタデータ） (2020-11-16T17:14:59Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。