論文の概要: Kolmogorov-Arnold Networks-Based Tolerance-Aware Manufacturability Assessment Integrating Design-for-Manufacturing Principles

• arxiv url: http://arxiv.org/abs/2601.06334v1
• Date: Fri, 09 Jan 2026 22:12:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.755752
• Title: Kolmogorov-Arnold Networks-Based Tolerance-Aware Manufacturability Assessment Integrating Design-for-Manufacturing Principles
• Title（参考訳）: Kolmogorov-Arnold Networks による耐久性を考慮した製造性評価
• Authors: Masoud Deylami, Negar Izadipour, Adel Alaeddini,
• Abstract要約: 本研究では,パラメトリック設計の特徴から製造可能性を直接評価する手法を提案する。 このアプローチでは、KAN(Kolmogorov-Arnold Networks)を使用して、設計パラメータ、耐性、製造可能性の結果の間の機能的関係を学習する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manufacturability assessment is a critical step in bridging the persistent gap between design and production. While artificial intelligence (AI) has been widely applied to this task, most existing frameworks rely on geometry-driven methods that require extensive preprocessing, suffer from information loss, and offer limited interpretability. This study proposes a methodology that evaluates manufacturability directly from parametric design features, enabling explicit incorporation of dimensional tolerances without requiring computer-aided design (CAD) processing. The approach employs Kolmogorov-Arnold Networks (KANs) to learn functional relationships between design parameters, tolerances, and manufacturability outcomes. A synthetic dataset of 300,000 labeled designs is generated to evaluate performance across three representative scenarios: hole drilling, pocket milling, and combined drilling-milling, while accounting for machining constraints and design-for-manufacturing (DFM) rules. Benchmarking against fourteen machine learning (ML) and deep learning (DL) models shows that KAN achieves the highest performance in all scenarios, with AUC values of 0.9919 for drilling, 0.9841 for milling, and 0.9406 for the combined case. The proposed framework provides high interpretability through spline-based functional visualizations and latent-space projections, enabling identification of the design and tolerance parameters that most strongly influence manufacturability. An industrial case study further demonstrates how the framework enables iterative, parameter-level design modifications that transform a non-manufacturable component into a manufacturable one.
• Abstract（参考訳）: 製造可能性の評価は、設計と生産の間に持続的なギャップを埋める重要なステップである。 人工知能(AI)はこのタスクに広く適用されているが、既存のフレームワークのほとんどは、広範な事前処理、情報損失、限定的な解釈性を必要とする幾何学駆動の手法に依存している。 本研究では,パラメトリック設計の特徴から直接製造性を評価する手法を提案し,コンピュータ支援設計(CAD)処理を必要とせず,次元許容度を明確に組み込む方法を提案する。 このアプローチでは、KAN(Kolmogorov-Arnold Networks)を使用して、設計パラメータ、耐性、製造可能性の結果の間の機能的関係を学習する。 30,000のラベル付き設計の合成データセットを作成し、穴あけ、ポケットミリング、複合掘削ミリングの3つの代表的なシナリオで性能を評価し、加工制約とDFM(Design-for-Manufacturing)ルールを考慮に入れた。 14の機械学習(ML)とディープラーニング(DL)モデルに対するベンチマークでは、すべてのシナリオにおいてkanが最高のパフォーマンスを達成しており、ドリルのAUC値は0.9919、ミリングの0.9841、複合ケースの0.9406である。 提案フレームワークは,スプラインベース機能可視化と潜在空間投影による高い解釈性を提供し,製造可能性に最も強く影響を及ぼす設計パラメータと許容パラメータの同定を可能にする。 工業ケーススタディでは、このフレームワークが、非製造可能なコンポーネントを製造可能なコンポーネントに変換する、反復的でパラメータレベルの設計修正を可能にする方法をさらに実証している。

関連論文リスト

• LLMs for Analog Circuit Design Continuum (ACDC) [10.15990970510281]
  大きな言語モデル(LLM)とトランスフォーマーアーキテクチャは印象的な推論と生成能力を示している。 この研究は、人間がループに留まるAI支援設計に焦点を当てている。 この結果から,データフォーマットに対する感度,生成した設計の不安定性,未確認回路構成への一般化の制限など,重要な信頼性上の課題が浮き彫りになった。
  論文  参考訳（メタデータ） (2025-12-09T23:57:28Z)
• Partial Inverse Design of High-Performance Concrete Using Cooperative Neural Networks for Constraint-Aware Mix Generation [2.08099858257632]
  高性能コンクリートは、相互依存変数と実用的な制約を含む複雑な混合設計決定を必要とする。 本研究では,高性能コンクリートの部分的逆設計のための協調型ニューラルネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-07T12:14:56Z)
• CReFT-CAD: Boosting Orthographic Projection Reasoning for CAD via Reinforcement Fine-Tuning [31.342222156939403]
  本稿では,2段階の微調整パラダイムであるCReFT-CADを紹介する。 われわれはTriView2CADをリリースした。
  論文  参考訳（メタデータ） (2025-05-31T13:52:56Z)
• Toward Knowledge-Guided AI for Inverse Design in Manufacturing: A Perspective on Domain, Physics, and Human-AI Synergy [0.8399688944263844]
  AIは製造における逆設計を再構築し、材料、製品、プロセスにおける高性能な発見を可能にしている。 しかし、純粋にデータ駆動のアプローチは、スパースデータ、高次元の設計空間、複雑な制約によって特徴づけられる現実的な製造環境に苦しむことが多い。 この視点は、3つの補完的な柱の上に構築された統合フレームワークを提案する: 物理的に意味のある目的と制約を確立するためのドメイン知識と、限定的または偏りのあるデータに基づく一般化を強化する物理インフォームド機械学習、直感的で人間中心のインタラクションをサポートするための大規模言語モデルベースのインターフェイス。
  論文  参考訳（メタデータ） (2025-05-29T08:15:27Z)
• Parametric Primitive Analysis of CAD Sketches with Vision Transformer [22.74372123904951]
  本稿では,自動回帰モデルにおけるエラー蓄積に関わる問題に対処する2段階ネットワークフレームワークを提案する。 このフレームワークはプリミティブネットワークと制約ネットワークから構成され、スケッチ解析タスクをセット予測問題に変換する。
  論文  参考訳（メタデータ） (2024-06-29T11:29:45Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Explainable AI for Engineering Design: A Unified Approach of Systems Engineering and Component- Based Deep Learning Demonstrated by Energy- Efficient Building Design [0.8265473560266577]
  機械学習(ML)による部分的コンポーネントモデル作成のためのコンポーネントベースアプローチを提案する。 このコンポーネントベースのアプローチは、ディープラーニングをシステム、エンジニアリング(SE)と整合させる アプローチは、モデル構造をシステム工学とドメイン知識の工学的手法に適応させる。
  論文  参考訳（メタデータ） (2021-08-30T07:20:58Z)

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。