Fugu-MT 論文翻訳(概要): Predictive Maintenance for Ultrafiltration Membranes Using Explainable Similarity-Based Prognostics

論文の概要: Predictive Maintenance for Ultrafiltration Membranes Using Explainable Similarity-Based Prognostics

arxiv url: http://arxiv.org/abs/2602.00659v1
Date: Sat, 31 Jan 2026 11:12:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-03 19:28:33.321276
Title: Predictive Maintenance for Ultrafiltration Membranes Using Explainable Similarity-Based Prognostics
Title（参考訳）: 説明可能な類似性に基づく診断を用いた超濾過膜の予測保守
Authors: Qusai Khaled, Laura Genga, Uzay Kaymak,
Abstract要約: 逆浸透脱塩では、ウルトラ濾過(UF)膜はファウリングにより劣化し、性能が低下し、コストダウンする。本研究では, ファジィ類似性推論を用いたUF膜残留寿命推定法を提案する。工業規模のUFシステムから12,528の運用サイクルでテストされたこのフレームワークは、専門家の理解と整合した解釈可能なルールベースを生成しながら、平均的な4.50サイクルの絶対誤差を達成した。
参考スコア（独自算出の注目度）: 2.761009930426063
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In reverse osmosis desalination, ultrafiltration (UF) membranes degrade due to fouling, leading to performance loss and costly downtime. Most plants rely on scheduled preventive maintenance, since existing predictive maintenance models, often based on opaque machine learning methods, lack interpretability and operator trust. This study proposes an explainable prognostic framework for UF membrane remaining useful life (RUL) estimation using fuzzy similarity reasoning. A physics-informed Health Index, derived from transmembrane pressure, flux, and resistance, captures degradation dynamics, which are then fuzzified via Gaussian membership functions. Using a similarity measure, the model identifies historical degradation trajectories resembling the current state and formulates RUL predictions as Takagi-Sugeno fuzzy rules. Each rule corresponds to a historical exemplar and contributes to a transparent, similarity-weighted RUL estimate. Tested on 12,528 operational cycles from an industrial-scale UF system, the framework achieved a mean absolute error of 4.50 cycles, while generating interpretable rule bases consistent with expert understanding.
Abstract（参考訳）: 逆浸透脱塩では、ウルトラ濾過(UF)膜はファウリングにより劣化し、性能が低下し、コストダウンする。既存の予測保守モデルは、しばしば不透明な機械学習手法に基づいており、解釈可能性とオペレータ信頼が欠如している。本研究では, ファジィ類似性推論を用いたUF膜残留寿命推定法を提案する。物理インフォームド・ヘルス・インデックス(英語版)は、膜間圧、フラックス、抵抗から導かれるもので、劣化のダイナミクスを捉え、ガウスのメンバーシップ関数を介してファジファイドされる。類似度尺度を用いて,現在の状態に類似した過去の劣化軌跡を特定し,RUL予測を高木・菅野ファジィ規則として定式化する。各規則は歴史的な例に対応し、透明で類似性の重み付けされたRUL推定に寄与する。工業規模のUFシステムから12,528の運用サイクルでテストされたこのフレームワークは、専門家の理解と整合した解釈可能なルールベースを生成しながら、平均的な4.50サイクルの絶対誤差を達成した。

関連論文リスト

From Observations to States: Latent Time Series Forecasting [65.98504021691666]
本稿では,TSFを観測回帰から潜時予測に移行する新しいパラダイムであるLatent Time Series Forecasting(LatentTSF)を提案する。具体的には、LatentTSFはAutoEncoderを使用して、各段階での観測結果を高次元の潜在状態空間に投影する。提案する潜伏目標は,予測潜伏状態と地道状態と観測値との相互情報を暗黙的に最大化する。
論文参考訳（メタデータ） (2026-01-30T20:39:44Z)
AODDiff: Probabilistic Reconstruction of Aerosol Optical Depth via Diffusion-based Bayesian Inference [12.981319326856495]
AODDiffは拡散に基づく推論に基づく確率的再構成フレームワークである。タスク固有の再トレーニングを必要とせずに、様々な再構築タスクに柔軟に適応することができる。生成モデルとして、AODDiffは本質的に複数の空間的品質サンプリングによる不確実なサンプリングを可能にし、下流アプリケーションに重要な信頼性指標を提供する。
論文参考訳（メタデータ） (2025-12-31T13:16:10Z)
Goal inference with Rao-Blackwellized Particle Filters [5.633221187382381]
軌跡のノイズ観測から移動エージェントの最終的な目標を推定することは基本的な推定問題である。我々は、ラオブラックウェル化粒子フィルタ(RBPF)の変種を用いて、そのような意図推論を行う。我々は,情報理論漏洩指標を用いて,敵がエージェントの意図をどの程度回復できるかを定量化する。
論文参考訳（メタデータ） (2025-12-10T02:48:55Z)
RED-F: Reconstruction-Elimination based Dual-stream Contrastive Forecasting for Multivariate Time Series Anomaly Prediction [19.04414742117033]
本稿では,再構成に基づくDual-stream Contrastive Forecasting フレームワークを提案する。このフレームワークは、絶対信号検出の難しいタスクを、相対軌道比較のより単純で堅牢なタスクに変換する。 6つの実世界のデータセットの実験は、異常予測タスクにおけるRED-Fの優れた能力を示している。
論文参考訳（メタデータ） (2025-11-25T08:11:41Z)
Principled Context Engineering for RAG: Statistical Guarantees via Conformal Prediction [40.28465841863481]
Retrieval-Augmented Generation (RAG)は、大規模言語モデルにおける現実的な基盤を強化する。既存の前世代のフィルターは信頼性のスコアに依存しており、保持された証拠に対する統計的制御を提供していない。本研究では,コンフォメーション予測によるコンテキスト工学の実証を行う。
論文参考訳（メタデータ） (2025-11-22T04:17:06Z)
DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment [92.70019102733453]
トレーニング時系列予測モデルは、モデル予測の条件分布とラベルシーケンスの条件分布の整合性を必要とする。本研究では,条件予測とラベル分布との差を最小限に抑えてアライメントを実現するDistDFを提案する。
論文参考訳（メタデータ） (2025-10-28T16:09:59Z)
Are We Really Learning the Score Function? Reinterpreting Diffusion Models Through Wasserstein Gradient Flow Matching [6.821102133726069]
トレーニングされた拡散ネットワークが真のスコア関数に必要な積分的制約と微分的制約の両方に反することを示す。拡散学習は、WGF(Wasserstein Gradient Flow)の流速場に適合する流れとして理解されている。本研究は, 拡散生成モデルを理解するための原理的, エレガント, 理論的基礎的な枠組みとしてWGFの観点を採用することを提唱する。
論文参考訳（メタデータ） (2025-08-30T03:30:22Z)
Solving Inverse Problems with FLAIR [68.87167940623318]
本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
論文参考訳（メタデータ） (2025-06-03T09:29:47Z)
A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation [55.53426007439564]
観察データから個別化された治療効果を推定することは因果推論における中心的な課題である。逆確率重み付け(IPW)は、この問題に対するよく確立された解決策であるが、現代のディープラーニングフレームワークへの統合は依然として限られている。本稿では,拡散モデルの事前学習と重み付きスコア蒸留を組み合わせた新しい生成フレームワークであるIWDDを提案する。
論文参考訳（メタデータ） (2025-05-16T17:00:52Z)
Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
論文参考訳（メタデータ） (2024-04-04T11:32:03Z)
Learning representations with end-to-end models for improved remaining useful life prognostics [64.80885001058572]
残りの設備の実用寿命(RUL)は、現在の時刻と故障までの期間として定義される。マルチ層パーセプトロンと長期メモリ層(LSTM)に基づくエンドツーエンドのディープラーニングモデルを提案し、RULを予測する。提案するエンド・ツー・エンドのモデルがこのような優れた結果を達成し、他のディープラーニングや最先端の手法と比較する方法について論じる。
論文参考訳（メタデータ） (2021-04-11T16:45:18Z)

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。