論文の概要: Software-heavy Asset Administration Shells: Classification and Use Cases
- arxiv url: http://arxiv.org/abs/2602.16499v1
- Date: Wed, 18 Feb 2026 14:42:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-19 15:58:30.618366
- Title: Software-heavy Asset Administration Shells: Classification and Use Cases
- Title（参考訳）: ソフトウェアの重いアセット管理シェル:分類とユースケース
- Authors: Carsten Ellwein, David Dietrich, Jessica Roth, Rozana Cvitkovic, Andreas Wortmann,
- Abstract要約: Asset Administration Shell (AAS) は、製造分野におけるデジタルツインの実装のための新興技術である。
ソフトウェアサービスを直接AASに統合するソフトウェアアーキテクチャの体系的な分析は存在しない。
この研究は、アカデミックと実践者の両方において、ソフトウェア重大AASの解釈ガイドラインと見なすことができる。
- 参考スコア（独自算出の注目度）: 0.8784719699899011
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Asset Administration Shell (AAS) is an emerging technology for the implementation of digital twins in the field of manufacturing. Software is becoming increasingly important, not only in general but specifically in relation to manufacturing, especially with regard to digital manufacturing and a shift towards the usage of artificial intelligence. This increases the need not only to model software, but also to integrate services directly into the AAS. The existing literature contains individual solutions to implement such software-heavy AAS. However, there is no systematic analysis of software architectures that integrate software services directly into the AAS. This paper aims to fill this research gap and differentiate architectures based on software quality criteria as well as typical manufacturing use cases. This work may be considered as an interpretation guideline for software-heavy AAS, both in academia and for practitioners.
- Abstract（参考訳）: Asset Administration Shell (AAS) は、製造分野におけるデジタルツインの実装のための新興技術である。
ソフトウェアは、一般的にだけでなく、特にデジタル製造や人工知能の利用へのシフトに関して、製造に関しても、ますます重要になりつつある。
これにより、ソフトウェアをモデル化するだけでなく、サービスを直接AASに統合する必要性も高まる。
既存の文献には、このようなソフトウェア重大AASを実装するための個別のソリューションが含まれています。
しかしながら、ソフトウェアサービスを直接AASに統合するソフトウェアアーキテクチャの体系的な分析は存在しない。
本稿では、この研究ギャップを埋め、ソフトウェアの品質基準と典型的な製造ユースケースに基づいてアーキテクチャを区別することを目的とする。
この研究は、アカデミックと実践者の両方において、ソフトウェア重大AASの解釈ガイドラインと見なすことができる。
関連論文リスト
- Augmenting software engineering with AI and developing it further towards AI-assisted model-driven software engineering [0.0]
本稿は,AIを活用したソフトウェア工学の現状を概説し,それに対応する分類学であるai4seを開発した。
ソフトウェア開発におけるAI支援型ビッグデータのビジョンは、両方のアプローチに固有の利点を活かすことを目的としている。
論文 参考訳（メタデータ） (2024-09-26T16:49:57Z) - Morescient GAI for Software Engineering (Extended Version) [2.4861619769660637]
我々は,オープンサイエンスの原則に従って,GAIモデルを設計し,発展し,普及させる方法について,ビジョンとロードマップを提示する。
論文 参考訳（メタデータ） (2024-06-07T07:38:33Z) - Embedded Software Development with Digital Twins: Specific Requirements
for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。
私たちは中小企業に現在の開発プロセスについてインタビューした。
最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文 参考訳（メタデータ） (2023-09-17T08:56:36Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳（メタデータ） (2023-08-09T21:54:34Z) - Lessons from Formally Verified Deployed Software Systems (Extended version) [65.69802414600832]
本稿は、正式に認証されたシステムを作成し、実際に使用するためにデプロイした各種のアプリケーション分野のプロジェクトについて検討する。
使用する技術、適用の形式、得られた結果、そしてソフトウェア産業が形式的な検証技術やツールの恩恵を受ける能力について示すべき教訓を考察する。
論文 参考訳（メタデータ） (2023-01-05T18:18:46Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。
私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
論文 参考訳（メタデータ） (2021-07-15T11:14:03Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。