論文の概要: Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data

• arxiv url: http://arxiv.org/abs/2603.08171v1
• Date: Mon, 09 Mar 2026 09:51:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.74676
• Title: Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data
• Title（参考訳）: 不均一データを用いた産業保守のためのエビデンス駆動推論
• Authors: Fearghal O'Donncha, Nianjun Zhou, Natalia Martinez, James T Rayfield, Fenno F. Heath, Abigail Langbridge, Roman Vaculin,
• Abstract要約: Condition Insight Agentは、メンテナンス言語、運用データの振る舞い抽象化、エンジニアリングの失敗セマンティクスを統合して、エビデンスに基づく説明とアドバイザリアクションを生成する。 システム制約は、決定論的エビデンスの構築と構造化された失敗知識による推論を制約し、許容された結論を抑えるためにルールベースの検証ループを適用する。
• 参考スコア（独自算出の注目度）: 1.5991617440415131
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial maintenance platforms contain rich but fragmented evidence, including free-text work orders, heterogeneous operational sensors or indicators, and structured failure knowledge. These sources are often analyzed in isolation, producing alerts or forecasts that do not support conditional decision-making: given this asset history and behavior, what is happening and what action is warranted? We present Condition Insight Agent, a deployed decision-support framework that integrates maintenance language, behavioral abstractions of operational data, and engineering failure semantics to produce evidence-grounded explanations and advisory actions. The system constrains reasoning through deterministic evidence construction and structured failure knowledge, and applies a rule-based verification loop to suppress unsupported conclusions. Case studies from production CMMS deployments show that this verification-first design operates reliably under heterogeneous and incomplete data while preserving human oversight. Our results demonstrate how constrained LLM-based reasoning can function as a governed decision-support layer for industrial maintenance.
• Abstract（参考訳）: 産業保守プラットフォームには、自由テキストの作業順序、異種操作センサーやインジケータ、構造化された障害知識など、豊富なが断片的な証拠が含まれている。 これらの情報源は、しばしば孤立して分析され、条件付き意思決定をサポートしない警告や予測を生成する。 本研究では,保守言語,運用データの動作抽象化,エンジニアリング障害セマンティクスを統合して,エビデンスを根拠とした説明と助言行動を生成する,コンディション・インサイト・エージェントを提案する。 このシステムは、決定論的エビデンスの構築と構造化された失敗知識による推論を制約し、提案された結論を抑えるためにルールベースの検証ループを適用する。 プロダクションCMMSの展開によるケーススタディでは、この検証ファーストの設計は、人間の監視を保ちながら、不均一なデータや不完全なデータの下で確実に動作することが示されている。 本研究は, LLMに基づく推論が産業維持のための決定支援層として機能することを示すものである。

関連論文リスト

• Reason-IAD: Knowledge-Guided Dynamic Latent Reasoning for Explainable Industrial Anomaly Detection [85.29900916231655]
  Reason-IADは、説明可能な産業異常検出のための知識誘導型動的潜在推論フレームワークである。 実験により、Reason-IADは最先端の手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） (2026-02-10T14:54:17Z)
• Think Locally, Explain Globally: Graph-Guided LLM Investigations via Local Reasoning and Belief Propagation [5.191980417814362]
  LLMエージェントは、ほとんどの環境が静的で、必要な情報がモデルのコンテキストウインドウに適合する場合、排他的になる。 直腸型薬剤は、この体制では特に脆い。 本稿では,LLMが限定的な局所的エビデンスマイニングとラベリングを行うためのフレームワークであるEoGを提案する。
  論文  参考訳（メタデータ） (2026-01-25T17:27:19Z)
• A Causal Perspective on Measuring, Explaining and Mitigating Smells in LLM-Generated Code [49.09545217453401]
  Propensity Smelly Score (PSC) は、特定の臭いの種類を生成する確率を推定する計量である。 我々は、生成戦略、モデルサイズ、モデルアーキテクチャ、および生成したコードの構造特性をいかに形成するかを識別する。 PSCは、開発者がモデルの振る舞いを解釈し、コード品質を評価するのに役立つ。
  論文  参考訳（メタデータ） (2025-11-19T19:18:28Z)
• Prescriptive Agents based on RAG for Automated Maintenance (PARAM) [0.0]
  本稿では,Large Language Model (LLM) をベースとしたインテリジェンスシステムについて述べる。 提案手法は,LLM処理のための自然言語に軸受振動データをシリアライズすることで,高精度に数発の異常検出を可能にする。 マルチエージェントコンポーネントは、ベクター埋め込みとセマンティックサーチを使用してメンテナンスマニュアルを処理し、ウェブ検索を行い、包括的な手続き的知識を検索する。 Geminiモデルは、即時アクション、インスペクションチェックリスト、修正措置、部品要件、タイムライン仕様を含む構造化されたメンテナンスレコメンデーションを生成する。
  論文  参考訳（メタデータ） (2025-07-28T14:22:19Z)
• Hybrid Reasoning for Perception, Explanation, and Autonomous Action in Manufacturing [0.0]
  CIPHERは、産業制御のための人間のような推論を再現することを目的としたビジョン言語アクション(VLA)モデルフレームワークである。 システム状態の定量的評価を可能にする回帰モデルであるプロセスエキスパートを統合する。 プロセス監視からの視覚的またはテキスト的入力を解釈し、その決定を説明し、正確なマシン命令を自律的に生成する。
  論文  参考訳（メタデータ） (2025-06-10T05:37:33Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Transporting Causal Mechanisms for Unsupervised Domain Adaptation [98.67770293233961]
  本稿では,共同設立地層と表現を識別するための輸送因果メカニズム (TCM) を提案する。 TCMは、3つのUnsupervised Domain Adaptationベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-07-23T07:25:15Z)

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。