論文の概要: Transformer-Based Predictive Maintenance for Risk-Aware Instrument Calibration

• arxiv url: http://arxiv.org/abs/2603.20297v1
• Date: Thu, 19 Mar 2026 06:32:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.814698
• Title: Transformer-Based Predictive Maintenance for Risk-Aware Instrument Calibration
• Title（参考訳）: 変圧器を用いたリスク対応機器校正の予測保守
• Authors: Adithya Parthasarathy, Aswathnarayan Muthukrishnan Kirubakaran, Akshay Deshpande, Ram Sekhar Bodala, Suhas Malempati, Nachiappan Chockalingam, Vinoth Punniyamoorthy, Seema Gangaiah Aarella,
• Abstract要約: キャリブレーションスケジューリングを予測的メンテナンス問題として検討する。 我々は、NASA C-MAPSSベンチマークをキャリブレーション設定に適合させる。 本研究では,条件に基づくキャリブレーションを共同予測と決定の問題とみなすことができることを示す。
• 参考スコア（独自算出の注目度）: 0.13543803103181612
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate calibration is essential for instruments whose measurements must remain traceable, reliable, and compliant over long operating periods. Fixed-interval programs are easy to administer, but they ignore that instruments drift at different rates under different conditions. This paper studies calibration scheduling as a predictive maintenance problem: given recent sensor histories, estimate time-to-drift (TTD) and intervene before a violation occurs. We adapt the NASA C-MAPSS benchmark into a calibration setting by selecting drift-sensitive sensors, defining virtual calibration thresholds, and inserting synthetic reset events that emulate repeated recalibration. We then compare classical regressors, recurrent and convolutional sequence models, and a compact Transformer for TTD prediction. The Transformer provides the strongest point forecasts on the primary FD001 split and remains competitive on the harder FD002--FD004 splits, while a quantile-based uncertainty model supports conservative scheduling when drift behavior is noisier. Under a violation-aware cost model, predictive scheduling lowers cost relative to reactive and fixed policies, and uncertainty-aware triggers sharply reduce violations when point forecasts are less reliable. The results show that condition-based calibration can be framed as a joint forecasting and decision problem, and that combining sequence models with risk-aware policies is a practical route toward smarter calibration planning.
• Abstract（参考訳）: 正確なキャリブレーションは、長い運用期間にわたって測定が追跡可能で信頼性があり、準拠し続けなければならない機器にとって必要不可欠である。 固定インターバルプログラムは簡単に管理できるが、異なる条件下で異なる速度でドリフトする機器を無視している。 本稿では,最近のセンサ履歴,TTDの推定,違反発生前の介入といった,キャリブレーションスケジューリングを予測的メンテナンス問題として検討する。 我々は、NASA C-MAPSSベンチマークをドリフト感度センサーを選択し、仮想校正閾値を定義し、繰り返し再校正をエミュレートする合成リセットイベントを挿入することでキャリブレーション設定に適合させる。 次に、従来の回帰器、繰り返しおよび畳み込みシーケンスモデル、TTD予測のためのコンパクトトランスフォーマーを比較した。 Transformerは、一次FD001分割に関する最強のポイント予測を提供し、より難しいFD002-FD004分割に対して競争力を維持し、一方、量子ベースの不確実性モデルは、ドリフト動作がノイズの多いときに保守的なスケジューリングをサポートする。 違反認識コストモデルの下では、予測スケジューリングは、反応および固定されたポリシーに対するコストを低減し、不確実性認識トリガーは、ポイント予測の信頼性が低い場合に違反を著しく低減する。 その結果, 条件に基づくキャリブレーションは共同予測と意思決定の問題であり, リスク対応ポリシとシーケンスモデルを組み合わせることは, よりスマートなキャリブレーション計画への実践的な道筋であることが示唆された。

関連論文リスト

• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Conformal Prediction for Signal Temporal Logic Inference [13.843989967082031]
  信号時間論理(STL)推論は時系列データから人間の解釈可能な規則を抽出しようとする。 既存のメソッドには、推論されたルールに対する正式な信頼性保証がない。 STL推論のためのエンドツーエンドの差別化可能なCPフレームワークを導入し、信頼性と解釈性の両方を向上させる。
  論文  参考訳（メタデータ） (2025-09-29T20:25:02Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
  我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。 本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:41Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• Semi-Supervised Risk Control via Prediction-Powered Inference [14.890609936348277]
  リスク制御予測セット(RCPS)は、任意の機械学習モデルの出力を変換し、厳密なエラー率制御で予測ルールを設計するツールである。 ラベルのないデータを利用してハイパーパラメータを厳格に調整する半教師付きキャリブレーション手法を導入する。 提案手法は予測駆動型推論フレームワーク上に構築され,リスク管理タスクに慎重に適合する。
  論文  参考訳（メタデータ） (2024-12-15T13:00:23Z)

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。