論文の概要: CausalPulse: An Industrial-Grade Neurosymbolic Multi-Agent Copilot for Causal Diagnostics in Smart Manufacturing
- arxiv url: http://arxiv.org/abs/2603.29755v1
- Date: Tue, 31 Mar 2026 13:54:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.696522
- Title: CausalPulse: An Industrial-Grade Neurosymbolic Multi-Agent Copilot for Causal Diagnostics in Smart Manufacturing
- Title（参考訳）: CausalPulse: スマートマニュファクチャリングにおける因果診断のための産業用グルード型ニューロシンボリックマルチエージェントコパイロット
- Authors: Chathurangi Shyalika, Utkarshani Jaimini, Cory Henson, Amit Sheth,
- Abstract要約: CausalPulseは、異常検出、因果発見、推論を自動化する業界グレードのマルチエージェントパトロールである。
ロバート・ボッシュ製造工場に配備され、既存のモニタリングとシームレスに統合され、生産規模でのリアルタイム運用をサポートする。
基準ごとの成功率は、計画とツールの使用で98.75%、自己回帰で97.3%、共同作業で99.2%に達した。
- 参考スコア（独自算出の注目度）: 0.9855443115851177
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern manufacturing environments demand real-time, trustworthy, and interpretable root-cause insights to sustain productivity and quality. Traditional analytics pipelines often treat anomaly detection, causal inference, and root-cause analysis as isolated stages, limiting scalability and explainability. In this work, we present CausalPulse, an industry-grade multi-agent copilot that automates causal diagnostics in smart manufacturing. It unifies anomaly detection, causal discovery, and reasoning through a neurosymbolic architecture built on standardized agentic protocols. CausalPulse is being deployed in a Robert Bosch manufacturing plant, integrating seamlessly with existing monitoring workflows and supporting real-time operation at production scale. Evaluations on both public (Future Factories) and proprietary (Planar Sensor Element) datasets show high reliability, achieving overall success rates of 98.0% and 98.73%. Per-criterion success rates reached 98.75% for planning and tool use, 97.3% for self-reflection, and 99.2% for collaboration. Runtime experiments report end-to-end latency of 50-60s per diagnostic workflow with near-linear scalability (R^2=0.97), confirming real-time readiness. Comparison with existing industrial copilots highlights distinct advantages in modularity, extensibility, and deployment maturity. These results demonstrate how CausalPulse's modular, human-in-the-loop design enables reliable, interpretable, and production-ready automation for next-generation manufacturing.
- Abstract（参考訳）: 現代の製造業環境は、生産性と品質を維持するために、リアルタイム、信頼できる、解釈可能な根本原因の洞察を必要とする。
従来の分析パイプラインは、しばしば異常検出、因果推論、根本原因分析を独立したステージとして扱い、スケーラビリティと説明可能性を制限する。
本稿では、スマート製造における因果診断を自動化する業界グレードのマルチエージェントコミッションであるCausalPulseを紹介する。
標準的なエージェントプロトコル上に構築されたニューロシンボリックアーキテクチャを通じて、異常検出、因果発見、推論を統一する。
CausalPulseはRobert Bosch製造工場にデプロイされており、既存の監視ワークフローとシームレスに統合され、プロダクションスケールでのリアルタイム操作をサポートする。
パブリック(Future Factories)とプロプライエタリ(Planar Sensor Element)両方のデータセットの評価は高い信頼性を示し、全体の成功率は98.0%と98.73%である。
基準ごとの成功率は、計画とツールの使用で98.75%、自己回帰で97.3%、共同作業で99.2%に達した。
ランタイム実験は、ほぼ線形スケーラビリティ(R^2=0.97)を備えた診断ワークフロー毎の50～60秒のエンドツーエンドレイテンシを報告し、リアルタイムの可読性を確認する。
既存の産業用パトリオットと比較すると、モジュラリティ、拡張性、デプロイメントの成熟度において、明確なアドバンテージが浮き彫りになっている。
これらの結果は、CausalPulseのモジュラー・イン・ザ・ループ設計が、次世代製造における信頼性、解釈性、および生産可能な自動化を実現する方法を示している。
関連論文リスト
- CausalTrace: A Neurosymbolic Causal Analysis Agent for Smart Manufacturing [0.8255450671031074]
CausalTraceは、SmartPilotの産業用CoPilotに組み込まれた、ニューロシンボリック因果解析モジュールである。
リアルタイムオペレータインタラクションをサポートし、透過的で説明可能な意思決定サポートを提供することで、既存のエージェントを補完するように設計されている。
論文 参考訳（メタデータ） (2025-10-14T00:36:40Z) - Process mining-driven modeling and simulation to enhance fault diagnosis in cyber-physical systems [5.065341495341096]
CPS(Cyber-Physical Systems)の故障診断は,システムの信頼性と運用効率の確保に不可欠である。
本稿では, 時系列, プロセスマイニング, シミュレーションにおける集団異常検出を統合した, 教師なし故障診断手法を提案する。
これにより、予測保守と産業環境のためのデジタルツインの開発を支援する総合的なフォールト辞書の作成が可能になる。
論文 参考訳（メタデータ） (2025-06-26T17:29:37Z) - DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery [54.79763887844838]
大規模言語モデル(LLM)と自律エージェントの統合は、自動推論とタスク実行を通じて科学的発見を促進する大きな可能性を秘めている。
本稿では,薬物発見におけるエンドツーエンド科学のために設計されたパラメータ化推論アーキテクチャを備えたLSMベースのエージェントシステムであるDrarmPilotを紹介する。
DrugPilot は ReAct や LoT のような最先端のエージェントよりも優れており、タスク完了率は98.0%、93.5%、64.0%である。
論文 参考訳（メタデータ） (2025-05-20T05:18:15Z) - Industrial Machines Health Prognosis using a Transformer-based Framework [0.0]
本稿では、Transformer Quantile Regression Neural Networks(TQRNN)を紹介する。
TQRNNは、製造コンテキストにおけるリアルタイムマシン障害予測のための、新しいデータ駆動ソリューションである。
その結果,機械故障の予測に1時間リード時間を用い,精度が70.84%となるモデルの有効性が示された。
論文 参考訳（メタデータ） (2024-11-05T18:47:05Z) - Rare Class Prediction Model for Smart Industry in Semiconductor Manufacturing [1.3955252961896323]
本研究では, 半導体製造プロセスから収集したIn situデータに対して, 希少なクラス予測手法を開発した。
第一の目的は、ノイズとクラス不均衡の問題に対処し、クラス分離を強化するモデルを構築することである。
ROC曲線はAUCが0.95、精度が0.66、リコールが0.96である。
論文 参考訳（メタデータ） (2024-06-06T22:09:43Z) - Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。
我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。
本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
論文 参考訳（メタデータ） (2024-05-20T09:28:23Z) - RCAgent: Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models [46.476439550746136]
近年,クラウド根本原因分析(RCA)における言語モデル (LLM) の適用が活発に検討されている。
RCAgentは、実用的でプライバシに配慮した産業RCA利用のためのツール強化LDM自律エージェントフレームワークである。
RCAgentはGPTファミリではなく、内部的にデプロイされたモデル上で動作し、フリーフォームのデータ収集とツールによる包括的な分析を行うことができる。
論文 参考訳（メタデータ） (2023-10-25T03:53:31Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳（メタデータ） (2022-09-21T08:14:34Z) - On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。
得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。
このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文 参考訳（メタデータ） (2022-09-20T11:23:51Z) - Automated Defect Recognition of Castings defects using Neural Networks [2.4999739879492084]
CNNモデルは自動車用アルミニウム鋳造データセット(GDXray)に適用した場合、94.2%の精度(mAP@IoU=50%)を達成する
産業環境では,DICOM画像当たり400ms以下であり,納期に影響を与えることなく生産施設に設置することができる。
論文 参考訳（メタデータ） (2022-09-06T08:10:48Z)
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。