論文の概要: Asset Administration Shell-Based OCL Validation Framework for Model-Based System Engineering
- arxiv url: http://arxiv.org/abs/2604.26384v1
- Date: Wed, 29 Apr 2026 07:51:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.302097
- Title: Asset Administration Shell-Based OCL Validation Framework for Model-Based System Engineering
- Title（参考訳）: モデルベースシステムエンジニアリングのためのアセット管理シェルに基づくOCL検証フレームワーク
- Abstract要約: 本稿では,OCL制約とアセット管理シェルによる検証結果の管理手法を提案する。
この方法論は、架空の産業シナリオを通じて実証され、サポートするために、すべてのアーティファクトがGitHubリポジトリで公開されている。
- 参考スコア（独自算出の注目度）: 0.5219568203653522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Increasing complexity of modern enterprise systems and the demand for automation and interoperability require consistent and semantically validated models in Model-Based Systems Engineering (MBSE). The Object Constraint Language (OCL) supports formal definition of such constraint validations. However, MBSE models and OCL constraints are typically managed in separate tools, causing manual effort during model constraint application and result interpretation. To address this gap, this paper proposes an approach to managing OCL constraints and their validation results through Asset Administration Shells (a well-established technology for interoperability in enterprise systems). The methodology is demonstrated through a fictional industrial scenario, and to support reproducibility, all artifacts are publicly available in a GitHub repository.
- Abstract（参考訳）: 現代のエンタープライズシステムの複雑さの増加と自動化と相互運用性の需要は、モデルベースシステムエンジニアリング(MBSE)において一貫性と意味論的に検証されたモデルを必要とする。
Object Constraint Language (OCL) はそのような制約検証の形式的定義をサポートする。
しかし、MBSEモデルとOCL制約は通常、別々のツールで管理され、モデル制約アプリケーションと結果解釈の間に手作業が生じる。
このギャップに対処するために,エンタープライズシステムにおける相互運用性の確立した技術であるアセット管理シェル(Asset Administration Shells)を通じて,OCL制約とその検証結果を管理するアプローチを提案する。
この方法論は、架空の産業シナリオを通じて実証され、再現性をサポートするために、すべてのアーティファクトはGitHubリポジトリで公開されている。
関連論文リスト
- Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - An LLM-Based Framework for Intent-Driven Network Topology Design [0.8538830579425146]
本研究では,大規模言語モデルが構造的に妥当で制約に順応するネットワークトポロジを生成する能力について検討する。
このフレームワークは、4つの現実的なネットワークシナリオにわたるプロプライエタリおよびオープンウェイトLLMのマルチモデル比較によって評価される。
全体として、この研究は、LLMがトポロジー合成における構造的およびレジリエンス的制約をどのように扱うかを理解するための体系的なベンチマークを提供する。
論文 参考訳（メタデータ） (2026-07-01T00:38:36Z) - OpenCompass: A Universal Evaluation Platform for Large Language Models [62.59671563145442]
汎用大規模言語モデル (LLM) は, 技術の進歩において重要なリンクとなっている。
メインストリームベンチマークデータセットは、タスクタイプの多様性、一貫性のない評価基準、データと処理の断片化といった課題に直面している。
本稿では,ワンストップ,スケーラブル,高精度な汎用評価プラットフォームであるOpen LLMをオープンソースとして提案する。
論文 参考訳（メタデータ） (2026-05-19T02:50:11Z) - Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。
条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。
各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。
実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
論文 参考訳（メタデータ） (2025-10-09T05:28:28Z) - ConstraintLLM: A Neuro-Symbolic Framework for Industrial-Level Constraint Programming [9.69748612176497]
制約プログラミング(CP)は実世界の制約最適化問題(COP)を解決するための重要な技術である
大きな言語モデル(LLM)を使用してCOPの形式的モデリングを自動的に生成することは、象徴的解決者の助けを借りて、ニューロシンボリックAIを構築するという、有望なアプローチになりつつある。
本稿では,CPモデリングに特化した最初のLLMであるConstraintLLMを紹介する。
CPモデリングのための最初の産業レベルのベンチマークであるIndusCPを構築し,リリースする。
論文 参考訳（メタデータ） (2025-10-07T10:43:39Z) - Executable Ontologies: Synthesizing Event Semantics with Dataflow Architecture [51.56484100374058]
我々は、セマンティックイベントセマンティクスとデータフローアーキテクチャを統合することで、従来のビジネスプロセス管理システムの限界に対処できることを実証する。
大胆なシーエンジニアリングのアーキテクチャは、セマンティックモデルをコンパイルなしで実行可能なアルゴリズムとして解釈する。
実行時にイベントモデルを変更することで、透明性を確保し、統一されたセマンティックフレームワーク内でデータとビジネスロジックをシームレスにマージする。
論文 参考訳（メタデータ） (2025-09-11T18:12:46Z) - A Production Scheduling Framework for Reinforcement Learning Under Real-World Constraints [0.0]
実世界の運用環境は、従来のスケジューリングアプローチの効率を低下させる追加の複雑さを導入します。
強化学習(RL)は、エージェントが適応的なスケジューリング戦略を学習できるようにするため、これらの課題に対処する可能性を秘めている。
本稿では,従来のJSSPの定式化を,主要な実世界の制約を組み込むことで拡張するモジュラーフレームワークを提案する。
JobShopLabは、研究開発と産業アプリケーションの両方のためのオープンソースのツールだ。
論文 参考訳（メタデータ） (2025-06-16T14:50:26Z) - Beyond Formal Semantics for Capabilities and Skills: Model Context Protocol in Manufacturing [0.12289361708127876]
最近導入されたモデルコンテキストプロトコル(MCP)に基づく代替手法を提案する。
MCPは、LLMベースのエージェントによって直接消費可能な標準化されたインタフェースを通じて機能を公開できる。
論文 参考訳（メタデータ） (2025-06-12T13:02:16Z) - MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision [76.42361936804313]
自動MAS設計のための自己進化型推論時間フレームワークMAS-ZEROを紹介する。
MAS-ZEROはメタレベルの設計を採用し、各問題インスタンスに適したMAS構成を反復的に生成し、評価し、洗練する。
論文 参考訳（メタデータ） (2025-05-21T00:56:09Z) - MCP-Solver: Integrating Language Models with Constraint Programming Systems [23.191983095692223]
MCPソルバは、AIシステム統合のオープンソース標準であるModel Context Protocol(MCP)を通じて、シンボル解決器でLarge Language Modelsをブリッジする。
我々の実装は制約プログラミング(Minizinc)、命題満足度(PySAT)、SATモジュラー理論(Python Z3)のためのインターフェースを提供する。
このシステムは、修正中のモデルの一貫性を保証し、構造化された洗練を可能にするために、反復検証を伴う編集アプローチを採用している。
論文 参考訳（メタデータ） (2024-12-31T16:49:27Z) - Attribute Controlled Fine-tuning for Large Language Models: A Case Study on Detoxification [76.14641982122696]
本稿では,属性制御付き大規模言語モデル(LLM)の制約学習スキーマを提案する。
提案手法は, ベンチマーク上での競合性能と毒性検出タスクを達成しながら, 不適切な応答を少ないLCMに導出することを示す。
論文 参考訳（メタデータ） (2024-10-07T23:38:58Z) - A General Framework for Verification and Control of Dynamical Models via Certificate Synthesis [54.959571890098786]
システム仕様を符号化し、対応する証明書を定義するためのフレームワークを提供する。
コントローラと証明書を形式的に合成する自動化手法を提案する。
我々のアプローチは、ニューラルネットワークの柔軟性を利用して、制御のための安全な学習の幅広い分野に寄与する。
論文 参考訳（メタデータ） (2023-09-12T09:37:26Z)
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。