論文の概要: Industrial Tokenization for LLM-Based Health Intelligence: A Federated Architecture for Industrial Evidence Integration
- arxiv url: http://arxiv.org/abs/2607.22153v1
- Date: Fri, 24 Jul 2026 09:56:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.097184
- Title: Industrial Tokenization for LLM-Based Health Intelligence: A Federated Architecture for Industrial Evidence Integration
- Title（参考訳）: LLMを基盤としたヘルスインテリジェンスのための産業トークン化:産業エビデンス統合のためのフェデレーションアーキテクチャ
- Authors: Deshui Li, Xiao-Ming Yuan, Zishun Wang,
- Abstract要約: 産業の健康管理はますます異質な情報ソースに依存している。
本稿では,産業証拠の機械解釈可能な単位に変換するための概念的インタフェースである産業トークン化について紹介する。
- 参考スコア（独自算出の注目度）: 2.2421864576221853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industrial health management increasingly relies on heterogeneous information sources, including condition monitoring systems, supervisory control and data acquisition systems, maintenance records, inspection results, and prognostic models. Although large language models provide new opportunities for cross-source reasoning, industrial data and analytical outputs differ substantially in structure, temporal resolution, physical meaning, and reliability. Directly integrating such heterogeneous information into a monolithic model may reduce interpretability, traceability, and adaptability to equipment and data changes. This paper introduces Industrial Tokenization, a conceptual interface for transforming source-specific analytical outputs into structured and machine-interpretable units of industrial evidence, termed Industrial Tokens. Unlike numerical tokens used to encode raw time-series data, Industrial Tokens represent domain-grounded evidence together with source, temporal scope, operating context, analytical meaning, quality or confidence information, and provenance. Based on this concept, a federated industrial architecture is proposed, where heterogeneous analytical subsystems retain autonomy while exposing standardized Industrial Tokens to a central reasoning layer. As an initial implementation, this study presents an end-to-end DiagnosisToken pathway based on vibration-diagnostic outputs, rule-based event aggregation, structured textual token generation, and LLM-based interpretation. Other Industrial Tokens, including SCADA-based condition-monitoring tokens, maintenance tokens, and prognostic tokens, are reserved as future extensions. The proposed framework positions Industrial Tokenization as a semantic interface between domain-specific industrial intelligence and LLM- or agent-based reasoning, rather than another method for encoding raw industrial data.
- Abstract（参考訳）: 産業の健康管理は、状況監視システム、監督管理とデータ取得システム、保守記録、検査結果、予後モデルなど、不均一な情報ソースにますます依存している。
大規模言語モデルは、クロスソース推論の新しい機会を提供するが、産業データと分析出力は、構造、時間分解能、物理的意味、信頼性において大きく異なる。
このような異種情報のモノリシックなモデルへの直接統合は、機器やデータの変更に対する解釈可能性、トレーサビリティ、適応性を低下させる可能性がある。
本稿では,産業トークン化(Industrial Tokenization)について紹介する。これは,産業トークンと呼ばれる産業証拠の構造化および機械解釈可能な単位にソース固有の分析出力を変換するための概念インターフェースである。
生の時系列データをエンコードする数値トークンとは異なり、産業トークンは、ソース、時間的スコープ、運用状況、分析的意味、品質または信頼性情報、および証明とともに、ドメイン上の証拠を表す。
この概念に基づいて、異質な分析サブシステムが自律性を維持しつつ、標準化された産業トークンを中央の推論層に公開する、連合型産業アーキテクチャーが提案されている。
初期実装として,振動に依存しない出力,規則に基づくイベントアグリゲーション,構造化されたテキストトークン生成,LLMに基づく解釈に基づくエンドツーエンド診断Token経路を提案する。
SCADAベースの条件監視トークン、メンテナンストークン、および予後トークンを含む他の産業トークンは、将来の拡張として予約されている。
提案フレームワークは,産業データの符号化方法ではなく,ドメイン固有の産業インテリジェンスと LLM あるいはエージェントベースの推論のセマンティックインターフェースとして,産業トークン化を位置づけている。
関連論文リスト
- Unification of Closed-Open Industrial Detection Scenarios: New Large-Scale Benchmarks,Challenges and Baselines [50.471211036005286]
大規模マルチモーダル・インダストリアル・オープン・クローズド・ベンチマーク(MMIOC-1M)を導入する。
MMIOC-1Mは、オープンボキャブラリとクローズドセットの工業検出をサポートする最初の統一された最大のベンチマークである。
本稿では,3つの重要なイノベーションを取り入れたRTVPNetを提案する。
論文 参考訳（メタデータ） (2026-06-06T03:06:10Z) - Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data [1.5991617440415131]
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。
論文 参考訳（メタデータ） (2026-03-09T09:51:50Z) - Operationalization of Machine Learning with Serverless Architecture: An Industrial Operationalization of Machine Learning with Serverless Architecture: An Industrial Implementation for Harmonized System Code Prediction [0.0]
本稿では、データ取り込み、トレーニング、デプロイメント、監視、再トレーニングからイベント駆動パイプラインとマネージドサービスまで、完全なMLライフサイクルをオーケストレーションするサーバレスMLOpsフレームワークを提案する。
本研究では,グローバル取引において税関当局が使用する標準化コードに,短い非構造化製品記述をマッピングするコンプライアンスクリティカルなタスクである,調和システム(HS)コード予測の産業的実装を通じて,実践的適用性を実証する。
私たちのソリューションは、複数のディープラーニングアーキテクチャを埋め込んだカスタムテキストを使用します。
論文 参考訳（メタデータ） (2026-02-19T05:59:55Z) - Exploratory Semantic Reliability Analysis of Wind Turbine Maintenance Logs using Large Language Models [0.0]
本稿では、より複雑な推論タスクに現代大規模言語モデル(LLM)を活用する際のギャップについて論じる。
我々は,LLMを用いた探索的フレームワークを導入し,分類を超えて意味分析を行う。
以上の結果から,LSMは,テキスト情報や行動可能な専門家レベルの仮説を合成するためにラベル付けを超えて,強力な"信頼性共パイロット"として機能できることが示唆された。
論文 参考訳（メタデータ） (2025-09-26T14:00:20Z) - PB-IAD: Utilizing multimodal foundation models for semantic industrial anomaly detection in dynamic manufacturing environments [0.0]
本稿では, PB-IAD (Prompt-based Industrial Anomaly Detection) を提案する。
データ分散性、アジャイル適応性、ドメインユーザ中心性という、動的運用環境の3つの重要な要件に対処する。
PatchCoreのような異常検出のための最先端のメソッドにベンチマークされる。
論文 参考訳（メタデータ） (2025-08-20T07:53:13Z) - 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) - Bounding Box-Guided Diffusion for Synthesizing Industrial Images and Segmentation Map [50.21082069320818]
最小限の監督で高忠実度産業データセットを生成するための拡散型パイプラインを提案する。
提案手法では, 拡張有界箱表現の拡散モデルを用いて, 正確なセグメンテーションマスクを生成する。
その結果、拡散に基づく合成は、人工的な産業データと実世界の産業データとのギャップを埋めることを示した。
論文 参考訳（メタデータ） (2025-05-06T15:21:36Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。
本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。
このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
論文 参考訳（メタデータ） (2024-04-23T13:38:01Z) - 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)
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。