論文の概要: AI4PLE: A Methodology for Integrating AI into Product Line Engineering

• arxiv url: http://arxiv.org/abs/2607.22260v1
• Date: Fri, 24 Jul 2026 12:52:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.126519
• Title: AI4PLE: A Methodology for Integrating AI into Product Line Engineering
• Title（参考訳）: AI4PLE:AIを製品ラインエンジニアリングに統合するための方法論
• Authors: Bedir Tekinerdogan,
• Abstract要約: 再利用ベースの開発は、複雑なシステムの構築においてますます重要になっている。 製品ラインエンジニアリング(PLE)は、共有資産と能力の再利用によって、製品ファミリーの効率的な作成、管理、カスタマイズを可能にすることによって、この可能性を実現するための体系的なアプローチを提供する。 その約束にもかかわらず、人工知能(AI)をPLEプロセスに体系的に統合することは、まだ包括的に調査されていない。
• 参考スコア（独自算出の注目度）: 2.6600435895872123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reuse-based development has become increasingly important in the creation of complex systems, offering significant opportunities to reduce costs, improve quality, and accelerate time-to-market. Product Line Engineering (PLE) provides a systematic approach to realizing this potential by enabling the efficient creation, management, and customization of product families by reusing shared assets and capabilities. PLE involves addressing numerous complex decisions, including feature selection, variability management, and configuration optimization, which are critical to the success of a product line. Despite its promise, the systematic integration of Artificial Intelligence (AI) into PLE processes has not yet been comprehensively explored. In this paper, we propose a methodological framework to support the systematic integration of AI into PLE and evaluate its effectiveness through a multi-case study conducted in an industrial context.
• Abstract（参考訳）: 再利用ベースの開発は複雑なシステムの構築においてますます重要になってきており、コスト削減、品質向上、市場投入までの時間を短縮する重要な機会を提供している。 製品ラインエンジニアリング(PLE)は、共有資産と能力の再利用によって、製品ファミリーの効率的な作成、管理、カスタマイズを可能にすることによって、この可能性を実現するための体系的なアプローチを提供する。 PLEは、機能の選択、可変性管理、設定の最適化など、多くの複雑な決定に対処する。 その約束にもかかわらず、人工知能(AI)をPLEプロセスに体系的に統合することは、まだ包括的に調査されていない。 本稿では,産業環境における多ケース研究を通じて,AIをPLEに体系的に統合する手法を提案し,その有効性を評価する。

関連論文リスト

• A Multi-objective Optimization Approach for Feature Selection in Gentelligent Systems [62.08647860272078]
  本稿では,固有成分情報と自動機構を組み込んだシステムを指すために,ジェネリジェントシステム(Gentelligent system)という用語を用いる。 信頼性の高い故障検出手法を実装することで、製造業者は製品品質の向上、収量の増加、生産コストの削減など、いくつかのメリットを享受できる。
  論文  参考訳（メタデータ） (2025-11-20T23:50:55Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• Strategic AI adoption in SMEs: A Prescriptive Framework [0.0]
  中小企業におけるAI技術の採用は、主にコスト、技術スキルの欠如、従業員の受け入れに関連する大きな障壁に直面している。 本研究では,中小企業におけるAIの効果的な採用を促進するために,総合的な段階的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-08-05T09:49:37Z)
• Intelligent Cross-Organizational Process Mining: A Survey and New Perspectives [40.62773366902451]
  本稿では,プロセスマイニングの分野に関する具体的な見解を提唱する。 まず、プロセスマイニングの枠組み、一般的な産業応用、そして人工知能と組み合わされた最新の進歩について要約する。 この視点は、複雑な多組織データ分析のための洗練されたソリューションを提供するために人工知能を活用することによって、プロセスマイニングに革命をもたらすことを目的としている。
  論文  参考訳（メタデータ） (2024-07-15T23:30:34Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)

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。