論文の概要: Planning or Learning: Reliability and Cost in Multi-Asset Maintenance

• arxiv url: http://arxiv.org/abs/2609.13566v1
• Date: Fri, 11 Sep 2026 22:10:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.396344
• Title: Planning or Learning: Reliability and Cost in Multi-Asset Maintenance
• Title（参考訳）: 計画と学習:マルチアセットメンテナンスにおける信頼性とコスト
• Abstract要約: ラン・トゥ・フェイルデータを用いたマルチアセスメント維持のための計画と強化学習を実証的に比較した。 プランニングは、信頼性をハード制約として実施し、総コストが障害罰の規模に大きく依存しないゼロ障害ポリシーを生成する。 本研究は,マルチアセスメント保守における信頼性とコストのトレードオフを明らかにし,計画とRLが相補的なアプローチであることを示唆する。
• 参考スコア（独自算出の注目度）: 0.8258557806969798
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial maintenance systems involve multiple interacting assets and shared resources, making it challenging to balance reliability and operational cost using a single decision framework. While recent work has focused on reinforcement learning (RL) for maintenance scheduling, direct comparisons with planning approaches under identical settings remain limited. In this work, we empirically compare planning and RL for multi-asset bearing maintenance using run-to-failure data. We examine how these methods behave when balancing preventive maintenance against tolerable failures across a range of failure penalty scenarios. We observed a consistent behavioral difference driven by objective formulation. Planning enforces reliability as a hard constraint and produces zero-failure policies whose total cost is largely insensitive to the magnitude of failure penalties. RL agents optimize expected cost and often trade off preventive maintenance against occasional failures as penalties vary, resulting in lower costs under low-penalty regimes but persistent non-zero failures even when penalties are high. We also investigate lightweight constraint mechanisms, including reward shaping and action masking, to encourage RL's reliability. From a practical perspective, planning may be more suitable when strict reliability is required and deployment horizons are short, whereas RL may provide cost-efficient policies when limited failures are acceptable and long-run operational efficiency is prioritized. Overall, this study clarifies the trade-offs between reliability and cost in multi-asset maintenance and suggests that planning and RL are complementary approaches. Beyond these findings, the controlled benchmark protocol itself that unifies environment, cost model, and evaluation across paradigms, offers a reusable template for comparing decision-making approaches in other maintenance settings.
• Abstract（参考訳）: 産業保守システムには、複数の相互作用する資産と共有リソースが含まれており、単一の決定フレームワークを使用して信頼性と運用コストのバランスをとることは困難である。 最近の研究は、メンテナンススケジューリングのための強化学習(RL)に焦点を当てているが、同一条件下での計画手法との直接比較は限られている。 本研究では,ラン・トゥ・フェイルデータを用いたマルチアセスメント維持のための計画とRLを実証的に比較した。 さまざまな障害ペナルティシナリオにおける耐障害性障害に対する予防的メンテナンスのバランスをとる際に,これらの手法がどのように振る舞うのかを検討する。 客観的定式化により一貫した行動差が観察された。 プランニングは、信頼性をハード制約として実施し、総コストが障害罰の規模に大きく依存しないゼロ障害ポリシーを生成する。 RLエージェントは、予想されるコストを最適化し、罰則が異なるため、時折の失敗に対して予防的メンテナンスをオフにすることも多いため、低い罰則の下ではコストが低下するが、罰則が高い場合でも持続的な非ゼロの失敗が発生する。 また,RLの信頼性を高めるために,報酬形成やアクションマスキングなどの軽量制約機構についても検討した。 実用の観点からは、厳格な信頼性が必要であり、配置地平線が短い場合には計画がより適しており、一方RLは、限られた障害が許容され、長期の運用効率が優先される場合にコスト効率の高いポリシーを提供する。 本研究は,マルチアセット保守における信頼性とコストのトレードオフを明らかにし,計画とRLが相補的なアプローチであることを示唆する。 これらの発見以外にも、環境、コストモデル、パラダイム間の評価を統一する制御されたベンチマークプロトコルは、他のメンテナンス設定で意思決定アプローチを比較するための再利用可能なテンプレートを提供する。

関連論文リスト

• CDCP: Conditional Diffusion Model with Contextual Prompts for Multi-task Offline Safe Reinforcement Learning [63.5739698095413]
  マルチタスクのオフライン安全な強化学習(RL)は、複数のタスクにわたるオフラインデータから、共有された最適な安全なポリシを学ぶことを約束する。 しかし、マルチタスク、安全制約、アウト・オブ・ディストリビューションの3つの課題は、既存の手法にとって大きなハードルとなっている。 本稿では,これらの課題に対処する条件付き拡散モデルを提案する。
  論文  参考訳（メタデータ） (2026-07-04T14:57:35Z)
• Concept Drift Adaptation Using Self-Supervised and Reinforcement Learning In Android Malware Detection [9.493071661387596]
  逐次的決定問題として,デプロイメント時間メンテナンスをモデル化する時系列適応型メンテナンスフレームワークを提案する。 ポリシー最適化コントローラは、検出器状態に基づいて低コストの保守動作を選択する。 その結果、RLコントローラは強力なコスト認識適応戦略を提供することがわかった。
  論文  参考訳（メタデータ） (2026-05-22T23:49:30Z)
• Conformal Thinking: Risk Control for Reasoning on a Compute Budget [60.65072883773352]
  大規模言語モデル(LLM)の推論により、トークンの予算が増加するにつれて、データセットレベルの精度が向上する。 我々は、予算設定問題をリスクコントロールとして再設定し、計算を最小化しながらエラー率を制限する。 我々のフレームワークは、モデルが自信のあるときに推論を停止する上位しきい値と、未解決のインスタンスを事前に停止させる新しい下位しきい値を導入する。
  論文  参考訳（メタデータ） (2026-02-03T18:17:22Z)
• Reliable LLM-Based Edge-Cloud-Expert Cascades for Telecom Knowledge Systems [54.916243942641444]
  大規模言語モデル(LLM)は、通信などの分野において、自動化の鍵となる存在として浮上している。 本研究では,問合せパイプラインによる意思決定を支援する,エッジクラウドに精通したLLMベースの知識システムについて検討する。
  論文  参考訳（メタデータ） (2025-12-23T03:10:09Z)
• Conformal Constrained Policy Optimization for Cost-Effective LLM Agents [27.37909142846675]
  大規模言語モデル(LLM)は最近、AI問題の解決に向けて大きな進歩を遂げた。 本稿では,複数のLLMモデルとコスト/精度のトレードオフをエージェント方式で組み合わせた新しい戦略を提案する。 当社のアプローチは,信頼性を維持しつつ,よりコスト効率のよいLCMエージェントをデプロイするための,原則的かつ実用的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-11-14T19:39:28Z)
• Dynamic Speculative Agent Planning [57.630218933994534]
  大規模な言語モデルベースのエージェントは、遅延の禁止と推論コストのために、重要なデプロイメント課題に直面している。 本稿では,オンライン強化学習フレームワークである動的投機計画(Dynamic Speculative Planning, DSP)を紹介する。 2つの標準エージェントベンチマークの実験では、DSPは高速加速法に匹敵する効率を達成し、総コストを30%削減し、不要コストを60%まで削減している。
  論文  参考訳（メタデータ） (2025-09-02T03:34:36Z)
• Toward Decision-Oriented Prognostics: An Integrated Estimate-Optimize Framework for Predictive Maintenance [1.904851064759821]
  本稿では,センサ駆動型診断が経済的なトレードオフの下で意思決定を通知するPdMフレームワークを提案する。 まず,従来の推定値最適化(ETO)フレームワークでは,確率的予測の誤差が不整合および準最適保守決定をもたらすことを実証した。 本稿では,予測モデルを協調的に調整し,メンテナンス結果を直接最適化する統合的推定最適化(IEO)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-24T15:10:15Z)
• Self-Regulation and Requesting Interventions [63.5863047447313]
  介入要求のための"helper"ポリシーをトレーニングするオフラインフレームワークを提案する。 PRMによる最適介入タイミングを判定し,これらのラベル付き軌道上でヘルパーモデルを訓練する。 このオフラインアプローチは、トレーニング中のコストのかかる介入コールを大幅に削減する。
  論文  参考訳（メタデータ） (2025-02-07T00:06:17Z)
• Imitate the Good and Avoid the Bad: An Incremental Approach to Safe Reinforcement Learning [11.666700714916065]
  制約付きRLは強化学習における安全な行動を実施するためのフレームワークである。 制約付きRLを解くための最近の手法は、軌道に基づくコスト制約を代理問題に変換する。 トラジェクトリに基づくコスト制約を変更しず、代わりにグッドのトラジェクトリを模倣するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-16T08:48:46Z)
• FIRE: A Failure-Adaptive Reinforcement Learning Framework for Edge Computing Migrations [54.34189781923818]
  FIREは、エッジコンピューティングのディジタルツイン環境でRLポリシーをトレーニングすることで、まれなイベントに適応するフレームワークである。 ImREは重要なサンプリングに基づくQ-ラーニングアルゴリズムであり、希少事象をその値関数への影響に比例してサンプリングする。 FIREは故障時にバニラRLやグリーディベースラインと比較してコストを削減できることを示す。
  論文  参考訳（メタデータ） (2022-09-28T19:49:39Z)
• Prescriptive maintenance with causal machine learning [4.169130102668252]
  同様のマシン上での観測データから,保守条件が機械特性に与える影響を学習する。 産業パートナーから4000以上の保守契約に関する実生活データを用いて,提案手法を検証した。
  論文  参考訳（メタデータ） (2022-06-03T13:35:57Z)
• COptiDICE: Offline Constrained Reinforcement Learning via Stationary Distribution Correction Estimation [73.17078343706909]
  オフラインの制約付き強化学習(RL)問題。エージェントは、所定のコスト制約を満たしながら期待されるリターンを最大化するポリシーを計算し、事前に収集されたデータセットからのみ学習する。 定常分布空間におけるポリシーを最適化するオフライン制約付きRLアルゴリズムを提案する。 我々のアルゴリズムであるCOptiDICEは、コスト上限を制約しながら、利益に対する最適政策の定常分布補正を直接見積もる。
  論文  参考訳（メタデータ） (2022-04-19T15:55:47Z)

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。