論文の概要: Agentic4PDM: Host-Governed Evidence Admissibility for Industrial Fault Diagnosis
- arxiv url: http://arxiv.org/abs/2610.17786v1
- Date: Tue, 13 Oct 2026 06:14:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.53224
- Title: Agentic4PDM: Host-Governed Evidence Admissibility for Industrial Fault Diagnosis
- Title（参考訳）: Agentic4PDM: 産業故障診断のためのホスト統治エビデンス適応性
- Abstract要約: Agentic4PDMは、アダプティブ調査とエビデンス使用の制御を分離するフレームワークである。
Agentic4PDMは、事前訓練された表現とラベル付き参照を使用して、トレーニング不要の診断をサポートする。
- 参考スコア（独自算出の注目度）: 8.504665114338419
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study industrial fault diagnosis as a classification task that assigns sensor time-series windows to predefined health states or fault types. Scarce labels and changing operating conditions make repeated training of specialized classifiers costly. Yet structures such as periodicity, trends, and transients can remain diagnostically informative and be examined through reusable analytical tools. LLM agents can select and interpret these tools, but fixed rules or training-derived guidance may not resolve each signal's ambiguity, while unconstrained interpretation may overstate weak or conflicting results. We introduce Agentic4PDM, a framework that separates adaptive investigation from control over evidence use. LLM agents compare each signal with labeled references from every candidate class, identify unresolved distinctions, and propose follow-up measurements. A deterministic software controller, called the host, enforces contract-checked gated adjudication (CCGA): it checks requests, requires commitment to a complete tool batch before results are observed, and assigns evidence roles based on tool checks against labeled references. These roles distinguish corroborative support from advisory information. The Judge Agent proposes a diagnosis, while the controller checks protocol compliance and records the investigation. Agentic4PDM supports training-free diagnosis using pretrained representations and labeled references without task-specific diagnostic models, and a standard setting that additionally investigates trained-model predictions. Experiments on selected bearing and motor diagnosis challenges and an unfiltered industrial test set supplied by our customer show gains in aggregate macro F1 over the evaluated diagnostic and agentic baselines. Ablations further support the value of the governed workflow.
- Abstract（参考訳）: 本研究では,センサの時系列ウィンドウを予め定義された健康状態や障害タイプに割り当てる分類タスクとして,産業用故障診断について検討する。
スカースラベルと運用条件の変更により、特殊分類器の繰り返し訓練がコストがかかる。
しかし, 周期性, 傾向, 過渡性などの構造は診断に有用であり, 再利用可能な分析ツールを用いて検討することができる。
LLMエージェントはこれらのツールを選択・解釈できるが、固定された規則や訓練に基づくガイダンスは各信号の曖昧さを解決できない。
本稿では,アダプティブ調査とエビデンス利用の制御を分離するフレームワークであるAgentic4PDMを紹介する。
LLMエージェントは、各信号と各候補クラスのラベル付き参照を比較し、未解決の区別を特定し、フォローアップ測定を提案する。
決定論的ソフトウェアコントローラはホストと呼ばれ、要求をチェックし、結果が観測される前に完全なツールバッチにコミットし、ラベル付き参照に対するツールチェックに基づいてエビデンスロールを割り当てる。
これらの役割は、助言情報と相関的な支援を区別する。
裁判官代理人は診断を提案し、コントローラはプロトコルの遵守を確認し、調査を記録する。
Agentic4PDMは、事前訓練された表現とラベル付き参照を使用して、タスク固有の診断モデルなしでトレーニングなしの診断をサポートし、トレーニングされたモデル予測をさらに調査する標準設定である。
選択した軸受・運動診断課題と顧客から提供された未濾過工業試験は, 評価された診断・エージェントベースラインよりも, マクロF1の獲得率を示す。
アブレーションは、管理されたワークフローの価値をさらにサポートする。
関連論文リスト
- From Anomalies to Failures: Constructing Causal Error Graphs for Agentic Trace Diagnosis [27.28685987339971]
LLMを駆動するエージェントは、長いエージェントトレースによって診断が困難になる複雑なアプリケーションにますますデプロイされる。
エージェントトレースの因果診断のためのツール強化エージェントフレームワークであるCEG-Agentを提案する。
CEG-Agentは, 意味的緩和と構造的正確な評価基準の下で, 最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2026-09-26T12:01:04Z) - Beyond Fault Localization: A Trajectory-Level Study of LLM Agents for Microservice Root Cause Analysis [13.865176720288938]
我々は,根本原因分析(RCA)の性能評価にトラジェクトリレベルのフレームワークを用いる。
回答の正しさと診断の質の間には不一致がある。
私たちはこの分類を,2段階のディフェンス・イン・ディープスアーキテクチャであるDiagGuardとして運用しています。
論文 参考訳（メタデータ） (2026-08-21T17:13:45Z) - Beyond Relevance: Bayesian Evidence Acquisition for Agentic Whole-Slide Image Reasoning [72.86819994769634]
全体スライド画像推論(WSI)では、診断問題に答える前に、エージェントが視覚的証拠を逐次取得する必要がある。
本稿では,WSI推論をベイズ証拠取得問題として再検討する,プラグイン・アンド・プレイのエージェント・フレームワークBEACONを提案する。
論文 参考訳（メタデータ） (2026-08-06T08:40:57Z) - Task-Conditional Faithfulness Auditing of Multimodal LLMs for Grid Diagnosis [5.427346259545067]
マルチモーダル大言語モデル(LLM)は、トポロジー、測定、インシデントテキストを組み合わせてグリッド診断を行うことができる。
本稿では,タスク条件の忠実度監査を行うための一般的な枠組みを提案する。
論文 参考訳（メタデータ） (2026-07-27T15:17:15Z) - SAAG: Structured Agent Assessment and Grounding [13.62148061055744]
本稿では,エージェント呼び出し評価を3段階に分解するケースケード診断フレームワークを提案する。
このフレームワークは,5,10,15エージェントのレジストリサイズにまたがって,Glaiveの関数呼び出しデータセットから得られたベンチマークで評価する。
論文 参考訳（メタデータ） (2026-04-30T19:33:58Z) - Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification [60.18369393468405]
既存の検証器は通常、ドメイン知識の欠如と限られた校正のために性能が劣る。
GLEANは専門家によって計算されたプロトコルをトラジェクトリインフォームされ、よく校正された正当性信号にコンパイルする。
我々は,MIMIC-IVデータセットから得られた3つの疾患の薬物的臨床診断でGLEANを実証的に検証した。
論文 参考訳（メタデータ） (2026-03-03T09:36:43Z) - ORCHID: Orchestrated Retrieval-Augmented Classification with Human-in-the-Loop Intelligent Decision-Making for High-Risk Property [6.643427585499247]
ORCHIDは、HRP分類のためのモジュール型エージェントシステムである。
検索強化世代(RAG)を人間の監視と組み合わせて、監査可能なポリシベースのアウトプットを生成する。
デモでは、単一項目の提出、接地された引用、中小企業のフィードバックキャプチャ、エクスポート可能な監査アーティファクトなどが紹介されている。
論文 参考訳（メタデータ） (2025-11-07T03:48:05Z) - CXRAgent: Director-Orchestrated Multi-Stage Reasoning for Chest X-Ray Interpretation [62.0150409256153]
我々は、CXR解釈のためのディレクター調整型多段階エージェントであるCXRAgentを提案する。
エージェントは、Evidence-driven Validatorによって正規化され検証された出力を持つ一連のCXR分析ツールを戦略的にオーケストレーションする。
様々なCXR解釈タスクの実験は、CXRAgentが強いパフォーマンスを示し、視覚的証拠を提供し、異なる複雑さの臨床的タスクにうまく一般化していることを示している。
論文 参考訳（メタデータ） (2025-10-24T10:31:30Z) - Towards the Identifiability and Explainability for Personalized Learner
Modeling: An Inductive Paradigm [36.60917255464867]
本稿では,エンコーダ・デコーダモデルにインスパイアされた新しい応答効率応答パラダイムに基づく,識別可能な認知診断フレームワークを提案する。
診断精度を損なうことなく,ID-CDFが効果的に対処できることが示唆された。
論文 参考訳（メタデータ） (2023-09-01T07:18:02Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳（メタデータ） (2020-03-14T02:05:54Z)
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。