センサー駆動型製造における処方的意思決定のためのデュアルレベルXAIガイド付きデジタルツインフレームワーク
Dual-Level XAI-Guided Digital Twin Framework for Prescriptive Decision Making in Sensor-Driven Manufacturing
精密マイクロ射出成形におけるゼロ欠陥製造(ZDM)達成のため、熱力学および動力学センサーデータと離散的な装置状態の非線形相互作用を継続的に監視する必要がある。本研究では、仮想計測(VM)と処方的意思決定支援のためのセンサー駆動型デジタルツインフレームワークを提案する。このハイブリッドフレームワークは、進化最適化中に物理的制約を課す知識情報機械学習(KIML)を実装し、デュアルレベル説明可能AI(XAI)プロトコルを通じて学習された内部相互作用を監査する。175,089のセンサーログを利用し、Feature Tokenizer Transformer(FT-Transformer)を通じて連続的な代理モデルを構築した。5分割交差検証の結果、代理モデルは二乗平均平方根誤差(RMSE)0.4211 D、決定係数(R2)0.97を達成し、1D-CNNベースラインと比較して16.8%のエラー削減を示した。装置分離型Leave-One-Machine-Out(LOMO)プロトコルは、R2 0.8820で構造的堅牢性を確認した。さらに、残差分布分析により、検証サンプルの76.19%が±0.25 Dの物理的許容誤差内に収まることが示された。マルチヘッド自己注意(MHSA)の重みをグローバルプロキシと比較することで、ハードウェアと連続センサーメトリクスの間の関連性を統計的に捉える。この微分可能な代理モデルと実数値遺伝的アルゴリズム(GA)を統合することで、最適化されたプロセスレシピの自律生成が可能になり、連続潜在空間内で0.001 D未満のアルゴリズム収束誤差を達成した。
- 精密マイクロ射出成形のゼロ欠陥製造(ZDM)向けに、仮想計測と処方的意思決定支援を担うセンサー駆動型デジタルツインフレームワークを提案。
- 物理制約を進化最適化に組み込む知識情報機械学習(KIML)と、デュアルレベル説明可能AI(XAI)プロトコルを実装して学習済み内部相互作用を監査。
- 175,089件のセンサーログを用いFeature Tokenizer Transformer(FT-Transformer)で代理モデルを構築し、5分割交差検証でRMSE 0.4211 D、R2 0.97、1D-CNNベースライン比16.8%のエラー削減を達成。
- 装置分離型Leave-One-Machine-Out(LOMO)プロトコルでR2 0.8820の構造的堅牢性を確認し、検証サンプルの76.19%が±0.25 Dの許容誤差内に収まることを残差分布分析で示した。
- 微分可能な代理モデルと実数値遺伝的アルゴリズム(GA)を統合し、最適化プロセスレシピの自律生成と0.001 D未満のアルゴリズム収束誤差を実現。
学術研究の域を出ない論文であり、直接の投資対象は見当たらない。ただしセンサー駆動型デジタルツイン+説明可能AI(XAI)+遺伝的アルゴリズムによるプロセス最適化は、精密マイクロ射出成形という製造現場の歩留まり改善に効く技術で、スマートマニュファクチャリング/産業AIの実装価値を示す。R2 0.97や16.8%の誤差削減など定量的な優位性が出ており、産業向けAIソリューションや製造DX関連企業の技術動向として注視する価値はある。