InfoPos: A ML-Assisted Solution Design Support Framework for Industrial Cyber-Physical Systems

要約

データ中心およびML支援ソリューションに組み込まれたさまざまなビルディングブロックとアルゴリズムは高く、2つの課題に貢献しています。最も効果的なセットの選択とビルディングブロックの順序、および最小コストでの選択を達成することです。
MLアシストソリューション設計は、利用可能なデータの範囲とターゲットシステムの利用可能な知識の影響を受けていることを考慮すると、一致するビルディングブロックを選択できることが有利です。
Infoposフレームワークの最初の反復を導入し、利用可能な位置（レベル）、つまり貧弱から豊かなもの、知識、データの側面を考慮して、ユースケースの配置を可能にします。
その入力により、デザイナーと開発者は、最も効果的な対応する選択肢を明らかにし、ソリューション設計プロセスを合理化できます。
産業用サイバー物理システムの異常識別ユースケースであるデモンストレーターの結果は、知識とデータの位置を通じてさまざまなビルディングブロックの使用に対する達成された効果を反映しています。
達成されたMLモデルのパフォーマンスは、インジケータと見なされます。
データ処理コードと構成されたデータセットは公開されています。

要約(オリジナル)

The variety of building blocks and algorithms incorporated in data-centric and ML-assisted solutions is high, contributing to two challenges: selection of most effective set and order of building blocks, as well as achieving such a selection with minimum cost. Considering that ML-assisted solution design is influenced by the extent of available data, as well as available knowledge of the target system, it is advantageous to be able to select matching building blocks. We introduce the first iteration of our InfoPos framework, allowing the placement of use-cases considering the available positions (levels), i.e., from poor to rich, of knowledge and data dimensions. With that input, designers and developers can reveal the most effective corresponding choice(s), streamlining the solution design process. The results from our demonstrator, an anomaly identification use-case for industrial Cyber-Physical Systems, reflects achieved effects upon the use of different building blocks throughout knowledge and data positions. The achieved ML model performance is considered as the indicator. Our data processing code and the composed data sets are publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google