From Automation to Autonomy in Smart Manufacturing: A Bayesian Optimization Framework for Modeling Multi-Objective Experimentation and Sequential Decision Making
Created by
Haebom
저자
Avijit Saha Asru, Hamed Khosravi, Imtiaz Ahmed, Abdullahil Azeem
개요
본 논문은 새로운 소재 발견을 위한 효율적인 방법으로 베이지안 다중 목표 순차적 의사결정(BMSDM) 프레임워크를 제안한다. 기존의 자동화된 제조 방식의 한계를 극복하고, 자율 시스템을 통해 복잡한 공정에서도 유연하게 최적의 설계를 찾을 수 있도록 한다. 베이지안 최적화를 활용하여 순차적으로 학습하며, 실제 실험 횟수를 줄이고 비용을 절감하면서 통계적 모델을 통해 효율적인 탐색 및 최적화를 수행한다. 다양한 방법과의 비교 실험을 통해 BMSDM의 우수성을 검증하고, 새로운 소재 발견을 위한 지능형 자율 플랫폼 구축에 기여한다.
시사점, 한계점
•
시사점:
◦
베이지안 다중 목표 순차적 의사결정(BMSDM) 프레임워크를 통해 새로운 소재 발견 과정의 시간 및 비용을 획기적으로 절감할 수 있다.
◦
기존의 실험 설계(DoE) 방법보다 효율적인 다중 목표 최적화를 가능하게 한다.
◦
지능형 자율 시스템을 활용한 소재 발견 플랫폼 구축의 새로운 가능성을 제시한다.
•
한계점:
◦
제시된 프레임워크의 일반성 및 다양한 제조 공정에 대한 적용 가능성에 대한 추가적인 연구가 필요하다.
◦
사용된 데이터셋의 특성에 따라 성능이 달라질 수 있으므로, 다양한 데이터셋에 대한 검증이 필요하다.
◦
BMSDM 프레임워크의 구현 및 적용에 필요한 전문 지식과 인프라에 대한 접근성이 제한될 수 있다.
