Open
Description
Ontology-Enhanced Machine Learning: A Bosch Use Case of Welding Quality Monitoring
一言でいうと
機械学習ワークフローをオントロジーで強化したSemMLを開発し、Boschにおける溶接品質モニタリングで採用して評価
著者名
Yulia Svetashova, Baifan Zhou, Tim Pychynski, Stefan Schmidt, York Sure-Vetter, Ralf Mikut, Evgeny Kharlamov
- Bosch Corporate Research
- Karlsruhe Institute of Technology
- Bosch Center for Artificial Intelligence
- University of Oslo
DOI
https://doi.org/10.1007/978-3-030-62466-8_33
会議名(ジャーナル名)
The 19th International Semantic Web Conference (ISWC2020)
トラック
In-Use
動機
自動車産業では溶接の品質モニタリングが重要であり，Boschではそのための機械学習ワークフローを採用している。しかし、複雑でコストがかかり、コミュニケーション、データ統合、ML品質モデルの汎用性の課題があるため解決したい。
手法
従来の機械学習ワークフローをセマンティックコンポーネントで拡張したSemMLと呼ばれるシステムを開発。セマンティックコンポーネント下記の通り。
- Ontology extender: テンプレートを埋めることで専門家に上位オントロジーの観点でドメインを記述できるようにする
- Domain knowledge annotator: アノテーションにより生データをドメインオントロジーにマッピングすることでデータ統合
- Machine learning annotator: 自動推論によりマッピングからML関連情報の推論、各生データソースごとにMLオントロジーとデータ間のマッピングを作成
- Ontology interpreter: MLモデルと生データの統一化された説明可能な検査を可能にする
背景
- 機械学習ワークフローの促進においてセマンティック技術の利用をカバーした様々な研究が存在しているが、著者らの要求を部分的にしか満たさない。
- 製造業の品質分析を支援するために独自にオントロジーやテンプレートを開発してワークフローに統合する必要があるが、既存のものは著者らのドメインを十分にカバーしない。
- 既存のオントロジー拡張ツールはかなり調整が必要であり、MLワークフローや著者らのインフラと用意に統合できないので独自のオントロジー拡張ツールを開発した。
結果
ユーザがドメインオントロジーを作成し、生データ内の変数と対応付ける実験を行った。
各タスクの終了後、主観的満足度に関するアンケートに回答。タスクの時間、精度、アンケートのスコアを記録して分析したところ有望な結果が得られた。
利用実績
Boschにおける溶接の品質モニタリングで評価
学んだ教訓やベストプラクティス
- オントロジーは異なる知識背景を持つ専門家同士のコミュニケーションの共通言語として効果的である。
- テンプレートによりオントロジストでなくてもドメインやデータを機械可読かつ曖昧さのない形で記述できる。この論文のユースケースでは、ユーザは一連のクラスを汎化する必要があるため、クラス依存に関する新しい要件に対応する必要があった。
- ドメインに馴染みのないユーザは、いくつかのタスクに多くの時間を要し正確性が低下する。つまり、タスク交渉の反復プロセスをより小さな単位に分割することで、互いの情報をよりスムーズに消化できる。
読んだ範囲
斜め読み程度