Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.
Teknologi · CC BY 4.0 · Sumber data
Apa tujuan dan pendekatan risetnya?
Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.
Contrastive learning mandiri menelaah data plant dalam banyak tingkat. Normalizing flow memetakan data sensor satu-ke-satu untuk pembangkitan pengamatan virtual, sementara prompt tuning menyesuaikan model pada kondisi baru. Modul dapat diperluas mengikuti streaming serta perubahan operasi. Riset menguji hipotesis kesamaan data pabrik dan adaptasi dengan tuning terbatas, dengan sasaran solusi kualitas in-process yang dapat digunakan pada berbagai aplikasi manufaktur.
Konteks pengembangan
- Institusi penerima pada catatan
- Case Western Reserve University
- Program
- CAREER: FACULTY EARLY CAR DEV, AM-Advanced Manufacturing
- Periode pendanaan tercatat
- 2024-10-01 → 2028-06-30
Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.
Klasifikasi NSF
- Directorate for Engineering
- Civil, Mechanical, & Manufacturing Innovation
Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.
Apa yang diketahui tentang statusnya?
Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.
Batas informasi
Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.
Dasar profil
- NSF Award: CAREER: Transforming Machine Learning Models Developed in Labs to Manufacturing Plants for In-Process Quality Prediction ↗
National Science Foundation (NSF) · Amendemen tercatat 06/10/2025
Diakses 2026-10-14. Metadata penghargaan dan abstrak publik NSF menjadi dasar parafrasa editorial Indonesia. Dokumen dan aset lain mengikuti hak pemiliknya.