循環型工場に返品された製品は、異なる劣化状態、使用履歴、残存能力を持って生産に再投入される。現在の検査だけでは再利用を決定できない。なぜなら、将来の機能充足と部品の完全性は、次のサービスシナリオの下で異なる進展を見せる可能性があるからだ。既存のPHM（予測と健全性管理）アプローチは劣化予測を支援するが、固定された動作条件や孤立した部品ベンチマークを対象とすることが多く、材料疲労評価がシステムレベルの機能予後と結び付くことはほとんどない。
このギャップに対処するため、本論文はアングルグラインダーを対象に、不確実性を考慮した機能予測と部品レベルの疲労評価を組み合わせたインスタンス固有の信頼性ワークフローを提案する。提案フレームワークは、現在の工具状態と直近の力-トルク使用ウィンドウを組み合わせる。畳み込みエンコーダが主軸力と軸トルクから負荷パターンを抽出し、LSTMバックボーンが9つの機能変数をガウス平均と分散推定として予測する。並行して、同じ負荷履歴は、有限要素支援の応力再構成、Haibach拡張を伴うS-N/Miner損傷評価、Paris則に基づくき裂進展解析を通じて、出力軸の疲労情報へ変換される。ストリーミングリプレイアルゴリズムがこれら2つの分岐を機能、材料、システムの信頼性軌跡へ統合する。
ホールドアウトテストでは、9つの出力全体で2%許容の平均精度0.9652が示された。熱変数はほぼ完全に予測され、駆動モータ電流と負荷速度は最も要求の厳しい動的出力であり、R²値はそれぞれ0.9750と0.9924であった。トルク履歴はこれらの変数に特に重要であり、短履歴設定では従来のLSTMがGRUやxLSTMを上回った。信頼性校正は駆動モータ電流で最も有益であり、予測と観測の超過確率が校正の価値を示している。
本研究はNehal Afifiら8名の著者によって行われ、全27ページで、Journal of Manufacturing Systemsの循環型工場に関する特集号に投稿され、現在査読中である。論文はarXiv（arXiv:2606.05334 [cs.AI]）に2026年6月3日に提出された。この研究は、機能予測と材料疲労評価を結び付けるシステムレベルの手法を循環型製造の再利用判断に提供し、不確実な条件下で製品の残存寿命と信頼性をより包括的に評価するのに役立つ。