Краткое содержание

arXiv:2511.11739v1 Тип анонса: cross Аннотация: Внутрисистемная вариабельность экспериментального шума критически влияет на воспроизводимость, особенно в автоматизированных, высокопроизводительных системах, таких как фермы аддитивного производства. Хотя в небольших лабораториях эта проблема решаема, на крупных масштабах, например, в архитектурном 3D-печатании, такая вариабельность может привести к серьезным рискам, когда шум способен вызвать структурные или экономические сбои. Данная работа представляет алгоритм принятия решений, учитывающий шум, который количественно оценивает и моделирует специфичные для устройства шумовые профили для адаптивного управления вариабельностью. В нем используется дистрибутивный анализ и метрики парной дивергенции с кластеризацией для выбора между стратегиями байесовской оптимизации для одного устройства и робастной оптимизации для нескольких устройств. В отличие от традиционных методов, которые предполагают однородность устройств или общую робастность, данная структура явно использует межприборные различия для повышения производительности, воспроизводимости и эффективности. Экспериментальное тематическое исследование с участием трех номинально идентич