基于交互因果自标注的赛博制造物联网自适应机器学习模型部署系统
机器学习
2024-04-10 v1 系统与控制
系统与控制
统计方法学
摘要
机器学习(ML)已被证明能提高许多制造应用的生产率。为了承载这些ML应用,已有多项软件和工业物联网系统被提出,用于在制造应用中部署ML应用并提供实时智能。最近,一种交互因果自标注方法被提出,以推进信息物理系统(尤其是制造业)中的自适应ML应用,通过在部署后自动适应和个性化ML模型来应对数据分布偏移。该自标注方法的独特特性要求一种新型软件系统来支持各个层面的动态性。本文提出了AdaptIoT系统,由端到端数据流管道、ML服务集成和自动化自标注服务组成。该自标注服务包含因果知识库和自动化全周期自标注工作流,可同时适应多个ML模型。AdaptIoT采用容器化微服务架构,为中小型制造商提供可扩展且可移植的解决方案。在创客空间进行的自标注自适应ML应用现场演示表明了其可靠的性能。
引用
@article{arxiv.2404.05976,
title = {A Cyber Manufacturing IoT System for Adaptive Machine Learning Model Deployment by Interactive Causality Enabled Self-Labeling},
author = {Yutian Ren and Yuqi He and Xuyin Zhang and Aaron Yen and G. P. Li},
journal= {arXiv preprint arXiv:2404.05976},
year = {2024}
}