一种用于道路车辆质量问题诊断的新型两级因果推断框架
人工智能
2023-04-12 v1 机器学习
摘要
在汽车行业中，管理在用车辆质量问题的完整周期调查可能耗时数周。该过程包括隔离根本原因、定义并实施适当处理措施，以及必要时优化处理措施。其主要痛点是缺乏一种系统性的方法来识别因果关系、评估处理措施有效性，并在当前措施被认为无效时指引下一步可行动的处理措施。本文将展示我们如何利用因果机器学习（ML）来加速此类过程。将使用从道路车辆收集的真实数据集来演示所提出的框架。同时也会讨论车辆质量应用面临的开放挑战。
引用
@article{arxiv.2304.04755,
title = {A Novel Two-level Causal Inference Framework for On-road Vehicle Quality Issues Diagnosis},
author = {Qian Wang and Huanyi Shui and Thi Tu Trinh Tran and Milad Zafar Nezhad and Devesh Upadhyay and Kamran Paynabar and Anqi He},
journal= {arXiv preprint arXiv:2304.04755},
year = {2023}
}
备注
Accepted by NeurIPS 2022 Workshop on Causal Machine Learning for Real-World Impact (CML4Impact 2022)