智能工厂中包装机停机预测的不可知学习
机器学习
2022-12-14 v1 分布式、并行与集群计算
系统与控制
系统与控制
摘要
信息物理融合正在为工业运营商开辟新的商业机会。对网络与物理世界深度整合的需求，确立了一个丰富的商业议程，以巩固新的系统与网络工程方法。这场革命之所以可能，离不开丰富且异构的数据源，以及智能利用这些数据的能力，主要因为数据将作为推动工业 4.0 的基础资源。从这个数据丰富、信息物理、智能工厂环境中涌现出的最具成果的研究与实践领域之一，是数据驱动的过程监控领域，其应用机器学习方法以实现预测性维护应用。在本文中，我们通过转换和预处理包装机运行状态记录的历史工业数据集（来自食品饮料领域某制造厂生产线的真实数据），在工业 4.0 的应用背景下考察了流行的时间序列预测技术以及监督式机器学习算法。在我们的方法中，仅使用关于机器运行状态的单一信号进行预测，而不考虑其他运行变量或故障与警告信号，因此称之为“不可知”。在这方面，结果表明所采用的方法在三个目标用例上取得了相当有前景的性能。
引用
@article{arxiv.2212.06288,
title = {Agnostic Learning for Packing Machine Stoppage Prediction in Smart Factories},
author = {Gabriel Filios and Ioannis Katsidimas and Sotiris Nikoletseas and Stefanos H. Panagiotou and Theofanis P. Raptis},
journal= {arXiv preprint arXiv:2212.06288},
year = {2022}
}