车辆装配中的根本原因分析应用：基于因果发现算法
机器学习
2024-07-24 v1
摘要
根本原因分析 (RCA) 是一种质量管理方法，旨在系统性地调查和识别问题及其根本原因之间的因果关系。传统方法基于由专业人员对问题进行分析。在现代生产过程中，已收集大量数据。因此，越来越多地使用计算机辅助和数据驱动的方法进行 RCA。其中一种方法是因果发现算法 (CDA)。本文演示了在一家领先汽车制造商的装配数据上应用 CDA 的情况。所使用的算法学习了在代表性数据基础上，制造的车辆特性、人体工学因素以及参与装配过程的时间范围与质量相关产品特性之间的因果结构。本文在质量管理背景下比较了各种 CDA 的适用性。为此，比较了算法所学习的因果结构以及其运行时间。这项工作为质量管理提供了贡献，并展示了 CDA 如何用于装配过程中的 RCA。
引用
@article{arxiv.2407.16388,
title = {Anwendung von Causal-Discovery-Algorithmen zur Root-Cause-Analyse in der Fahrzeugmontage},
author = {Lucas Possner and Lukas Bahr and Leonard Roehl and Christoph Wehner and Sophie Groeger},
journal= {arXiv preprint arXiv:2407.16388},
year = {2024}
}
备注
in German language