基于可解释机器学习的工业工作流程中工人行为洞察自动生成
人工智能
2024-06-19 v1 机器学习
摘要
新的技术，如机器学习 (ML)，为评估行业工作流程和自动生成关键绩效指标 (KPI) 创造了巨大的潜力。然而，尽管已制定了衡量工业机器设备效率的标准，但尚无针对工人生产力的精确等价物，这在即将到来的工业工作流程中尤为理想，因其缺乏熟练工人。因此，针对该目标，需要一种结合制造过程数据和工人绩效数据的 ML 解决方案。此外，近期致力于可解释 ML 方法的工作，使其能够自动向人类操作员解释其决策，从而提高其可信度。我们提议将可解释 ML 解决方案应用于工业工作流程中区分专家和非专家工人的工作水平，我们在质量评估工业工作站处进行了验证。关于所用方法论，输入数据由制造机器捕获并存储于 NoSQL 数据库中。数据被处理以工程化特征，用于自动分类和计算工人的 KPI，以预测其专业水平（所有分类指标均超过 90%）。这些 KPI 以及相关特征的决策，通过自然语言扩展在可解释仪表板上进行文本化解释。这些自动生成的解释使得能够从专家工人那里推导出知识，用于非专家工人。这一工作阐明了自解释 ML 在自动生成以改进工业工作流程生产力方面的研究兴趣。
引用
@article{arxiv.2406.12732,
title = {Automatic generation of insights from workers' actions in industrial workflows with explainable Machine Learning},
author = {Francisco de Arriba-Pérez and Silvia García-Méndez and Javier Otero-Mosquera and Francisco J. González-Castaño and Felipe Gil-Castiñeira},
journal= {arXiv preprint arXiv:2406.12732},
year = {2024}
}
备注
IEEE Industrial Electronics Magazine (2023)